CN109861204A - 基于模型预测控制的主动配电网协同控制系统及方法 - Google Patents

基于模型预测控制的主动配电网协同控制系统及方法 Download PDF

Info

Publication number
CN109861204A
CN109861204A CN201811549447.9A CN201811549447A CN109861204A CN 109861204 A CN109861204 A CN 109861204A CN 201811549447 A CN201811549447 A CN 201811549447A CN 109861204 A CN109861204 A CN 109861204A
Authority
CN
China
Prior art keywords
user
control
distribution network
power
model predictive
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
Application number
CN201811549447.9A
Other languages
English (en)
Inventor
庞清乐
张栋
王言前
陈健
刘新允
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.)
Qingdao University of Technology
Original Assignee
Qingdao University of Technology
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 Qingdao University of Technology filed Critical Qingdao University of Technology
Priority to CN201811549447.9A priority Critical patent/CN109861204A/zh
Publication of CN109861204A publication Critical patent/CN109861204A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Abstract

本公开提供了一种基于模型预测控制的主动配电网协同控制系统及方法。其中，一种基于模型预测控制的主动配电网协同控制系统，包括：用户控制终端，其用于将用户实际消耗的功率上报至控制中心；控制中心，其用于根据用户实际消耗功率与调度指令的偏差，制定用户浮动实时电价，作为用户偏离调度计划的惩罚项；将惩罚项与基础实时电价之和作为用户的实际实时电价即动态实时电价，以随用户用电行为而变化的动态实时电价为控制量，以用户调度指令为控制目标，采用模型预测控制调整电力用户的用电行为，使其跟踪用户的优化调度指令，从而实现主动配电网中可再生能源的最大消纳和配电网运行成本最低的目标。

Description

基于模型预测控制的主动配电网协同控制系统及方法
技术领域
本公开属于配电网控制领域，尤其涉及一种基于模型预测控制的主动配电网协同控制系统及方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
可再生能源固有的间歇性、不确定性和随机性特点制约了其发展，随着可再生能源在配电网中渗透率的不断提高，给配电网的管理和控制带来一系列挑战。为了解决上述问题，能够实现主动规划、主动管理和主动控制等功能的主动配电网成为未来配电网的发展方向。为了充分利用可再生能源并使配电网运行费用最低，国内外专家学者对主动配电网的优化调度进行了大量研究。然而，用户的电能消费具有随机性，另外，光伏发电和小型风电等分布式电源在用户侧并网，增加了用户电能消费的随机性。用户不能按照已形成的优化调度指令进行电能消费(对于发电用户电能消费为负值)，致使主动配电网的优化调度失效，甚至导致电力供需不平衡，影响配电网的稳定运行。实时电价作为一种灵活的需求侧管理方法可以有效地引导用户的用电行为，实现削峰填谷。现有的实时电价机制均为日前实时电价，无法控制用户随机的用电行为，亟需设计一种基于动态实时电价的控制器，利用动态实时电价实时控制用户的用电行为，保证用户按照优化调度指令消费电能。
用户侧负荷具有多样性的特点，难以用精确的数学模型进行描述，采用经典的PID控制难以达到满意的控制效果。模型预测控制在处理预测值不确定、约束条件多样性等问题方面具有较为突出的优势，在电力系统领域也受到越来越多的关注。文献-基于模型预测控制的主动配电网多时间尺度动态优化调度(中国电机工程学报，2016，36(17)：4609-4616)以风电、光伏的长时间尺度优化调度值为参考值，以有功出力增量为控制量，使分布式电源的有功出力接近参考值，实现主动配电网中间歇性新能源的最大消纳。但是，该方法仍然是基于分布式电源可调度的前提，当用户负荷不能直接调度时，控制方法失效。因此，设计以动态实时电价为控制量、以用户用电行为跟踪调度指令为目标基于模型预测控制技术的主动配电网协调控制系统具有重要意义。
发明内容
根据本公开的一个或多个实施例的一个方面，提供一种基于模型预测控制的主动配电网协同控制系统，其适用于主动配电网，通过调整用户的动态实时电价，调节用户的用电行为，确保配电网安全稳定运行。
本公开的一种基于模型预测控制的主动配电网协同控制系统，包括：
用户控制终端，其用于将用户实际消耗的功率上报至控制中心；
控制中心，其用于根据用户实际消耗功率与调度指令的偏差，制定用户浮动实时电价，作为用户偏离调度计划的惩罚项；将惩罚项与基础实时电价之和作为用户的实际实时电价即动态实时电价，
以随用户用电行为而变化的动态实时电价为控制量，以用户调度指令为控制目标，采用模型预测控制调整电力用户的用电行为，使其跟踪用户的优化调度指令，从而实现主动配电网中可再生能源的最大消纳和配电网运行成本最低的目标。
在一个或多个实施例中，所述用户控制终端，还用于通过对分布式发电出力预测和负荷预测，制定用户日前用电计划，并上报至控制中心。
在一个或多个实施例中，所述控制中心，还用于根据各用户控制终端上报的日前用电计划，制定日前实时电价即基础实时电价，并将其下传至用户控制终端。
在一个或多个实施例中，所述用户控制终端，还用于根据日内短时分布式发电出力预测和负荷预测，修正日内用电计划，并上报至控制中心。
在一个或多个实施例中，所述控制中心，还用于根据各用户控制终端上报的日内用电计划，制定各用户的调度指令，所有用户的调度指令总和即为配电网优化调度策略，并将用户的调度指令下传至用户控制终端。
在一个或多个实施例中，所述用户控制终端，还用于根据用户调度指令控制用户综合负荷，使用户在满足用电需求的前提下运行费用最低。
在一个或多个实施例中，所述用户控制终端，用于直接控制用户的综合负荷。
根据本公开的一个或多个实施例的另一个方面，提供一种基于模型预测控制的主动配电网协同控制系统的控制方法，其适用于主动配电网，通过调整用户的动态实时电价，调节用户的用电行为，确保配电网安全稳定运行。
本公开的一种基于模型预测控制的主动配电网协同控制系统的控制方法，适用于控制中心，包括：
根据用户实际消耗功率与调度指令的偏差，制定用户浮动实时电价，作为用户偏离调度计划的惩罚项；将惩罚项与基础实时电价之和作为用户的实际实时电价即动态实时电价，
以随用户用电行为而变化的动态实时电价为控制量，以用户调度指令为控制目标，采用模型预测控制调整电力用户的用电行为，使其跟踪用户的优化调度指令，从而实现主动配电网中可再生能源的最大消纳和配电网运行成本最低的目标。
在一个或多个实施例中，模型预测控制以滚动优化来确定系统的控制策略：
在每一个采样时刻，根据该时刻优化性能指标，求解该时刻为起始时刻的有限时域内的最优浮动实时电价序列，并实际执行浮动实时电价当前值，在下一个采样时刻重新求取最优浮动实时电价序列。
在一个或多个实施例中，利用实际测量的功率消耗对预测模型的输出进行修正，使滚动优化不仅基于预测模型，而且利用反馈信息，构成闭环优化。
本公开的有益效果是：
(1)本公开适用于主动配电网，通过调整用户的动态实时电价，调节用户的用电行为，迫使每个用户均按照用户调度指令消耗电能，从而使配电网按照优化的调度策略运行，降低配电网运行费用和可再生能源最大消纳，确保配电网安全稳定运行。
(2)本公开克服了传统配电网控制系统由于无法对电力用户直接调度而导致优化调度指令不能执行的问题，提供了以动态实时电价为控制量、以用户用电行为跟踪调度指令为目标基于模型预测控制技术的主动配电网协同控制系统，支持传统配电网和微电网的协同控制，引导电力用户根据用户调度命令调整用电行为，控制电力用户实际消耗电能跟踪用户调度指令，确保配电网按其优化调度策略运行，使电网运行费用最低和可再生能源最大消纳。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1是本公开的一种基于模型预测控制的主动配电网协同控制系统结构图。
图2为本公开模型预测控制器结构图。
图3为本公开实施例中的用户调度计划和预测控制后功率消耗。
图4为本公开实施例中的用户基础实时电价和动态实时电价。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
图1是本公开的一种基于模型预测控制的主动配电网协同控制系统结构图。
如图1所示，本公开的一种基于模型预测控制的主动配电网协同控制系统，包括：
用户控制终端，其用于将用户实际消耗的功率上报至控制中心；
控制中心，其用于根据用户实际消耗功率与调度指令的偏差，制定用户浮动实时电价，作为用户偏离调度计划的惩罚项；将惩罚项与基础实时电价之和作为用户的实际实时电价即动态实时电价，
以随用户用电行为而变化的动态实时电价为控制量，以用户调度指令为控制目标，采用模型预测控制调整电力用户的用电行为，使其跟踪用户的优化调度指令，从而实现主动配电网中可再生能源的最大消纳和配电网运行成本最低的目标。
在具体实施中，用户控制终端直接控制用户的综合负荷，包括分布式发电装置(光伏发电、风力发电和小型燃气轮机发电等)、储能装置、柔性负荷(功率可消减负荷和运行时间可平移负荷)和固定负荷。
所述用户控制终端，还用于通过对分布式发电出力预测和负荷预测，制定用户日前用电计划，并上报至控制中心。
所述控制中心，还用于根据各用户控制终端上报的日前用电计划，制定日前实时电价即基础实时电价，并将其下传至用户控制终端。
所述用户控制终端，还用于根据日内短时分布式发电出力预测和负荷预测，修正日内用电计划，并上报至控制中心。
所述控制中心，还用于根据各用户控制终端上报的日内用电计划，制定各用户的调度指令，所有用户的调度指令总和即为配电网优化调度策略，并将用户的调度指令下传至用户控制终端。
所述用户控制终端，还用于根据用户调度指令控制用户综合负荷，使用户在满足用电需求的前提下运行费用最低。
控制中心根据用户实际消耗功率与调度指令的偏差，制定用户浮动实时电价，作为用户偏离调度计划的惩罚项，将其与基础实时电价之和作为用户的实际实时电价(即动态实时电价)，利用动态实时电价引导用户用电行为，从而保证用户的用电行为跟踪其调度指令，即确定配电网按优化调度策略运行，避免主动配电网实际用电与计划用电偏差过大而威胁配电网的稳定性。
本公开的基于模型预测控制的主动配电网协同控制系统以随用户用电行为而变化的动态实时电价为控制量，以用户调度指令为控制目标，以模型预测控制为控制器，调整电力用户的用电行为，使其跟踪用户的优化调度指令，从而实现主动配电网中可再生能源的最大消纳和配电网运行成本最低的目标。
其中，动态实时电价是在传统的实时电价基础上增加一个惩罚项(即浮动实时电价)，由用户实际用电偏离用户优化调度指令的程度确定的，偏离值越大浮动实时电价越高，浮动实时电价的确定是由模型预测控制器根据用电偏离值产生的。
所述的动态实时电价包括基础实时电价和浮动实时电价，即：
Cd(t)＝Cb(t)+Cf(t)
其中，Cd(t)为动态实时电价；Cb(t)为基础实时电价，即传统实时电价；Cf(t)为浮动实时电价，由模型预测控制器产生。
基础实时电价定义如下：
式中，为控制中心调度区域内总的日前负荷预测值；f1(·)为负荷预测值与基础实时电价之间的函数，由基础实时电价形成的机制确定。
浮动实时电价定义如下：
其中，Pac(t)为用户实际消耗的功率；Pplan(t)为用户调度计划；e(t)为调度计划与实际消耗功率之间的误差；f2(·)为浮动实时电价与功率误差之间的函数，本发明的浮动实时电价是由模型预测控制器产生的。
用户功率消耗的控制模型如下：
Pac(t)＝g(Cf(t))
式中，g(·)为浮动实时电价与用户实际消耗功率之间的函数，它与用户的发电、储能和负荷等设备性质以及用电行为有关系，不同用户的模型差别较大。
控制中心采用模型预测控制器。模型预测控制器由预测模型、滚动优化和反馈校正三部分组成。主动配电网协调控制的预测模型预测输出为用户消耗的功率，控制量为动态实时电价，控制增量为浮动实时电价，其预测模型的动态矩阵形式如下：
其中，为第k+1采样时刻功率消耗矢量；A为动态矩阵； 和分别为第k+1、k+2和k+S采样时刻的功率消耗；S为预测时域；Cf(k)为浮动实时电价矢量；cf(k)、cf(k+1)和cf(k+M-1)分别为第k、k+1和k+M-1采样时刻的浮动实时电价；M为控制时域；Y0(k+1)为功率消耗初始矢量；p0(k+1)、p0(k+2)和p0(k+S)分别为第k+1、k+2和k+S采样时刻的功率消耗初始值。
模型预测控制以滚动优化来确定系统的控制策略。在每一个采样时刻，根据该时刻优化性能指标，求解该时刻为起始时刻的有限时域内的最优浮动实时电价序列，并实际执行浮动实时电价当前值，在下一个采样时刻重新求取最优浮动实时电价序列。优化性能指标为以下二次优化函数：
式中，pr(k+i)为第k+i个采样时刻的调度计划；Q为误差加权矩阵；R为控制加权矩阵；pmin(k+i)、pmax(k+i)分别为功率消耗最小和最大值；cfmin(k+i)、pfmax(k+i)分别为浮动实时电价最小和最大值。
求解上述二次优化函数，得到最优浮动实时电价序列：
Cf(k)＝[cf(k)cf(k+1)K cf(k+M-1)]
把浮动实时电价序列中的第一个浮动实时电价cf(k)作用于用户，并在k+1采用时刻重复上述过程，直至算法终止。
预测模型预测的功率消耗存在误差，且用户实际消耗功率存在不确定性，按预测模型得到的最优控制规律不能保证控制系统紧密跟踪系统的期望输出，因此，利用实际测量的功率消耗对预测模型的输出进行修正，使滚动优化不仅基于预测模型，而且利用反馈信息，构成闭环优化。预测模型输出的功率消耗按如下公式进行校正：
其中，为误差校正后的功率消耗预测矢量；e(k+1)为功率消耗的实际测量矢量与功率消耗预测矢量的差值；P(k+1)为功率消耗的实际测量矢量；h为校正参数矩阵。将校正后的功率消耗用于滚动优化，产生最优浮动实时电价序列。
如图2所示，模型预测控制器结构图。模型预测控制器由预测模型、滚动优化和反馈校正三部分组成。模型预测控制根据被控对象的历史信息和未来输入，利用预测模型预测系统未来的响应。预测模型的预测输出为用户消耗的功率控制量为动态实时电价C(k)，控制增量为浮动实时电价Cf(k)。
模型预测控制以滚动优化来确定系统的控制策略。在每一个采样时刻，根据该时刻优化性能指标，求解该时刻为起始时刻的有限时域内的最优浮动实时电价序列，并实际执行浮动实时电价当前值，在下一个采样时刻重新求取最优浮动实时电价序列。把浮动实时电价序列中的第一个浮动实时电价cf(k)作用于用户，并在k+1采用时刻重复上述过程，直至算法终止。
由于预测模型预测的功率消耗存在误差，且用户实际消耗功率存在不确定性，按预测模型得到的最优控制规律不能保证控制系统紧密跟踪系统的期望输出，因此，利用实际测量的功率消耗对预测模型的输出进行修正，使滚动优化不仅基于预测模型，而且利用反馈信息，构成闭环优化。
以某大型商场为实施例，对本公开进行进一步说明。已知局域控制系统下达至该商场的基础实时电价和调度计划分别如图3和图4所示。假设该大型商场功率控制的传递函数为G(s)＝300/(6s+1)，取采样周期T＝15分钟，预测时域S＝90分钟，控制时域M＝45分钟。经模型预测控制后的商场功率消耗和动态实时电价分别如图3和图4所示。由图可知，模型预测控制可以紧密地跟踪调度计划。
本公开的一种基于模型预测控制的主动配电网协同控制系统的控制方法，适用于控制中心，包括：
根据用户实际消耗功率与调度指令的偏差，制定用户浮动实时电价，作为用户偏离调度计划的惩罚项；将惩罚项与基础实时电价之和作为用户的实际实时电价即动态实时电价，
以随用户用电行为而变化的动态实时电价为控制量，以用户调度指令为控制目标，采用模型预测控制调整电力用户的用电行为，使其跟踪用户的优化调度指令，从而实现主动配电网中可再生能源的最大消纳和配电网运行成本最低的目标。
具体地，模型预测控制以滚动优化来确定系统的控制策略：
在每一个采样时刻，根据该时刻优化性能指标，求解该时刻为起始时刻的有限时域内的最优浮动实时电价序列，并实际执行浮动实时电价当前值，在下一个采样时刻重新求取最优浮动实时电价序列。
具体地，利用实际测量的功率消耗对预测模型的输出进行修正，使滚动优化不仅基于预测模型，而且利用反馈信息，构成闭环优化。
本公开适用于主动配电网，通过调整用户的动态实时电价，调节用户的用电行为，迫使每个用户均按照用户调度指令消耗电能，从而使配电网按照优化的调度策略运行，降低配电网运行费用和可再生能源最大消纳，确保配电网安全稳定运行。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (10)

1.一种基于模型预测控制的主动配电网协同控制系统，其特征在于，包括：
用户控制终端，其用于将用户实际消耗的功率上报至控制中心；
控制中心，其用于根据用户实际消耗功率与调度指令的偏差，制定用户浮动实时电价，作为用户偏离调度计划的惩罚项；将惩罚项与基础实时电价之和作为用户的实际实时电价即动态实时电价，
以随用户用电行为而变化的动态实时电价为控制量，以用户调度指令为控制目标，采用模型预测控制调整电力用户的用电行为，使其跟踪用户的优化调度指令，从而实现主动配电网中可再生能源的最大消纳和配电网运行成本最低的目标。
2.如权利要求1所述的一种基于模型预测控制的主动配电网协同控制系统，其特征在于，所述用户控制终端，还用于通过对分布式发电出力预测和负荷预测，制定用户日前用电计划，并上报至控制中心。
3.如权利要求2所述的一种基于模型预测控制的主动配电网协同控制系统，其特征在于，所述控制中心，还用于根据各用户控制终端上报的日前用电计划，制定日前实时电价即基础实时电价，并将其下传至用户控制终端。
4.如权利要求2所述的一种基于模型预测控制的主动配电网协同控制系统，其特征在于，所述用户控制终端，还用于根据日内短时分布式发电出力预测和负荷预测，修正日内用电计划，并上报至控制中心。
5.如权利要求2所述的一种基于模型预测控制的主动配电网协同控制系统，其特征在于，所述控制中心，还用于根据各用户控制终端上报的日内用电计划，制定各用户的调度指令，所有用户的调度指令总和即为配电网优化调度策略，并将用户的调度指令下传至用户控制终端。
6.如权利要求2所述的一种基于模型预测控制的主动配电网协同控制系统，其特征在于，所述用户控制终端，还用于根据用户调度指令控制用户综合负荷，使用户在满足用电需求的前提下运行费用最低。
7.如权利要求1所述的一种基于模型预测控制的主动配电网协同控制系统，其特征在于，所述用户控制终端，用于直接控制用户的综合负荷。
8.一种如权利要求1-7中任一项所述的基于模型预测控制的主动配电网协同控制系统的控制方法，其特征在于，适用于控制中心，包括：
根据用户实际消耗功率与调度指令的偏差，制定用户浮动实时电价，作为用户偏离调度计划的惩罚项；将惩罚项与基础实时电价之和作为用户的实际实时电价即动态实时电价，
以随用户用电行为而变化的动态实时电价为控制量，以用户调度指令为控制目标，采用模型预测控制调整电力用户的用电行为，使其跟踪用户的优化调度指令，从而实现主动配电网中可再生能源的最大消纳和配电网运行成本最低的目标。
9.如权利要求8所述的基于模型预测控制的主动配电网协同控制系统的控制方法，其特征在于，模型预测控制以滚动优化来确定系统的控制策略：
在每一个采样时刻，根据该时刻优化性能指标，求解该时刻为起始时刻的有限时域内的最优浮动实时电价序列，并实际执行浮动实时电价当前值，在下一个采样时刻重新求取最优浮动实时电价序列。
10.如权利要求8所述的基于模型预测控制的主动配电网协同控制系统的控制方法，其特征在于，利用实际测量的功率消耗对预测模型的输出进行修正，使滚动优化不仅基于预测模型，而且利用反馈信息，构成闭环优化。
CN201811549447.9A 2018-12-18 2018-12-18 基于模型预测控制的主动配电网协同控制系统及方法 Pending CN109861204A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811549447.9A CN109861204A (zh) 2018-12-18 2018-12-18 基于模型预测控制的主动配电网协同控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811549447.9A CN109861204A (zh) 2018-12-18 2018-12-18 基于模型预测控制的主动配电网协同控制系统及方法

Publications (1)

Publication Number Publication Date
CN109861204A true CN109861204A (zh) 2019-06-07

Family

ID=66891464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811549447.9A Pending CN109861204A (zh) 2018-12-18 2018-12-18 基于模型预测控制的主动配电网协同控制系统及方法

Country Status (1)

Country Link
CN (1) CN109861204A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110429598A (zh) * 2019-09-10 2019-11-08 周封 电网能量调节和消纳的分布式柔性能量池系统
CN110941799A (zh) * 2019-11-29 2020-03-31 国网辽宁省电力有限公司经济技术研究院 一种考虑系统综合不确定性因素的能量枢纽随机规划方法
CN111799847A (zh) * 2020-07-16 2020-10-20 国网北京市电力公司 计及风险的主动配电网两阶段随机模型的预测控制方法
CN114815953A (zh) * 2022-04-11 2022-07-29 青岛理工大学 基于改进花朵授粉优化算法的光伏全局mppt控制系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150039147A1 (en) * 2011-09-28 2015-02-05 Causam Energy, Inc. Systems and methods for optimizing microgrid power generation and management with predictive modeling
CN105790309A (zh) * 2016-04-26 2016-07-20 贵州电网有限责任公司 利用分布式能源和临时附加电价协同优化控制的方法
CN106451553A (zh) * 2016-11-22 2017-02-22 安徽工程大学 一种多时间尺度的光伏微网区间优化调度方法
CN107563676A (zh) * 2017-10-11 2018-01-09 华中科技大学 考虑多时间尺度多类型需求响应的源荷协调运行调度方法
CN109301853A (zh) * 2018-12-17 2019-02-01 国网江苏省电力公司经济技术研究院 一种平抑功率波动的微电网多时间尺度能量管理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150039147A1 (en) * 2011-09-28 2015-02-05 Causam Energy, Inc. Systems and methods for optimizing microgrid power generation and management with predictive modeling
CN105790309A (zh) * 2016-04-26 2016-07-20 贵州电网有限责任公司 利用分布式能源和临时附加电价协同优化控制的方法
CN106451553A (zh) * 2016-11-22 2017-02-22 安徽工程大学 一种多时间尺度的光伏微网区间优化调度方法
CN107563676A (zh) * 2017-10-11 2018-01-09 华中科技大学 考虑多时间尺度多类型需求响应的源荷协调运行调度方法
CN109301853A (zh) * 2018-12-17 2019-02-01 国网江苏省电力公司经济技术研究院 一种平抑功率波动的微电网多时间尺度能量管理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
俞金寿主编: "《工业过程先进控制技术》", 31 August 2008 *
张一等主编: "《化工控制技术》", 31 May 2014 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110429598A (zh) * 2019-09-10 2019-11-08 周封 电网能量调节和消纳的分布式柔性能量池系统
CN110941799A (zh) * 2019-11-29 2020-03-31 国网辽宁省电力有限公司经济技术研究院 一种考虑系统综合不确定性因素的能量枢纽随机规划方法
CN110941799B (zh) * 2019-11-29 2023-08-08 国网辽宁省电力有限公司经济技术研究院 一种考虑系统综合不确定性因素的能量枢纽随机规划方法
CN111799847A (zh) * 2020-07-16 2020-10-20 国网北京市电力公司 计及风险的主动配电网两阶段随机模型的预测控制方法
CN111799847B (zh) * 2020-07-16 2022-11-22 国网北京市电力公司 计及风险的主动配电网两阶段随机模型的预测控制方法
CN114815953A (zh) * 2022-04-11 2022-07-29 青岛理工大学 基于改进花朵授粉优化算法的光伏全局mppt控制系统
CN114815953B (zh) * 2022-04-11 2023-11-21 青岛理工大学 基于改进花朵授粉优化算法的光伏全局mppt控制系统

Similar Documents

Publication Publication Date Title
CN109861204A (zh) 基于模型预测控制的主动配电网协同控制系统及方法
CN106300336B (zh) 一种计及负荷侧和电源侧的虚拟电厂多目标优化调度方法
CN103151802B (zh) 多时间尺度的主动配电网dg协调控制系统及方法
CN105375479B (zh) 一种基于模型预测控制的分布式能源能量管理方法
Li et al. SolarCore: Solar energy driven multi-core architecture power management
JP2019525705A (ja) 省跨ぎ連通水力発電所群の長期間連合ピーキングスケジューリング方法
CN106532751B (zh) 一种分布式电源能效优化方法及系统
Wang et al. Hydro-thermal-wind-photovoltaic coordinated operation considering the comprehensive utilization of reservoirs
CN101510686A (zh) 基于多代理技术的微电网协调控制系统
CN107069829B (zh) 一种场站级虚拟同步机控制系统、方法及其应用
CN108736509A (zh) 一种主动配电网多源协调优化控制方法及系统
CN112103994A (zh) 一种基于mpc的风氢耦合系统分层协调控制方法及装置
CN110350512A (zh) 一种智能园区新能源发电站调度优化方法及系统
CN109936162A (zh) 基于可控负荷提升新能源接纳能力的电网日前发电计划优化方法及系统
CN108808737A (zh) 促进可再生分布式电源消纳的主动配电网优化调度方法
CN104239966B (zh) 一种主动配电网基于用电成本差异化的运营方法
CN108493992A (zh) 一种含分布式潮流控制器的风电场优化调度方法
Zhang et al. Efficient design of energy microgrid management system: a promoted Remora optimization algorithm-based approach
Aurangzeb et al. Towards electricity cost alleviation by integrating RERs in a smart community: A case study
CN111917140A (zh) 一种新能源互补发电系统二层优化调度模型
CN110046780B (zh) 基于分时电价的孤岛微电网需求响应经济调度方法及系统
Hu et al. Optimal dispatch of combined heat and power units based on particle swarm optimization with genetic algorithm
CN113869742A (zh) 基于行动家和评论家网络的综合供需侧的电力调度系统
CN108321851A (zh) 基于分层递阶控制的风电集群并网有功功率优化调度方法
Zareifard et al. Model predictive control for output smoothing and maximizing the income of a wind power plant integrated with a battery energy storage system

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190607