CN109638886A - 一种基于CVaR的风电日前出力申报优化方法 - Google Patents
一种基于CVaR的风电日前出力申报优化方法 Download PDFInfo
- Publication number
- CN109638886A CN109638886A CN201910022409.6A CN201910022409A CN109638886A CN 109638886 A CN109638886 A CN 109638886A CN 201910022409 A CN201910022409 A CN 201910022409A CN 109638886 A CN109638886 A CN 109638886A
- Authority
- CN
- China
- Prior art keywords
- wind power
- cvar
- wind
- profit
- output
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000005611 electricity Effects 0.000 title abstract description 8
- 238000010248 power generation Methods 0.000 claims abstract description 13
- 230000007935 neutral effect Effects 0.000 claims description 9
- 230000009194 climbing Effects 0.000 claims description 4
- 125000004432 carbon atom Chemical group C* 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000005315 distribution function Methods 0.000 claims description 2
- 230000007774 longterm Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 claims description 2
- 230000000630 rising effect Effects 0.000 claims description 2
- 235000013339 cereals Nutrition 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明一种基于CVaR的风电日前出力申报优化方法属于发电技术领域，尤其涉及风电场需要对日前出力申报进行决策的场合。包括步骤，1）生成风电不确定性样本；通过实际风速历史数据，并基于风速与风机出力关系，得到风机可能出力的历史数据，通过对风机可能出力的历史数据进行聚类，可得到有代表性的随机概率样本；2）建立风险中立型风电企业日前出力计划优化模型；其决策目标是确定最优的日前风电出力计划以最大化自己的期望利润，风电企业利润为上网风电收益与偏差电量惩罚的差值；3）建立基于CVaR的日前出力申报优化决策模型。
Description
技术领域
本发明一种基于CVaR的风电日前出力申报优化方法属于发电技术领域，尤其涉及风电场需要对日前出力申报进行决策的场合。
背景技术
风能是一种永不枯竭的可再生能源，风电机的建设周期短、选址灵活、占地面积小，因此风力发电是最具前景的清洁能源发电方式，能够有效抑制环境污染和全球变暖等问题。但风力发电易受天气、季节和地形等自然因素影响，出力存在随机性和不确定性。风力发电的不确定性增加了系统调度的难度和成本，造成大量的弃风现象，同时，系统调度成本以惩罚的形式分摊到风电企业中，从而影响风电企业的收入。
据统计，2017年我国风电并网装机容量达1.64亿千瓦，占发电装机总容量的9.2%。全年风电发电量为3057亿千瓦时，占全年总发电量的4.8%，2017年我国弃风率为12%，风电消纳形势有所好转，但“三北”地区弃风率仍较高，尤其以甘肃（弃风率33%）、新疆（弃风率29%）、吉林（弃风率21%）、内蒙古（弃风率15%）等地为代表。此外，随着我国电力市场化改革的深入，对于风电的标杆上网电价和补贴力度不断下滑。因此，优化风电机组日前申报出力曲线，减小出力计划与实际出力的偏差，是有效减少弃风现象、保证风电企业的收入的方法之一。
在我国，风电机组需提前一天向调度中心申报次日出力，但由于风速的随机性和不确定性，风电机组次日出力会与日前申报出力存在偏差。当次日风电机组出力出现偏差时，调度中心为了维持电力系统的实时平衡需调用其它可调用机组，从而增加了系统的调度成本。这部分成本由风电企业日前申报出力计划与次日实际出力的偏差产生，因此，电网公司会对风电企业进行偏差惩罚，从而弥补系统调度成本。风电企业的预测偏差会影响风电企业利润、增加经营风险。
发明内容
本发明的目的是针对风电发展现状和风电不确定性以及随机性的特点，提出一种基于CVaR的风电日前出力申报优化方法，在可再生能源出力不确定的背景下，为风电机组日前出力申报决策提供了优化模型。
本发明是采取以下技术方案实现的：
基于CVaR的风电日前出力申报优化方法，包括如下步骤，
1）生成风电不确定性样本；
通过实际风速历史数据，并基于风速与风机出力关系，得到风机可能出力的历史数据，通过对风机可能出力的历史数据进行聚类，可得到有代表性的随机概率样本；
2）建立风险中立型风电企业日前出力计划优化模型；
其决策目标是确定最优的日前风电出力计划以最大化自己的期望利润，风电企业利润为上网风电收益与偏差电量惩罚的差值；
3）建立基于CVaR的日前出力申报优化决策模型；
在步骤2）建立的风险中立型风电企业日前出力计划优化模型的基础上，考虑发电企业对风险的规避，从而确定风电机组的日前出力申报。
本发明的技术优势是建立了基于CVaR的风电日前出力申报优化模型，该模型能在次日实际风电机组出力未知的情况下，通过基于CVaR的随机优化方法对日前出力申报曲线进行优化，能有效减少风电企业日前出力申报计划与实际情况的偏差，减少弃风现象；同时考虑门槛值α和置信度β的调整，可以实现利润的风险可控性。
具体实施方式
下面通过具体实施例来对本发明作进一步说明。
CVaR(条件风险价值)是在VaR(风险价值)的基础上发展出来的一种投资风险计量方法。
本发明基于CVaR的风电日前出力申报优化方法的具体步骤如下：
（1）生成风电不确定性样本
风电机出力与其轮縠高度处的风速密切相关，风电企业通过获取风速数据得到次日各风电机预测出力，风机输出功率与风速的关系用式（1）表示；
（1）
式中，为次日t时段风机功率，单位是MW；为次日t时段实际风速，单位是m/s；为切入风速，单位是m/s；为切出风速，单位是m/s；为风机额定功率，单位是MW；为风机额定风速，单位是m/s；t的取值为24。
在实际操作中，为防止风机建设时间短，历史出力数据没有代表性的问题。可通过实际风速历史数据，并基于上述的风速与风机出力关系，得到风机可能出力的历史数据；通过对风机可能出力的历史数据进行聚类，得到有代表性的随机概率样本。
K-means方法是一种比较典型的划分方法聚类，能有效地处理规模较大和高维的数据集合，能对大型数据集进行高效分类。该聚类方法对于给定个U向量和N个聚类数，按照误差平方和或准则函数的划分标准，把数据分成N组，使得用这N个均值来代表相应各类样本时所得到的总体误差最小，使同一类中的对象相似度尽可能高，而不同类之间的相似度尽可能低，按这样的方法所形成的每一组就称作一个聚类(或聚簇)。本实施例中，使用误差平方和的划分标准，通过K-means方法迭代寻找N个聚类（N的取值为20），使用每个聚类的最终聚类中心代表随机样本特征值，生成20个随机概率样本。
（2）建立风险中立型风电企业日前出力计划优化模型
2-1）针对步骤1）得到的不确定性样本，首先建立风险中型风电企业日前出力计划优化模型，对风电企业次日出力不确定情况下的利润期望目标进行优化，且假设：风电机组上网时采用固定的风电标杆上网电价；风电企业的容量规模很小，对电力系统的影响可忽略不计；风电企业的运行维护成本为0；
2-2）设置风险中立型风电企业日前出力计划优化模型目标函数；
对于风险中型的风电企业，其决策目标是确定最优的日前风电出力计划以最大化自己的期望利润，风电企业利润为上网风电收益与偏差电量惩罚的差值；
所述目标函数为式（2），
（2）；
式中，为风险中立型风电企业日前申报策略所能获得的总利润，单位为元；为风电机次日t时刻的日前申报出力值，单位为MW；为随机变量，；为第k个样本在次日第t时刻的正向偏差，单位为MW；为第k个样本在次日第t时刻的负向偏差，单位为MW；为每时段时长，单位为h（小时）；为风电标杆上网电价，单位为元/MWh；、分别为正负偏差惩罚单位费用，单位为元/MWh；N为场景数，，N取20；t取24；表示风电出力价格，取值视当日实际成交价格而定。
2-3）设定约束条件；
在步骤2-2）的目标函数中，正向偏差和负向偏差两者都为正数，且二者至少有一个为0，从而得到如下表示，
（3）
（4）
式中，表示任意t时段。
对于（3）（4）式，需将其转化成线性约束条件如下，
（5）
（6）
（7）
除此之外，所述约束条件还包括申报出力约束和风电机组爬坡约束，
（8）
（9）
（10）
式中，是t时刻风电出力最大限制，单位为MW；和表示风电机组在t时段允许的最大有功功率上升量和下降量的限值，表示风电机组的爬坡约束，单位为MW。
2-4）模型简化；
在步骤2-3）的约束条件中，由于式（7）的三个变量存在线性关系，约束一致性存在问题，因此根据式（7）对模型进行简化，简化后的模型如下，
（11）
（12）。
（3）建立基于CVaR的日前出力申报优化决策模型；
CVaR即条件风险价值，是指损失超过VaR（Value at Risk）的条件均值，是以VaR为基础，代表超额损失的条件期望值，比VaR包含更多的尾部信息，可以反映出投资组合的潜在损失。另外，CVaR是一致性的风险度量，并且不依赖于投资回报符合正态分布的假设。
3-1）设表示一个与决策向量X相关的损失函数，，其中是的一个子集，表示决策变量X的可行集；是一个随机向量，表示不确定因素；其中，m、n分别表示对应决策变量和随机变量集的维度。
假定随机向量Y的联合概率密度为，对于固定的X，关于Y的不超过某一损失水平的概率为：
（13）
对于任意X，为决策向量X下的损失累积分布函数，关于非减和右连续；
3-2）构建考虑风电出力不确定性的风电企业日前申报策略优化问题的目标函数；
（14）
（15）
上式中，和即为置信水平下的VaR和CVaR，CVaR的含义指超过一定损失的条件均值，在相同的置信水平下，CVaRVaR,这样最小化CVaR也就是最小化VaR，由于中含有难以直接求解，用来替代，则：
（16）
（17）
一般情况下最优CVaR是表示最小的置信度下CVaR损失值，如果将求最优CVaR损失值问题转化为求置信度下CVaR利益值问题，模型要进行相应的变换；将损失函数转换为风电企业日前申报策略利润函数，设置置信度为，同时，设置风电企业日前申报策略的利润门槛值，取随机向量的N个样本值，构建出考虑风电出力不确定性的风电企业日前申报策略优化问题的目标函数，即
（18）
其中，代表样本k发生的概率；
3-3）为简化上述公式（18）的表达，引入虚拟变量，N取值为20，得到考虑风电出力不确定下的风电企业申报决策CVaR利润随机优化模型如下，
（19）
（20）
其中，为风电企业日前申报策略的利润门槛值，高于利润门槛值则进入高风险利润部分，即可获得最大利润减门槛值为风电企业认为风险较大的利润部分，也即风电企业通常得不到的利润部分，企业不能依赖这部分利润实现长期盈利，设置的高低代表风电企业对高风险利润部分的态度，同时越接近1代表风电企业越厌恶风险；在上述的CVaR利润优化模型中，当门槛值超过任意样本最大可能利润、且时，CVaR模型变为风险中立利润期望模型。
综上所述，本发明使用K-means聚类方法生成随机概率样本，提出结合功率偏差惩罚机制的风电企业日前申报策略优化模型，并据此建立风险中立型风电企业利润期望和CVaR利润随机优化模型。
以上显示和描述了本发明的基本原理和具体细节，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。
Claims (6)
1.一种基于CVaR的风电日前出力申报优化方法，其特征在于，包括如下步骤：
1）生成风电不确定性样本；
通过实际风速历史数据，并基于风速与风机出力关系，得到风机可能出力的历史数据，通过对风机可能出力的历史数据进行聚类，得到有代表性的随机概率样本；
2）建立风险中立型风电企业日前出力计划优化模型；
其决策目标是确定最优的日前风电出力计划以最大化自己的期望利润，风电企业利润为上网风电收益与偏差电量惩罚的差值；
3）建立基于CVaR的日前出力申报优化决策模型；
在步骤2）建立的风险中立型风电企业日前出力计划优化模型的基础上，考虑发电企业对风险的规避，从而确定风电机组的日前出力申报。
2.根据权利要求1所述的基于CVaR的风电日前出力申报优化方法，其特征在于，步骤（2）建立风险中立型风电企业日前出力计划优化模型的具体方法，包括：
2-1）针对步骤（1）得到的不确定性样本，首先建立风险中型风电企业日前出力计划优化模型，对风电企业次日出力不确定情况下的利润期望目标进行优化，且假设风电机组上网时采用固定的风电标杆上网电价；风电企业的容量规模很小，对电力系统的影响可忽略不计；风电企业的运行维护成本为0；
2-2）设置风险中立型风电企业日前出力计划优化模型目标函数；
对于风险中型的风电企业，其决策目标是确定最优的日前风电出力计划以最大化自己的期望利润，风电企业利润为上网风电收益与偏差电量惩罚的差值；
2-3）设定约束条件；
2-4）模型简化。
3.根据权利要求2所述的基于CVaR的风电日前出力申报优化方法，其特征在于，所述目标函数为下式，
；
式中，为风险中立型风电企业日前申报策略所能获得的总利润，单位为元；为风电机次日t时刻的日前申报出力值，单位为MW；为随机变量，；为第k个样本在次日第t时刻的正向偏差，单位为MW；为第k个样本在次日第t时刻的负向偏差，单位为MW；为每时段时长，单位为h；为风电标杆上网电价，单位为元/MWh；、分别为正负偏差惩罚单位费用，单位为元/MWh；N为场景数，，N取20；为每时段的时长，单位为h；t取24；表示风电出力价格，取值视当日实际成交价格而定。
4.根据权利要求3所述的基于CVaR的风电日前出力申报优化方法，其特征在于，在步骤2-2）的目标函数中，正向偏差和负向偏差两者都为正数，且二者至少有一个为0，从而得到如下表示，
（3）
（4）
式中，表示任意t时段；
对于（3）（4）式，需将其转化成线性约束条件如下，
（5）
（6）
（7）
除此之外，所述约束条件还包括申报出力约束和风电机组爬坡约束，
（8）
（9）
（10）
式中，是t时刻风电出力最大限制，单位为MW；和表示风电机组在t时段允许的最大有功功率上升量和下降量的限值，表示风电机组的爬坡约束，单位为MW。
5.根据权利要求4所述的基于CVaR的风电日前出力申报优化方法，其特征在于，在步骤2-3）的约束条件中，由于式（7）的三个变量存在线性关系，约束一致性存在问题，因此根据式（7）对模型进行简化，简化后的模型如下，
（11）
（12）。
6.根据权利要求1所述的基于CVaR的风电日前出力申报优化方法，其特征在于，建立基于CVaR的日前出力申报优化决策模型的方法包括如下步骤：
3-1）设表示一个与决策向量X相关的损失函数，，其中是的一个子集，表示决策变量X的可行集；是一个随机向量，表示不确定因素；其中，m、n分别表示对应决策变量和随机变量集的维度；
假定随机向量Y的联合概率密度为，对于固定的X，关于Y的不超过某一损失水平的概率为：
（13）
对于任意X，为决策向量X下的损失累积分布函数，关于非减和右连续；
3-2）构建考虑风电出力不确定性的风电企业日前申报策略优化问题的目标函数；
（14）
（15）
上式中，和即为置信水平下的VaR和CVaR，CVaR的含义指超过一定损失的条件均值，在相同的置信水平下，CVaRVaR,这样最小化CVaR也就是最小化VaR，由于中含有难以直接求解，用来替代，则：
（16）
（17）
一般情况下最优CVaR是表示最小的置信度下CVaR损失值，如果将求最优CVaR损失值问题转化为求置信度下CVaR利益值问题，模型要进行相应的变换；将损失函数转换为风电企业日前申报策略利润函数，设置置信度为，同时，设置风电企业日前申报策略的利润门槛值，取随机向量的N个样本值，构建出考虑风电出力不确定性的风电企业日前申报策略优化问题的目标函数，即
（18）
其中，代表样本k发生的概率；
3-3）为简化上述公式（18）的表达，引入虚拟变量，N取值为20，得到考虑风电出力不确定下的风电企业申报决策CVaR利润随机优化模型如下，
（19）
（20）
其中，为风电企业日前申报策略的利润门槛值，高于利润门槛值则进入高风险利润部分，即可获得最大利润减门槛值为风电企业认为风险较大的利润部分，也即风电企业通常得不到的利润部分，企业不能依赖这部分利润实现长期盈利，设置的高低代表风电企业对高风险利润部分的态度，同时越接近1代表风电企业越厌恶风险；在上述的CVaR利润优化模型中，当门槛值超过任意样本最大可能利润、且时，CVaR模型变为风险中立利润期望模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910022409.6A CN109638886B (zh) | 2019-01-10 | 2019-01-10 | 一种基于CVaR的风电日前出力申报优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910022409.6A CN109638886B (zh) | 2019-01-10 | 2019-01-10 | 一种基于CVaR的风电日前出力申报优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109638886A true CN109638886A (zh) | 2019-04-16 |
| CN109638886B CN109638886B (zh) | 2021-01-08 |
Family
ID=66061724
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910022409.6A Active CN109638886B (zh) | 2019-01-10 | 2019-01-10 | 一种基于CVaR的风电日前出力申报优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109638886B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112510685A (zh) * | 2020-11-13 | 2021-03-16 | 北方工业大学 | 一种城市电网风险规避预测控制方法及装置 |
| CN113507111A (zh) * | 2021-06-24 | 2021-10-15 | 东北电力大学 | 基于盲数理论的规划目标年电力盈亏评估方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106779498A (zh) * | 2017-01-24 | 2017-05-31 | 国网福建省电力有限公司 | 评估含风光储的大用户参与日前市场电力交易风险的方法 |
| CN107317334A (zh) * | 2017-08-31 | 2017-11-03 | 华北电力大学（保定） | 一种电力系统网架重构方法和装置 |
| CN107464010A (zh) * | 2017-06-29 | 2017-12-12 | 河海大学 | 一种虚拟电厂容量优化配置方法 |
| CN108053057A (zh) * | 2017-11-29 | 2018-05-18 | 国网江苏省电力公司盐城供电公司 | 一种基于CVaR的虚拟电厂优化调度建模方法 |
| CN108876020A (zh) * | 2018-05-31 | 2018-11-23 | 清华大学 | 一种基于随机需求和服务水平约束的供应链优化方法 |
| CN108960510A (zh) * | 2018-07-04 | 2018-12-07 | 四川大学 | 一种基于两阶段随机规划的虚拟电厂优化交易策略模型 |
-
2019
- 2019-01-10 CN CN201910022409.6A patent/CN109638886B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106779498A (zh) * | 2017-01-24 | 2017-05-31 | 国网福建省电力有限公司 | 评估含风光储的大用户参与日前市场电力交易风险的方法 |
| CN107464010A (zh) * | 2017-06-29 | 2017-12-12 | 河海大学 | 一种虚拟电厂容量优化配置方法 |
| CN107317334A (zh) * | 2017-08-31 | 2017-11-03 | 华北电力大学（保定） | 一种电力系统网架重构方法和装置 |
| CN108053057A (zh) * | 2017-11-29 | 2018-05-18 | 国网江苏省电力公司盐城供电公司 | 一种基于CVaR的虚拟电厂优化调度建模方法 |
| CN108876020A (zh) * | 2018-05-31 | 2018-11-23 | 清华大学 | 一种基于随机需求和服务水平约束的供应链优化方法 |
| CN108960510A (zh) * | 2018-07-04 | 2018-12-07 | 四川大学 | 一种基于两阶段随机规划的虚拟电厂优化交易策略模型 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112510685A (zh) * | 2020-11-13 | 2021-03-16 | 北方工业大学 | 一种城市电网风险规避预测控制方法及装置 |
| CN112510685B (zh) * | 2020-11-13 | 2021-07-27 | 北方工业大学 | 一种城市电网风险规避预测控制方法及装置 |
| CN113507111A (zh) * | 2021-06-24 | 2021-10-15 | 东北电力大学 | 基于盲数理论的规划目标年电力盈亏评估方法 |
| CN113507111B (zh) * | 2021-06-24 | 2022-09-27 | 东北电力大学 | 基于盲数理论的规划目标年电力盈亏评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109638886B (zh) | 2021-01-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yuan et al. | Stochastic optimization model for the short-term joint operation of photovoltaic power and hydropower plants based on chance-constrained programming | |
| CN110350523B (zh) | 基于需求响应的多能源互补优化调度方法 | |
| CN110571867B (zh) | 一种计及风电不确定性的虚拟电厂日前优化调度系统方法 | |
| CN103683326B (zh) | 一种区域电网风电多点接入最佳接纳能力的计算方法 | |
| CN110365013B (zh) | 一种光热-光伏-风电联合发电系统的容量优化方法 | |
| CN110071505A (zh) | 含大规模风电接入的输电网扩建与储能配置联合规划方法 | |
| Lotfi et al. | Optimal design of a hybrid solar-wind-diesel power system for rural electrification using imperialist competitive algorithm | |
| CN109412158B (zh) | 一种考虑弃能成本约束的送端电网机组组合运行控制方法 | |
| CN110336274B (zh) | 增设虚拟电厂调节器的虚拟电厂运行方法 | |
| CN111404206A (zh) | 考虑投资回报约束的风光储发电系统容量双层规划方法 | |
| CN112803494B (zh) | 一种含风光水火的多目标agc协调优化方法及系统 | |
| CN112736905B (zh) | 区域新能源容量优化配置方法及系统 | |
| CN109638886B (zh) | 一种基于CVaR的风电日前出力申报优化方法 | |
| Lu et al. | Wind power forecast by using improved radial basis function neural network | |
| CN112836849A (zh) | 一种考虑风电不确定性的虚拟电厂调度方法 | |
| CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
| CN116706869A (zh) | 一种用于区域电网供需平衡场景的预测方法及装置 | |
| Lopes et al. | Metaheuristic methods applied to the pumps and turbines configuration design of water pumped storage systems | |
| CN106339773A (zh) | 基于灵敏度的主动配电网分布式电源定容规划方法 | |
| CN117913914A (zh) | 基于电量分类的一体化项目并网多时段调度方法及装置 | |
| CN110119850B (zh) | 基于光热发电调节的储热量双阶段优化调度方法 | |
| CN117154808A (zh) | 考虑电力交易的分布式新能源和多元储能聚合建模方法 | |
| CN108683211B (zh) | 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型 | |
| CN112989279A (zh) | 含风电的电热联合系统的调度方法及装置 | |
| CN115765054A (zh) | 考虑风光无功调节的配电网分布式电源双层规划方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200909 Address after: No. 2481 Suqian City, Jiangsu province 223800 Avenue development Sucheng District Applicant after: STATE GRID JIANGSU ELECTRIC POWER Co.,Ltd. SUQIAN POWER SUPPLY BRANCH Address before: No. 2481 Suqian City, Jiangsu province 223800 Avenue development Sucheng District Applicant before: STATE GRID JIANGSU ELECTRIC POWER Co.,Ltd. SUQIAN POWER SUPPLY BRANCH Applicant before: STATE GRID JIANGSU ELECTRIC POWER Co. Applicant before: STATE GRID CORPORATION OF CHINA |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201124 Address after: No. 2481 Suqian City, Jiangsu province 223800 Avenue development Sucheng District Applicant after: STATE GRID JIANGSU ELECTRIC POWER Co.,Ltd. SUQIAN POWER SUPPLY BRANCH Applicant after: STATE GRID JIANGSU ELECTRIC POWER Co. Applicant after: STATE GRID CORPORATION OF CHINA Address before: No. 2481 Suqian City, Jiangsu province 223800 Avenue development Sucheng District Applicant before: STATE GRID JIANGSU ELECTRIC POWER Co.,Ltd. SUQIAN POWER SUPPLY BRANCH |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |