CN110429667A - 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法 - Google Patents

基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法 Download PDF

Info

Publication number
CN110429667A
CN110429667A CN201910841947.8A CN201910841947A CN110429667A CN 110429667 A CN110429667 A CN 110429667A CN 201910841947 A CN201910841947 A CN 201910841947A CN 110429667 A CN110429667 A CN 110429667A
Authority
CN
China
Prior art keywords
photo
photovoltaic
thermal
bundling
bird
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
CN201910841947.8A
Other languages
English (en)
Other versions
CN110429667B (zh
Inventor
宋军
宋汶秦
熊峰
戚翰德
王泉
蒋明华
王海亮
徐建委
汪静
刘科
陈英普
王兴贵
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.)
State Grid Corp of China SGCC
State Grid Gansu Electric Power Co Ltd
Lanzhou University of Technology
Economic and Technological Research Institute of State Grid Gansu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Gansu Electric Power Co Ltd
Lanzhou University of Technology
Economic and Technological Research Institute of State Grid Gansu Electric Power 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 State Grid Corp of China SGCC, State Grid Gansu Electric Power Co Ltd, Lanzhou University of Technology, Economic and Technological Research Institute of State Grid Gansu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910841947.8A priority Critical patent/CN110429667B/zh
Publication of CN110429667A publication Critical patent/CN110429667A/zh
Application granted granted Critical
Publication of CN110429667B publication Critical patent/CN110429667B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Power Engineering (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Photovoltaic Devices (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法，针对光伏电站出力波动问题，建立与之匹配的光热电站构成光热光伏打捆发电系统。基于太阳辐射强度历史数据，提出一种在完全消纳光伏发电的基础上，以光热光伏打捆发电系统出力标准差最小为目标，通过布谷鸟搜索改进系统容量配置的方法。

Description

基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法
技术领域
本发明涉及一种基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法。
背景技术
由于化石能源的逐年减少以及环境污染问题的不断加剧，发展新兴发电技术已然迫在眉睫。光热发电以其优越的发电特性得到了广泛关注，即将迎来高速发展的时期。与其他新能源发电技术相比，光热发电的调节能力,可以与火电机组相媲美，能够实现“以可再生能源消纳可再生能源”，是未来实现大规模可再生能源并网的一种关键技术手段。
光伏发电的出力易受天气条件的影响，具有随机性和波动性。光热发电配备了相应的储热系统，能够根据需要灵活地调整自身出力。光热发电的这一特点刚好可以弥补光伏发电的不足。将两种发电方式结合起来构成光热光伏打捆发电系统，可以有效地降低光伏发电的出力波动，提高电能质量，保证电力的稳定供应。相关文献论证了光热电站和光伏电站在互补发电方面的可行性，但其结论仅建立在光热光伏容量比为1:1的情况下。是否存在光热光伏最佳容量配置，使系统出力波动最小有待研究。
发明内容
本发明涉及的是基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法。其特征是，基于太阳辐射强度历史数据，以光热光伏打捆发电系统出力标准差最小为目标，通过布谷鸟搜索改进系统容量配置，达到平抑系统出力波动的目的。具体包括以下步骤：
1)光热发电子系统和光伏发电子系统出力预测
根据光热和光伏发电的运行机理，基于太阳辐射强度历史数据，预测光热和光伏发电子系统出力Pc、Ps；
2)建立光热光伏打捆发电系统出力优化模型
以系统出力标准差最小为目标函数，如公式一所示：
式中：F为光热光伏打捆发电系统全天出力的标准差；Ptotal(t)为打捆发电系统在t时刻的出力；Pm为系统全天出力的平均值；n为调度周期(本发明将全天分为24个调度时段，故n＝24)；
系统出力由光热发电子系统出力和光伏发电子系统出力两部分组成，即：
Ptotal(t)＝Pc(t)+Ps(t) (公式二)
式中：Pc(t)为光热发电子系统在t时刻的出力；Ps(t)为光伏发电子系统在t时刻的出力。
本系统以完全消纳光伏发电为前提，光伏发电子系统处于正常运行状态，光热发电子系统根据光伏发电子系统的运行状态进行出力。具体约束条件如公式四、五、六所示：
0≤Ps(t)≤Ps-max (公式四)
Pc-min≤Pc(t)≤Pc-max (公式五)
h≤Ptotal(t)-Ptotal(t-1)≤H (公式六)
式中：Ps-max表示光伏发电子系统最大出力；Pc-min和Pc-max表示光热发电子系统的最小、最大出力；h和H分别表示爬坡功率的最小和最大限值。
3)基于布谷鸟搜索的光热光伏打捆发电系统容量优化配置方法具体实施步骤
步骤1：根据系统出力优化模型，确定系统中各发电子系统的出力取值范围，迭代次数为N，初始概率参数pα取0.25；
步骤2：随机生成一组数量为n的鸟窝位置，选择一个鸟窝并对其中的模型参数进行测试，筛选出初始最佳鸟窝保留到下一代；
步骤3：通过公式七搜寻到一组新的鸟窝位置，然后对目标函数值进行适应度函数测试，并与步骤2得到的鸟窝参数进行对比，保留测试结果更好的鸟窝位置；
式中：是第t代第i个解；α是步长缩放因子；是莱维飞行步长，表示从第i代的所有鸟窝(可行解)通过以莱维飞行的方式搜寻到第i+1代鸟窝(可行解)飞行的距离，为点对点乘法；
步骤4：位置更新后，用随机数r与鸟蛋被发现的概率pα对比，保留鸟蛋被发现概率较小的鸟窝位置，对鸟蛋被发现概率较大的鸟窝位置进行随机改变，并与上一步中的位置进行对比，保留测试结果更好的位置；
步骤5：通过比较测试结果，选择全局最优的鸟窝位置；
步骤6：输出步骤5得出的最优解对系统出力优化模型进行优化。
定义λ为光热光伏打捆发电系统中光伏容量与光热容量的比值，如公式八所示。当λ取不同值时，通过光热光伏打捆发电系统出力优化模型计算系统全天出力波动值，选取最优解相对应的λ的值作为光热光伏打捆发电系统最佳容量配比。
本发明的有益之处是：建立光热光伏打捆发电系统，充分利用了光热发电能量时移特性，弥补了光伏发电的不足；其次，利用太阳能历史资料，预测光热发电子系统和光伏发电子系统的出力，通过布谷鸟搜索求解光热光伏打捆发电系统出力优化模型，进而得到平抑出力波动的光热光伏打捆发电系统最佳容量配置，具有科学合理，效果最佳等优点。
附图说明
图1是光热光伏打捆发电系统结构图，图2是基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法流程图。
具体实施方式
如图1所示，本发明所述的光热光伏打捆发电系统由光热发电子系统1和光伏发电子系统2组成。光热发电子系统1由吸热塔3、储热装置4以及发电装置5三个部分组成。光伏发电子系统2由光伏阵列和逆变器两部分组成。此系统的特点是光热发电子系统由于能量交换子系统中储热装置的存在，具有能量时移的特性，可以有效地降低光伏发电的出力波动，提高系统电能质量，保证电力的稳定供应。
如图2所示，本发明是一种基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法，具体包括以下步骤：
1)光热发电子系统1和光伏发电子系统2出力预测
根据光热和光伏发电的运行机理，基于太阳辐射强度历史数据，预测光热和光伏发电子系统出力Pc、Ps；
2)建立光热光伏打捆发电系统出力优化模型
以系统出力标准差最小为目标函数，如公式一所示：
式中：F为光热光伏打捆发电系统全天出力的标准差；Ptotal(t)为打捆发电系统在t时刻的出力；Pm为系统全天出力的平均值；n为调度周期(本文将全天分为24个调度时段，故n＝24)；
系统出力由光热发电子系统出力和光伏发电子系统出力两部分组成，即：
Ptotal(t)＝Pc(t)+Ps(t) (公式二)
式中：Pc(t)为光热发电子系统在t时刻的出力；Ps(t)为光伏发电子系统在t时刻的出力。
本系统以完全消纳光伏发电为前提，光伏发电子系统2处于正常运行状态，光热发电子系统1根据光伏发电子系统2的运行状态进行出力。具体约束条件如公式四、五、六所示：
0≤Ps(t)≤Ps-max (公式四)
Pc-min≤Pc(t)≤Pc-max (公式五)
h≤Ptotal(t)-Ptotal(t-1)≤H (公式六)
式中：Ps-max表示光伏发电子系统最大出力；Pc-min和Pc-max表示光热发电子系统的最小、最大出力；h和H分别表示爬坡功率的最小和最大限值。
3)基于布谷鸟搜索的光热光伏打捆发电系统容量优化配置方法具体实施步骤
步骤1：根据系统出力优化模型，确定系统中光热发电子系统1和光伏发电子系统2的出力取值范围，迭代次数为N，初始概率参数pα取0.25；
步骤2：随机生成一组数量为n的鸟窝位置，即：选择一个鸟窝并对其中的模型参数进行测试，筛选出初始最佳鸟窝及目标函数值保留到下一代；
步骤3：以莱维随机分布的方式，如公式七所示，搜寻到一组新的鸟窝位置，然后对目标函数值进行适应度函数测试，并与步骤2得到的鸟窝参数进行对比，保留测试结果更好的鸟窝位置，获得一组新的鸟窝位置及目标函数值，即：
式中：是第t代第i个解；α是步长缩放因子；是莱维飞行步长，表示从第i代的所有鸟窝(可行解)通过以莱维飞行的方式搜寻到第i+1代鸟窝(可行解)飞行的距离，为点对点乘法；
步骤4：位置更新后，用随机数r与鸟蛋被发现的概率pα对比，保留中鸟蛋被发现概率较小的鸟窝位置，对鸟蛋被发现概率较大的鸟窝位置进行随机改变，并与上一步中的位置进行对比，保留测试结果更好的位置，得到一组更佳的鸟窝位置及目标函数，即，
步骤5：通过比较测试结果，选择全局最优的鸟窝位置；
步骤6：输出步骤5得出的最优解对系统出力优化模型进行优化。
定义λ为光热光伏打捆发电系统中光伏容量与光热容量的比值，如公式八所示。当λ取不同值时，通过光热光伏打捆发电系统出力优化模型计算系统全天出力波动值，选取最优解相对应的λ的值作为光热光伏打捆发电系统最佳容量配比。
由以上步骤可以实现基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法。

Claims (1)

1.基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法，其特征是，基于太阳辐射强度历史数据，以光热光伏打捆发电系统出力标准差最小为目标，通过布谷鸟搜索改进系统容量配置，其步骤为：
(1)光热发电子系统和光伏发电子系统出力预测：
根据光热和光伏发电的运行机理，基于太阳辐射强度历史历史数据，预测光热和光伏发电子系统出力Pc、Ps；
(2)建立光热光伏打捆发电系统出力优化模型：
以系统出力标准差最小为目标函数：
式中：F为光热光伏打捆发电系统全天出力的标准差；Ptotal(t)为打捆发电系统在t时刻的出力；Pm为系统全天出力的平均值；n为调度周期(本发明将全天分为24个调度时段，故n＝24)；
系统出力由光热发电子系统出力和光伏发电子系统出力两部分组成，即：
Ptotal(t)＝Pc(t)+Ps(t) (公式二)
式中：Pc(t)为光热发电子系统在t时刻的出力；Ps(t)为光伏发电子系统在t时刻的出力；
本系统以完全消纳光伏发电为前提，光伏发电子系统处于正常运行状态，光热发电子系统根据光伏发电子系统的运行状态进行出力；具体约束条件为公式四、五、六：
0≤Ps(t)≤Ps-max (公式四)
Pc-min≤Pc(t)≤Pc-max (公式五)
h≤Ptotal(t)-Ptotal(t-1)≤H (公式六)
式中：Ps-max表示光伏发电子系统最大出力；Pc-min和Pc-max表示光热发电子系统的最小、最大出力；h和H分别表示爬坡功率的最小和最大限值；
(3)基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法具体实施步骤：
步骤1：根据系统出力优化模型，确定系统中光热发电子系统1和光伏发电子系统2的出力取值范围，迭代次数为N，初始概率参数pα取0.25；
步骤2：随机生成一组数量为n的鸟窝位置，选择一个鸟窝并对其中的模型参数进行测试，筛选出初始最佳鸟窝保留到下一代；
步骤3：通过公式七搜寻到一组新的鸟窝位置，然后对目标函数值进行适应度函数测试，并与步骤2得到的鸟窝参数进行对比，保留测试结果更好的鸟窝位置；
式中：是第t代第i个解；α是步长缩放因子；是莱维飞行步长，表示从第i代的所有鸟窝(可行解)通过以莱维飞行的方式搜寻到第i+1代鸟窝，即可行解的飞行的距离，为点对点乘法；
步骤4：位置更新后，用随机数r与鸟蛋被发现的概率pα对比，保留鸟蛋被发现概率较小的鸟窝位置，对鸟蛋被发现概率较大的鸟窝位置进行随机改变，并与上一步中的位置进行对比，保留测试结果更好的位置；
步骤5：通过比较测试结果，选择全局最优的鸟窝位置；
步骤6：输出步骤5得出的最优解对系统出力优化模型进行优化；
定义λ为光热光伏打捆发电系统中光伏容量与光热容量的比值，为公式八；当λ取不同值时，通过光热光伏打捆发电系统出力优化模型计算系统全天出力波动值，选取最优解相对应的λ的值作为光热光伏打捆发电系统最佳容量配比；
由以上步骤可以实现基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法。
CN201910841947.8A 2019-09-06 2019-09-06 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法 Active CN110429667B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910841947.8A CN110429667B (zh) 2019-09-06 2019-09-06 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910841947.8A CN110429667B (zh) 2019-09-06 2019-09-06 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法

Publications (2)

Publication Number Publication Date
CN110429667A true CN110429667A (zh) 2019-11-08
CN110429667B CN110429667B (zh) 2022-04-22

Family

ID=68418806

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910841947.8A Active CN110429667B (zh) 2019-09-06 2019-09-06 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法

Country Status (1)

Country Link
CN (1) CN110429667B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110782024A (zh) * 2019-11-15 2020-02-11 兰州理工大学 基于卷积神经网络的光热电场太阳直接法向辐射预测方法
CN111682531A (zh) * 2020-06-11 2020-09-18 国网重庆市电力公司 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置
CN111953025A (zh) * 2020-06-29 2020-11-17 国网冀北电力有限公司 配电网分布式光伏消纳能力确定方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105279346A (zh) * 2015-11-20 2016-01-27 国网能源研究院 一种用于评估配电网接纳分布式光伏能力的方法
CN106856333A (zh) * 2015-12-09 2017-06-16 中国电力科学研究院 一种风光火打捆外送系统调峰容量分配确定方法
CN107437813A (zh) * 2017-07-17 2017-12-05 安徽大学 基于布谷鸟‑粒子群的配电网无功功率优化方法
CA3072045A1 (en) * 2017-08-02 2019-02-07 Strong Force Iot Portfolio 2016, Llc Methods and systems for detection in an industrial internet of things data collection environment with large data sets
CN109617826A (zh) * 2018-12-29 2019-04-12 南京航空航天大学 一种基于布谷鸟搜索的storm动态负载均衡方法
CN110097228A (zh) * 2019-05-06 2019-08-06 国家电网有限公司 一种政府监管下基于谱风险的虚拟电厂调度模型构建方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105279346A (zh) * 2015-11-20 2016-01-27 国网能源研究院 一种用于评估配电网接纳分布式光伏能力的方法
CN106856333A (zh) * 2015-12-09 2017-06-16 中国电力科学研究院 一种风光火打捆外送系统调峰容量分配确定方法
CN107437813A (zh) * 2017-07-17 2017-12-05 安徽大学 基于布谷鸟‑粒子群的配电网无功功率优化方法
CA3072045A1 (en) * 2017-08-02 2019-02-07 Strong Force Iot Portfolio 2016, Llc Methods and systems for detection in an industrial internet of things data collection environment with large data sets
CN109617826A (zh) * 2018-12-29 2019-04-12 南京航空航天大学 一种基于布谷鸟搜索的storm动态负载均衡方法
CN110097228A (zh) * 2019-05-06 2019-08-06 国家电网有限公司 一种政府监管下基于谱风险的虚拟电厂调度模型构建方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110782024A (zh) * 2019-11-15 2020-02-11 兰州理工大学 基于卷积神经网络的光热电场太阳直接法向辐射预测方法
CN111682531A (zh) * 2020-06-11 2020-09-18 国网重庆市电力公司 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置
CN111682531B (zh) * 2020-06-11 2023-06-27 国网重庆市电力公司 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置
CN111953025A (zh) * 2020-06-29 2020-11-17 国网冀北电力有限公司 配电网分布式光伏消纳能力确定方法及系统
CN111953025B (zh) * 2020-06-29 2023-06-30 国网冀北电力有限公司 配电网分布式光伏消纳能力确定方法及系统

Also Published As

Publication number Publication date
CN110429667B (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
Soheyli et al. Modeling a novel CCHP system including solar and wind renewable energy resources and sizing by a CC-MOPSO algorithm
Jahannoush et al. Optimal designing and management of a stand-alone hybrid energy system using meta-heuristic improved sine–cosine algorithm for Recreational Center, case study for Iran country
Amer et al. Optimization of hybrid renewable energy systems (HRES) using PSO for cost reduction
CN110429667A (zh) 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法
CN108879793B (zh) 一种风光蓄能水电站互补的离网式混合能源系统优化方法
CN111144641B (zh) 一种基于改进粒子群算法的微电网优化调度方法
CN112749462A (zh) 一种综合能源系统当前运行参数的优化方法、系统及设备
Javadi et al. Application of GA, PSO and ABC in optimal design of a stand-alone hybrid system for north-west of Iran
CN112671035A (zh) 一种基于风电预测的虚拟电厂储能容量配置方法
CN116191508A (zh) 一种计及风光出力的含储能有源配电网经济运行优化方法
CN114091728A (zh) 一种基于江水源热泵的供能系统优化调度方法和系统
Azizivahed et al. Multi-area dynamic economic dispatch considering water consumption minimization, wind generation, and energy storage system
CN113807566A (zh) 基于可再生能源和内部负荷不确定的社区能源的调度方法
Ma et al. Very short-term renewable energy power prediction using XGBoost optimized by TPE algorithm
CN110222867A (zh) 一种热电联供型微网经济运行优化方法
CN109546647A (zh) 一种用于含风光水储的电力系统的安全稳定评估方法
Raj et al. Numerical Simulation and Comparative Assessment of Improved Cuckoo Search and PSO based MPPT System for Solar Photovoltaic System Under Partial Shading Condition
CN115173477A (zh) 一种基于受端电网的新能源消纳能力优化方法
CN115758684A (zh) 基于改进郊狼算法电力终端调控方法、系统、设备及介质
CN114977247A (zh) 一种应用于能量路由管理的扩展时间轴的粒子群算法
CN113937767A (zh) 一种基于改进鲸鱼算法的微电网容量优化配置方法
Zaatri et al. Analysis of PV/Wind systems by integer linear programming
Wu et al. Study on distributed generators optimization system in island microgrid
Moukhtar et al. Concentrated solar power plants impact on PV penetration level and grid flexibility under Egyptian climate
Awan et al. Ordering Technique for the Maximum Power Point Tracking of an Islanded Solar Photovoltaic System. Sustainability 2023, 15, 3332

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