CN110490492A - 一种划分分布式能源集群的方法和装置 - Google Patents
一种划分分布式能源集群的方法和装置 Download PDFInfo
- Publication number
- CN110490492A CN110490492A CN201910843302.8A CN201910843302A CN110490492A CN 110490492 A CN110490492 A CN 110490492A CN 201910843302 A CN201910843302 A CN 201910843302A CN 110490492 A CN110490492 A CN 110490492A
- Authority
- CN
- China
- Prior art keywords
- distributed energy
- node
- cluster
- distribution network
- power distribution
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000009826 distribution Methods 0.000 claims abstract description 111
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 40
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 238000004138 cluster model Methods 0.000 claims description 16
- 238000005265 energy consumption Methods 0.000 claims description 12
- 230000035945 sensitivity Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 25
- 238000004146 energy storage Methods 0.000 description 21
- 230000005540 biological transmission Effects 0.000 description 18
- 230000005611 electricity Effects 0.000 description 17
- 239000011159 matrix material Substances 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 6
- 238000003064 k means clustering Methods 0.000 description 6
- 238000010248 power generation Methods 0.000 description 6
- 230000009467 reduction Effects 0.000 description 5
- 230000001105 regulatory effect Effects 0.000 description 5
- 240000002853 Nelumbo nucifera Species 0.000 description 4
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 4
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000009916 joint effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种划分分布式能源集群的方法和装置,用于实现对配电网的节点的调整。本发明实施例的划分分布式能源集群的方法中,获取集群划分指标,集群划分指标表示对配电网的预设功能的需求,配电网包括多个节点,节点表示分布式能源和负荷。然后,根据集群划分指标计算多个节点中的任意两节点间的电气距离,电气距离表示两节点划入同一集群的可行程度。使用聚类算法对多个节点进行划分,得到分布式能源集群,其中,电气距离作为聚类算法的相似性度量。这样,根据对配电网的预设功能的需求可对包括多个节点的配电网进行节点划分,得到分布式能源集群,实现了对配电网的节点的调整。得到的分布式能源集群可用于对配电网进行有效控制。
Description
技术领域
本发明涉及电网领域,尤其涉及一种划分分布式能源集群的方法和装置。
背景技术
分布式能源作为新型能源利用方式,在能源紧缺问题日益严峻的环境下具有较大优势。随着大规模分布式能源的接入,使配电网从单电源、单向潮流变为多端电源和频繁变化的双向潮流。这导致配电网的电源供电结构、运行方式等都将发生改变。
而传统集中式配电网控制的方式已经不适用于如今多节点的拥有发电、储能、用电及辅助服务能力的分布式能源网络。为此,需要开发出适用于包括分布式能源的配电网的控制方案,以实现有效控制配电网。
发明内容
本发明的目的在于提供一种划分分布式能源集群的方法和装置,用于实现对配电网的节点的调整。
为达此目的,本发明实施例采用以下技术方案:
一种划分分布式能源集群的方法,包括:
获取集群划分指标,所述集群划分指标表示对配电网的预设功能的需求,所述配电网包括多个节点,所述节点表示分布式能源和负荷;
根据所述集群划分指标计算所述多个节点中的任意两节点间的电气距离,所述电气距离表示两节点划入同一集群的可行程度;
使用聚类算法对所述多个节点进行划分,得到分布式能源集群,其中,所述电气距离作为所述聚类算法的相似性度量。
可选地,所述使用聚类算法对所述多个节点进行划分,得到分布式能源集群之后,所述方法还包括:
根据所述集群划分指标,对所述分布式能源集群建立分布式能源集群模型,所述分布式能源集群模型包括控制所述配电网运行的函数。
可选地,所述集群划分指标包括调峰指标;
所述电气距离由两节点的日发电量的相似程度计算得到。
可选地,所述集群划分指标包括分布式能源消纳指标;
所述电气距离由两节点日发电量的相似程度以及两节点之间的路径距离计算得到。
可选地,所述集群划分指标包括电压质量指标;
所述电气距离由两节点间电压随注入功率变化的灵敏度计算得到。
可选地,所述集群划分指标包括配电网经济运行指标;
所述电气距离由两节点之间的线路阻抗计算得到。
可选地,所述获取集群划分指标,包括:
当检测到变化调控目标指令时,从多个预设的集群划分指标中确定目标集群划分指标,所述目标集群划分指标由所述变化调控目标指令指示。
为达此目的,本发明实施例还采用以下技术方案:
一种动态划分分布式能源集群的装置,包括:
获取单元,用于获取集群划分指标,所述集群划分指标表示对配电网的预设功能的需求,所述配电网包括多个节点,所述节点表示分布式能源和负荷;
计算单元,用于根据所述集群划分指标计算所述多个节点中的任意两节点间的电气距离,所述电气距离表示两节点划入同一集群的可行程度;
划分单元,用于使用聚类算法对所述多个节点进行划分,得到分布式能源集群,其中,所述电气距离作为所述聚类算法的相似性度量。
可选地,所述装置还包括建立单元;
所述建立单元,用于根据所述集群划分指标,对所述分布式能源集群建立分布式能源集群模型,所述分布式能源集群模型包括控制所述配电网运行的函数。
可选地,所述获取单元,还用于当检测到变化调控目标指令时,从多个预设的集群划分指标中确定目标集群划分指标,所述目标集群划分指标由所述变化调控目标指令指示。
本发明的有益效果:
本发明实施例的划分分布式能源集群的方法,获取集群划分指标,集群划分指标表示对配电网的预设功能的需求,配电网包括多个节点,节点表示分布式能源和负荷。然后,根据集群划分指标计算多个节点中的任意两节点间的电气距离,电气距离表示两节点划入同一集群的可行程度。使用聚类算法对多个节点进行划分,得到分布式能源集群,其中,电气距离作为聚类算法的相似性度量。这样,根据对配电网的预设功能的需求可对包括多个节点的配电网进行节点划分,得到分布式能源集群,实现了对配电网的节点的调整。得到的分布式能源集群可用于对配电网进行有效控制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明一实施例提供的一种划分分布式能源集群的方法的流程图;
图2为本发明另一实施例提供的一种划分分布式能源集群的方法的流程图;
图3为本发明另一实施例提供的一种动态划分分布式能源集群的装置的结构示意图。
具体实施方式
本发明实施例提供了一种划分分布式能源集群的方法和装置,用于实现对配电网的节点的调整。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
分布式能源集群区别于微网等依靠地理位置形成的分布式能源集合,分布式能源集群一般根据特定优化目标而实现,为电网运行和控制提供便利,可以充分发挥集群内部高度自治特性。
参阅图1,图1为本发明实施例提供的一种划分分布式能源集群的方法的流程图。
如图1所述,本发明实施例的划分分布式能源集群的方法,包括:
步骤101:获取集群划分指标。
其中,集群划分指标表示对配电网的预设功能的需求,集群划分指标包括但不限于调峰指标、分布式能源消纳指标、电压质量指标、和配电网经济运行指标等等。
配电网包括多个节点,节点表示分布式能源和负荷。本发明实施例的方法基于集群划分指标来对配电网的节点进行划分,以得到分布式能源集群。
可选地,步骤101具体包括:当检测到变化调控目标指令时,从多个预设的集群划分指标中确定目标集群划分指标。其中,目标集群划分指标由变化调控目标指令指示。这样,通过实时控制对集群划分指标的选取,可以实现划分出需要的分布式能源集群,以满足配电网实际的需求。在该示例中,确定出目标集群划分指标后,可使用该目标集群划分指标执行步骤102、步骤103、以及后续的其它步骤。
应该理解,本发明实施例的划分分布式能源集群的方法可以为动态划分分布式能源集群的方法。
步骤102:根据集群划分指标计算多个节点中的任意两节点间的电气距离。
电气距离表示两节点划入同一集群的可行程度。
在本发明实施例中,确定的集群划分指标不同,计算得到的电气距离也不同。电气距离为表示程度的概念,具体为电气距离表示两节点划入同一集群的可行程度。
在一个示例中,集群划分指标包括调峰指标,电气距离由两节点的日发电量的相似程度计算得到。
在另一个示例中,集群划分指标包括分布式能源消纳指标,电气距离由两节点日发电量的相似程度以及两节点之间的路径距离计算得到。
在另一个示例中,集群划分指标包括电压质量指标,电气距离由两节点间电压随注入功率变化的灵敏度计算得到。
在另一个示例中,集群划分指标包括配电网经济运行指标,电气距离由两节点之间的线路阻抗计算得到。
步骤103:使用聚类算法对多个节点进行划分,得到分布式能源集群。
其中,电气距离作为聚类算法的相似性度量。
计算出电气距离后,以电气距离作为聚类算法的相似性度量,并且,使用聚类算法对多个节点进行划分,得到分布式能源集群,从而完成分布式能源集群的划分。
在本发明实施例中,聚类算法可以为K-means聚类算法。其中,K-means聚类算法是一种矢量量化的聚类方法,最初起源于信号处理研究,现在被广泛应用于数据聚类分析和数据挖掘。波兰数学家Steinhaus和英国数学家Lloyd分别于1955年和1957年在自身参与的科学研究领域独立提出了K-means聚类算法。K-means聚类算法自提出以来,在各个研究领域发挥了重要的影响,并衍生出多种形式的改进算法。K-means聚类算法以其简单高效、方便实现和较多成功应用案例的优点成为应用最为广泛的聚类算法之一。
为了完成对分布式能源集群的优化控制,可选地,步骤103之后,本发明实施例的方法还包括:根据集群划分指标,对分布式能源集群建立分布式能源集群模型,分布式能源集群模型包括控制配电网运行的函数。这样,可以根据分布式能源集群模型实现对分布式能源集群的具体控制,以有效提高配电网的运行效率。
综上所述,本发明实施例的划分分布式能源集群的方法,获取集群划分指标,集群划分指标表示对配电网的预设功能的需求,配电网包括多个节点,节点表示分布式能源和负荷。然后,根据集群划分指标计算多个节点中的任意两节点间的电气距离,电气距离表示两节点划入同一集群的可行程度。使用聚类算法对多个节点进行划分,得到分布式能源集群,其中,电气距离作为聚类算法的相似性度量。这样,根据对配电网的预设功能的需求可对包括多个节点的配电网进行节点划分,得到分布式能源集群,实现了对配电网的节点的调整。得到的分布式能源集群可用于对配电网进行有效控制。
为了对本发明实施例的划分分布式能源集群的方法有更直观的理解,下面以集群划分指标包括调峰指标、分布式能源消纳指标、电压质量指标、和配电网经济运行指标为例对本发明实施例的划分分布式能源集群的方法进行详细描述。
图2为本发明实施例提供的一种划分分布式能源集群的方法的流程图,图2所示的方法可基于图1所示的方法实现。
应该理解,图2所示的方法和图1所示的方法可以为动态划分分布式能源集群的方法。
如图2所示,本发明实施例的划分分布式能源集群的方法,包括:
步骤201:当检测到变化调控目标指令时,从多个预设的集群划分指标中确定目标集群划分指标。
其中,目标集群划分指标由变化调控目标指令指示。集群划分指标表示对配电网的预设功能的需求。在本发明实施例中,配电网包括多个节点,节点表示分布式能源和负荷。
含规模化分布式能源的配电网具有更复杂的潮流特性、更多样化的控制手段和更难以预测的出力特性,高效的控制区域划分应能根据有源配电网的实时需求变化进行控制区域动态调整。本发明实施例的方法可以实现根据有源配电网的实时需求变化进行控制区域动态调整。
在本发明实施例中多个预设的集群划分指标包括调峰指标、分布式能源消纳指标、电压质量指标、和配电网经济运行指标。具体可以为在配电网系统预先设置调峰指标、分布式能源消纳指标、电压质量指标、和配电网经济运行指标。从而配电网系统在检测到变化调控目标指令时,根据变化调控目标指令从多个预设的集群划分指标中确定出目标集群划分指标。其中,目标集群划分指标为多个预设的集群划分指标中的其中之一。
应该理解,步骤201为获取集群划分指标的步骤的具体实现方式之一。
下面对集群划分指标进行详细的说明:
1)调峰指标。
分布式能源调峰策略主要是为了解决分布式能源大量接入对配电网造成的调峰困难问题,尤其是在负荷高峰时刻。因此为了保证充分发挥分布式能源的调峰潜力,避免新能源发电的反负荷特性对调峰带来的冲击,对于分布式能源在调峰方面的集群划分只需选取负荷高峰时段。
具体的调峰指标为:
公式1:S1=max{P1,...,PT};
公式1中,T表示一天24个时刻,Pt表示t时刻的出力。S1表示调峰指标,max表示选择最大值的函数。
在本发明实施例中,可设置预设阈值Sth1,当调峰指标大于Sth1时进行针对调峰的分布式能源集群控制;当调峰指标小于Sth1时则不进行针对调峰的分布式能源集群控制。
2)分布式能源消纳指标。
由于常规电源可以提供的向上和向下调节能力相互矛盾,不可兼得,且调峰能力强的机组容量不够,在大规模新能源并网后,会存在负荷高峰时段的运行可靠性和负荷低谷时段的消纳空间相互冲突的问题,造成系统对新能源发电的消纳能力不足,从而出现新能源大量弃电的现象。
为尽可能地促进分布式能源就地消纳,减少弃风能电源、弃光能电源,可以采用负荷高峰时段作为针对分布式能源消纳需求的集群划分的判断信号。在此时段内可以满足负荷和新能源出力的双向调节需求,提高分布式能源的消纳水平。
3)电压质量指标。
在配电网运行中,电压越限情况一般出现在分布式能源出力较大的时刻,此时传输线路上负荷较轻并可能出现反向潮流,因此对于分布式能源在改善电压质量方面的集群划分只要选取有调压需求的时刻,即出现电压越限情况的时刻。
具体的电压质量指标为:
公式2:S3=max{V1,...,VN};
公式2中,N表示全网所有节点个数,Vi表示节点i的电压幅值。S3表示电压质量指标,max表示选择最大值的函数。
在本发明实施例中,可设置调压要求的电压幅值Vneed,当电压质量指标大于Vneed时进行针对改善电压质量的分布式能源集群控制;当电压质量指标小于Vneed时则不进行针对改善电压质量的分布式能源集群控制。
4)配电网经济运行指标。
针对配电网经济运行的分布式能源集群控制的主要目标是减小整个配电网由于电能传输产生的线路损耗,尤其是在功率损耗较大的情况下。在与大电网直接进行电能传输时产生的功率损耗较小时,表示该时段的电能传输量比较少,集群划分产生的经济运行效益与电能传输量较大时刻相比要小。而且如果在所有时刻都进行集群控制,会大大减小集群动态划分的效率。因此,可以将全网功率损耗作为配电网经济运行指标,当配电网经济运行指标过大时则选用针对配电网经济运行的分布式能源集群控制,以减少传输电能产生的功率损耗,促进配电网经济运行,同时保证动态划分的效率。
具体的配电网经济运行指标为:
公式3:
公式3中,N为全网节点个数,N为自然数,Pi t为节点i在t时刻的出力(电源节点则出力为正,负荷节点则出力为负),Ri0表示节点i与大电网之间传输路径的阻值,U为配电网电压;S4为配电网经济运行指标。
在本发明实施例中,可设置预设阈值Sth4,当配电网经济运行指标大于Sth4时进行针对配电网经济运行的分布式能源集群控制;当配电网经济运行指标小于Sth4时则不进行针对配电网经济运行的分布式能源集群控制。
步骤202:根据目标集群划分指标计算多个节点中的任意两节点间的电气距离。
电气距离表示两节点划入同一集群的可行程度。
在划分分布式能源集群前,要明确划分依据,制定合理的划分依据,以作为节点间的电气距离,电气距离表示两节点划入同一集群的可行程度,其中,电气距离越小的节点划分入同一分布式能源集群越有利于控制。
电气距离与目标集群划分指标相关,下面即举出其中四个示例。
1)目标集群划分指标为调峰指标,电气距离由两节点的日发电量的相似程度计算得到。
以调峰为目标对分布式能源进行集群划分,主要目标是为了制定分布式能源集群管理策略,充分的发挥调峰集群的优势,同时对于反调峰的集群进行主动的控制,制定合适的发电计划。由于分布式能源本身不确定性因素较多,随时间、季节变化较大,因此根据配网内各节点日发电量进行聚类,将出力特性曲线差别较大的划为同一集群,使得综合后的集群出力趋于平滑,以分布式能源集群为整体接入配电网能够有效缓解分布式能源接入给电网运行造成的冲击。
基于上述目标,采用节点日发电量的相似程度来定义节点之间的电气距离Lij,以该电气距离作为集群划分依据:
公式4:
公式4中,Dit和Djt分别表示节点i和节点j在t时刻的出力。由于分布式能源接入配电网后可看作负的负荷,即Dit=-Ppv,t,因此节点间的出力和越小,表明两节点划分为同一集群后集群出力越趋于平滑,节点间电气距离越近,更应该划为同一集群;Lij表示节点i和节点j之间的电气距离;Lji表示节点j和节点i之间的电气距离。
2)目标集群划分指标为分布式能源消纳指标,电气距离由两节点日发电量的相似程度以及两节点之间的路径距离计算得到。
以分布式能源消纳为目标对分布式能源进行集群划分,主要目标是为了制定分布式能源集群管理策略,以充分的发挥集群的优势,促进分布式能源的消纳。就电网而言,局域电网本身传统能源的调节能力的大小,蓄能装置容量的大小,以及新能源本身的随时间变化的能源特征,共同影响着该地区分布式能源的消纳水平。一个分布式能源能否被消纳,一方面取决于自身的发电曲线,另一方面取决于该地区系统的调峰能力。就同一个地区而言,调峰能力相同,消纳水平主要取决于分布式能源的发电特征,因此可以采用调峰的集群划分方法。
基于上述目标,同时结合分布式能源就近消纳的原则,采用节点日发电量的相似程度以及节点之间距离共同定义节点之间的电气距离Lij,以该电气距离作为集群划分依据:
公式5:
公式5中,Dit和Djt分别表示节点i和节点j在t时刻的出力;将分布式能源出力看作负的负荷,即Dit=-Ppv,t;dij表示从节点i到节点j之间最短路径距离;Lij表示节点i和节点j之间的电气距离;Lji表示节点j和节点i之间的电气距离。
3)目标集群划分指标为电压质量指标,电气距离由两节点间电压随注入功率变化的灵敏度计算得到。
以改善电压质量为目标对分布式能源进行集群划分,主要目标是实现集群内部电压控制策略能够有效地解决电压越限问题。针对改善电压质量的划分目标,采用节点间电压随注入功率变化的灵敏度来定义节点之间电气距离。由系统潮流计算可得修正方程:
公式6:
将上式展开,得到:
公式7:
消去Δθ,得到:
公式8:ΔU=(HJ-1L-N)-1ΔP+(JH-1N-L)-1ΔQ=SPΔP+SQΔQ;
公式6-8中,ΔP、ΔQ、Δθ、ΔU分别为节点有功、无功、电压相角、电压幅值变化;H、N、J、L为雅克比矩阵元素;SP为电压随注入有功变化的灵敏度矩阵,其矩阵内元素SPij表示节点j注入有功变化对节点i电压变化的影响程度;SQ为电压随注入无功变化的灵敏度矩阵,其矩阵内元素SQij表示节点j注入无功变化对节点电压i变化的影响程度。
其中,灵敏度系数越大,节点注入功率变化对电压变化影响越大,表示节点间电气距离越近,因此,可得:
公式9:Dij=SPii-SPij+SQii-SQij;
公式9中,Dij表征节点j的功率变化对节点i的综合影响程度;SP为电压随注入有功变化的灵敏度矩阵,其矩阵内元素SPij表示节点j注入有功变化对节点i电压变化的影响程度,其矩阵内元素SPii表示节点i注入有功变化对节点i电压变化的影响程度;SQ为电压随注入无功变化的灵敏度矩阵,其矩阵内元素SQij表示节点j注入无功变化对节点电压i变化的影响程度,其矩阵内元素SQii表示节点i注入无功变化对节点电压i变化的影响程度。
其中,Dij越小,表示节点j的功率变化对节点i影响越大,两节点间电气距离越小,符合距离变化特点。并且节点注入有功、无功调节对电压影响的差异由灵敏度系数的大小来体现,不需额外增加权重系数。
但是,由于在实际配电网络中,并不只是节点间两两互联,使得两节点距离不止和自身节点有关,还与周围其它节点的相关。而且一般情况下,两个节点之间有且仅有一个电气距离值,即满足:
公式10:Lij=Lji;
基于上述两个特点,可以定义节点间电气距离Lij为:
公式11:
公式11中,n是网络中所有节点个数;Lij表示节点i与节点j之间的电气距离;Dij表征节点j的功率变化对节点i的综合影响程度;Lji表示节点j和节点i之间的电气距离。
4)目标集群划分指标为配电网经济运行指标,电气距离由两节点之间的线路阻抗计算得到。
随着分布式能源的不断接入,电力用户的自主参与性也不断提高,用户之间的可选择性也提高,集群化的思想主要是在配电网合理划分的基础上,使用户在集群内部以整个集群的网损最小为目的进行合作,通过合作,大大减少整体配电网的线路损耗,避免用户之间的远距离能量传输,促进配电网的经济运行。
基于上述目标,为了使用户间尽量实现电能的就近传输,以不同节点之间的线路阻抗定义节点间电气距离。两节点间阻抗越大,在这两节点间进行电能传输产生的线路损耗也就越大,不利于划分入一个集群。由于配电网中用电阻代替线路的阻抗,以进行线损计算,这可以简化模型,同时不失精度,从而可得:
公式12:Lij=Rij;
公式12中,Lij表示节点i和节点j之间的电气距离,Rij表示根据配电网的拓扑结构得出的从节点i到节点j之间最优传输路径上的各段线路电阻之和。
步骤203:使用聚类算法对多个节点进行划分,得到分布式能源集群。
其中,电气距离作为聚类算法的相似性度量。
例如,聚类算法为K-means算法,根据不同的应用环境,选取上述的电气距离作为聚类算法的相似性度量进行集群划分。K-means聚类算法的目的是使得集群内部节点与集群中心间距离的平方和最小,即将电气距离较近的节点划分入同一集群,将电气距离较远的划分为不同集群。因此,分布式能源集群划分的目标函数如下:
公式13:
公式13中,Ljεi是节点j与聚类中心εi之间的距离,|Ci|表示集群i中的样本个数。i、j为正整数,min为求最小值函数。K表示形成的K个互不相交的集群,K为自然数。
步骤204:根据目标集群划分指标,对分布式能源集群建立分布式能源集群模型。
其中,分布式能源集群模型包括控制配电网运行的函数。具体可以为面向不同功能需求建立的控制目标函数和约束条件。通过分布式能源集群模型,可以实现在集群划分的基础上完成基于集群化的优化控制。
分布式能源集群模型和目标集群划分指标对应,下面即举出其中四个示例。
1)目标集群划分指标为调峰指标。
分布式能源调峰策略的研究主要是为了应对大量间歇性电源并网所带来的冲击,提高系统的调峰能力。对于反调峰的集群,充分利用储能系统的灵活调峰特性进行快速的双向调节。根据已有负荷预测曲线,计算得到日负荷平均功率,并考虑分布式储能系统在调峰的过程中本身具有各种约束条件,将储能系统参与调峰的充放电功率上下限值确定下来,然后与负荷曲线相比较,确定各个时间段内的充放电功率,具体数学表达式如下:
公式14:
公式15:
公式14、和公式15中,Pd、Pc为负荷峰谷时间段的负荷值;P2为储能系统充电功率下限值;P1为储能系统放电功率上限值;Δt为单位时间;E为储能系统容量;Pmax、Pmin为负荷峰谷值;Pt表示t时刻的出力。Pav为单日内负荷平均功率。T表示时刻。此外,充电时间区域总功率要大于等于放电时间区域,且两者在各自时间段内的积分均小于储能系统的总配置容量。
以Pav为中心,ΔP为步长进行迭代,其中P1=Pav+ΔP,P2=Pav-ΔP。在迭代过程中必须要满足约束条件:
公式16:
公式17:
公式18:Ec-Ed<ε;
公式16和17中,Ec表示总的充电能量,Ed表示总的放电能量,两者之差要小于常数ε,ε为接近零的常数;Pd、Pc为负荷峰谷时间段的负荷值;P2为储能系统充电功率下限值;P1为储能系统放电功率上限值;Δt为单位时间。当上述条件有一个无法满足时,重新返回迭代P1=P1+ΔP,P2=P2-ΔP,直到所有条件满足为止。
当实际负荷大于设定的储能系统放电功率上限值P1时,储能系统放电;当实际负荷在区间[P2,P1]内时,储能系统不动作;当实际负荷小于设定的储能系统充电功率下限值P2时,储能系统充电。
2)目标集群划分指标为分布式能源消纳指标。
分布式能源消纳策略的研究主要是为了减少分布式能源大量接入造成的弃风电能、弃光电能现象,尽可能多的消纳风能源和光能源发电量,并且降低系统的运行成本,即:
公式19:
公式20:
公式19和20中,T为所选时段集合;M1表示集群内部的所有分布式风光节点数;N表示集群内部的所有负荷节点数;CP为单位弃光、弃风惩罚费用;为节点i在t时刻弃光、弃风量,Pi,t为t时刻分布式能源i出力,ΔPi,t表示节点i最终利用的有功功率;表示与电网进行能量交互的成本,是与电网进行能量交互的电量,当需要从大电网购电,当多余电量上网;Pb是从大电网的购电电价;Ps是向大电网的售电电价。
作为分布式能源消纳策略中的控制变量ΔPi,由于分布式发电的技术特性及自身容量限制,分布式发电的有功出力需要满足公式21约束:
公式21:0≤ΔPi,t≤Pi,t;
储能能够根据电网的运行状态,灵活地改变自身的出力,以达到控制目的,但必须要保证不超过储能装置本身的容量,即:
公式22:
公式22中,和分别为节点i处储能装置容量上下限。表示节点i在t时刻的储能情况。
3)目标集群划分指标为电压质量指标。
分布式能源调压策略的研究主要是解决分布式能源大量接入对配电网造成的电压越限问题,通过调节集群内部分布式能源节点的有功出力的缩减和无功功率的吸收量,来改善集群内部的电压质量。为了保证有效利用分布式能源,应保证达到要求调压质量的同时应保证尽可能减少功率调节量:
公式23:
公式23中,M表示分布式能源节点数,ΔPi表示节点i产生的有功削减量,ΔQi表示节点i产生的无功吸收量。
大规模接入分布式能源造成的电压质量问题主要是电压越限现象严重,调压控制后配电网节点电压越限程度可表示为:
公式24:f2=max{V1,...,VN,Vneed}-Vneed;
公式24中,N表示集群内部所有节点个数,Vi表示节点i的电压幅值,Vneed表示调压要求的电压幅值当有节点电压越限时,f2>0,大小为电压越限最严重的节点电压与调压要求的差值;当没有节点电压越限时,f2=0。
针对电压质量的改善,还可以尽可能减小节点电压偏差,避免电压波动较大,可表示为:
公式25:f3=max|Vi-Vneed|,i=1,2,3,...,N;
公式25中,N表示集群内部所有节点个数,Vi表示节点i的电压幅值,Vneed表示调压要求的电压幅值。
因此,集群调压优化目标为:
公式26:minf=λ1f1+λ2f2+λ3f3;
公式26中,λ1、λ2、λ3分别是f1、f2、f3的权重系数,由于解决电压越限问题是此次调压策略设计的重点,即优先完成的调压指标,因此,可把权重系数λ2设置的较大,以较好地解决电压越限问题。因为功率调节量与电压调节量数量级可能不相同,通过调节权重系数,兼顾两个调压目标的实现,在获得良好的电压质量的同时,尽量减小功率的改变量。
对于各类分布式能源的调节能力约束,分布式能源的功率调节范围受限于自身容量等因素,因此有一定的调节限制:
公式27:0≤ΔPi≤ΔPimax;
公式28:0≤ΔQi≤ΔQimax;
公式27和28中,ΔPi表示节点i产生的有功削减量;ΔQi表示节点i产生的无功吸收量;ΔPimax表示节点i产生的有功削减量的最大值;ΔQimax表示节点i产生的无功吸收量的最大值。
4)目标集群划分指标为配电网经济运行指标。
分布式能源在经济运行方面的控制策略主要是尽可能减小整个配电网中由于节点之间电能传输而产生的功率损耗,控制变量是节点之间传输的电量,在集群内部制定最优的能量传输方案,使得整体集群产生的功率损耗最小,即:
公式29:
公式29中,Ploss表示整个集群内部的功率损耗;N为集群内部的节点数;表示节点i与节点j之间的功率传输量;为节点i除了集群内部自主传输的电能外,再与大电网进行的电能传输量;Rij表示节点i与节点j之间的传输路径的阻值;Ri0表示节点i与大电网之间传输路径的阻值;U为配电网电压。
在针对经济运行方面进行控制时,应该尽可能地利用分布式能源出力,保证分布式能源的利用率,因此,分布式能源节点i应满足其出售给其它节点的电能之和等于自身出力,即:
公式30:
公式30中,表示节点i对应的分布式能源在t时刻的出力;表示节点i与节点j之间的电能传输量;N为集群内部的节点个数。
对于负荷节点来说,保证用户的用电体验非常重要,就是保证用户购得的电能与自身的电能需求一致,即:
公式31:
公式31中,表示节点i对应的分布式能源在t时刻的出力;表示节点i与节点j之间的电能传输量;N为集群内部的节点个数。
储能能够根据电网的运行状态,灵活地改变自身的出力,以达到控制目的,但必须要保证不超过储能装置本身的容量,即:
公式32:
公式32中,和分别为节点i处储能装置容量上下限;表示节点i与节点j之间的电能传输量;N为集群内部的节点个数。
应该理解,本发明实施例的划分分布式能源集群的方法还可以包括确定需要进行相应调控的时间范围,然后,在此时间范围内完成集群控制。
在节点数目较多、分布式能源单机容量小、渗透率高且并网位置分散的配电网中,对所有分布式能源采用集中控制模式操作困难、搜索范围广、可控节点多。本发明实施例的方法根据不同应用场景定义电气距离作为集群划分依据,可以充分发挥集群内部高度自治特性。另外,本发明实施例的方法结合系统在运行过程中可能面临的多种功能需求,综合考虑配电网拓扑结构和实时状态变化,针对不同的应用环境,动态选择集群控制的方式。
综上所述,本发明实施例的划分分布式能源集群的方法,获取集群划分指标,集群划分指标表示对配电网的预设功能的需求,配电网包括多个节点,节点表示分布式能源和负荷。然后,根据集群划分指标计算多个节点中的任意两节点间的电气距离,电气距离表示两节点划入同一集群的可行程度。使用聚类算法对多个节点进行划分,得到分布式能源集群,其中,电气距离作为聚类算法的相似性度量。这样,根据对配电网的预设功能的需求可对包括多个节点的配电网进行节点划分,得到分布式能源集群,实现了对配电网的节点的调整。得到的分布式能源集群可用于对配电网进行有效控制。
图3为本发明实施例提供的一种动态划分分布式能源集群的装置的结构示意图。该装置可用于执行上述图1和图2所示实施例的划分分布式能源集群的方法。
参阅图3,本发明实施例的动态划分分布式能源集群的装置,包括:
获取单元301,用于获取集群划分指标,集群划分指标表示对配电网的预设功能的需求,配电网包括多个节点,节点表示分布式能源和负荷;
计算单元302,用于根据集群划分指标计算多个节点中的任意两节点间的电气距离,电气距离表示两节点划入同一集群的可行程度;
划分单元303,用于使用聚类算法对多个节点进行划分,得到分布式能源集群,其中,电气距离作为聚类算法的相似性度量。
可选地,该装置还包括建立单元304;
建立单元304,用于根据集群划分指标,对分布式能源集群建立分布式能源集群模型,分布式能源集群模型包括控制配电网运行的函数。
可选地,获取单元301,还用于当检测到变化调控目标指令时,从多个预设的集群划分指标中确定目标集群划分指标,目标集群划分指标由变化调控目标指令指示。
可选地,集群划分指标包括调峰指标,电气距离由两节点的日发电量的相似程度计算得到。
可选地,集群划分指标包括分布式能源消纳指标,电气距离由两节点日发电量的相似程度以及两节点之间的路径距离计算得到。
可选地,集群划分指标包括电压质量指标,电气距离由两节点间电压随注入功率变化的灵敏度计算得到。
可选地,集群划分指标包括配电网经济运行指标,电气距离由两节点之间的线路阻抗计算得到。
综上所述,获取单元301获取集群划分指标,集群划分指标表示对配电网的预设功能的需求,配电网包括多个节点,节点表示分布式能源和负荷。计算单元302根据集群划分指标计算多个节点中的任意两节点间的电气距离,电气距离表示两节点划入同一集群的可行程度。划分单元303使用聚类算法对多个节点进行划分,得到分布式能源集群,其中,电气距离作为聚类算法的相似性度量。这样,根据对配电网的预设功能的需求可对包括多个节点的配电网进行节点划分,得到分布式能源集群,实现了对配电网的节点的调整。得到的分布式能源集群可用于对配电网进行有效控制。
本发明实施例还提供了一种配电网系统,该配电网系统包括处理器和存储器,该配电网系统可用于执行上述图1和图2所示实施例的划分分布式能源集群的方法。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种划分分布式能源集群的方法,其特征在于,包括:
获取集群划分指标,所述集群划分指标表示对配电网的预设功能的需求,所述配电网包括多个节点,所述节点表示分布式能源和负荷;
根据所述集群划分指标计算所述多个节点中的任意两节点间的电气距离,所述电气距离表示两节点划入同一集群的可行程度;
使用聚类算法对所述多个节点进行划分,得到分布式能源集群,其中,所述电气距离作为所述聚类算法的相似性度量。
2.根据权利要求1所述的方法,其特征在于,
所述使用聚类算法对所述多个节点进行划分,得到分布式能源集群之后,所述方法还包括:
根据所述集群划分指标,对所述分布式能源集群建立分布式能源集群模型,所述分布式能源集群模型包括控制所述配电网运行的函数。
3.根据权利要求2所述的方法,其特征在于,
所述集群划分指标包括调峰指标;
所述电气距离由两节点的日发电量的相似程度计算得到。
4.根据权利要求2所述的方法,其特征在于,
所述集群划分指标包括分布式能源消纳指标;
所述电气距离由两节点日发电量的相似程度以及两节点之间的路径距离计算得到。
5.根据权利要求2所述的方法,其特征在于,
所述集群划分指标包括电压质量指标;
所述电气距离由两节点间电压随注入功率变化的灵敏度计算得到。
6.根据权利要求2所述的方法,其特征在于,
所述集群划分指标包括配电网经济运行指标;
所述电气距离由两节点之间的线路阻抗计算得到。
7.根据权利要求1所述的方法,其特征在于,
所述获取集群划分指标,包括:
当检测到变化调控目标指令时,从多个预设的集群划分指标中确定目标集群划分指标,所述目标集群划分指标由所述变化调控目标指令指示。
8.一种动态划分分布式能源集群的装置,其特征在于,包括:
获取单元,用于获取集群划分指标,所述集群划分指标表示对配电网的预设功能的需求,所述配电网包括多个节点,所述节点表示分布式能源和负荷;
计算单元,用于根据所述集群划分指标计算所述多个节点中的任意两节点间的电气距离,所述电气距离表示两节点划入同一集群的可行程度;
划分单元,用于使用聚类算法对所述多个节点进行划分,得到分布式能源集群,其中,所述电气距离作为所述聚类算法的相似性度量。
9.根据权利要求8所述的装置,其特征在于,
所述装置还包括建立单元;
所述建立单元,用于根据所述集群划分指标,对所述分布式能源集群建立分布式能源集群模型,所述分布式能源集群模型包括控制所述配电网运行的函数。
10.根据权利要求8所述的装置,其特征在于,
所述获取单元,还用于当检测到变化调控目标指令时,从多个预设的集群划分指标中确定目标集群划分指标,所述目标集群划分指标由所述变化调控目标指令指示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910843302.8A CN110490492B (zh) | 2019-09-06 | 2019-09-06 | 一种划分分布式能源集群的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910843302.8A CN110490492B (zh) | 2019-09-06 | 2019-09-06 | 一种划分分布式能源集群的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110490492A true CN110490492A (zh) | 2019-11-22 |
CN110490492B CN110490492B (zh) | 2024-01-23 |
Family
ID=68555609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910843302.8A Active CN110490492B (zh) | 2019-09-06 | 2019-09-06 | 一种划分分布式能源集群的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110490492B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110970939A (zh) * | 2019-12-24 | 2020-04-07 | 华北电力大学 | 一种分布式能源集群优化方法及系统 |
CN113113939A (zh) * | 2021-04-26 | 2021-07-13 | 国网山东省电力公司经济技术研究院 | 一种分布式电源动态分群的区域划分方法 |
CN113408966A (zh) * | 2021-08-18 | 2021-09-17 | 新风光电子科技股份有限公司 | 一种提高智能电网区域综合利用效率的方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016081452A (ja) * | 2014-10-22 | 2016-05-16 | 株式会社日立製作所 | 卸電力価格予測システムおよび卸電力価格予測方法 |
CN107017618A (zh) * | 2017-03-15 | 2017-08-04 | 中国电力科学研究院 | 一种有源配电网供电区域划分方法及装置 |
CN107093150A (zh) * | 2017-03-13 | 2017-08-25 | 国网安徽省电力公司电力科学研究院 | 基于等效阻抗的有源配电网集群划分方法 |
CN107732957A (zh) * | 2017-08-25 | 2018-02-23 | 合肥工业大学 | 一种高渗透率分布式可再生能源发电集群划分方法 |
CN107834596A (zh) * | 2017-11-10 | 2018-03-23 | 东南大学 | 基于电网运行状态感知的分布式光伏集群动态划分方法 |
CN108183488A (zh) * | 2017-12-22 | 2018-06-19 | 安徽大学 | 基于集群划分的高渗透率分布式能源系统智能调压方法 |
CN108199404A (zh) * | 2017-12-22 | 2018-06-22 | 国网安徽省电力有限公司电力科学研究院 | 高渗透率分布式能源系统的谱聚类集群划分方法 |
CN109728603A (zh) * | 2018-12-26 | 2019-05-07 | 天津大学 | 有源配电网分布式电源分区就地电压控制策略整定方法 |
-
2019
- 2019-09-06 CN CN201910843302.8A patent/CN110490492B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016081452A (ja) * | 2014-10-22 | 2016-05-16 | 株式会社日立製作所 | 卸電力価格予測システムおよび卸電力価格予測方法 |
CN107093150A (zh) * | 2017-03-13 | 2017-08-25 | 国网安徽省电力公司电力科学研究院 | 基于等效阻抗的有源配电网集群划分方法 |
CN107017618A (zh) * | 2017-03-15 | 2017-08-04 | 中国电力科学研究院 | 一种有源配电网供电区域划分方法及装置 |
CN107732957A (zh) * | 2017-08-25 | 2018-02-23 | 合肥工业大学 | 一种高渗透率分布式可再生能源发电集群划分方法 |
CN107834596A (zh) * | 2017-11-10 | 2018-03-23 | 东南大学 | 基于电网运行状态感知的分布式光伏集群动态划分方法 |
CN108183488A (zh) * | 2017-12-22 | 2018-06-19 | 安徽大学 | 基于集群划分的高渗透率分布式能源系统智能调压方法 |
CN108199404A (zh) * | 2017-12-22 | 2018-06-22 | 国网安徽省电力有限公司电力科学研究院 | 高渗透率分布式能源系统的谱聚类集群划分方法 |
CN109728603A (zh) * | 2018-12-26 | 2019-05-07 | 天津大学 | 有源配电网分布式电源分区就地电压控制策略整定方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110970939A (zh) * | 2019-12-24 | 2020-04-07 | 华北电力大学 | 一种分布式能源集群优化方法及系统 |
CN113113939A (zh) * | 2021-04-26 | 2021-07-13 | 国网山东省电力公司经济技术研究院 | 一种分布式电源动态分群的区域划分方法 |
CN113408966A (zh) * | 2021-08-18 | 2021-09-17 | 新风光电子科技股份有限公司 | 一种提高智能电网区域综合利用效率的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110490492B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112072641B (zh) | 一种源网荷储柔性协调控制和运行优化方法 | |
CN103280821B (zh) | 智能配电系统多时段动态无功优化方法 | |
CN108683179B (zh) | 基于混合整数线性规划的主动配电网优化调度方法及系统 | |
CN109713732B (zh) | 一种多微电网和配电网协调优化调度的方法 | |
CN110490492A (zh) | 一种划分分布式能源集群的方法和装置 | |
CN109657993B (zh) | 一种基于非合作博弈的能源局域网储能系统自动需求响应方法 | |
CN110518575A (zh) | 基于区域划分的多时间尺度主动配电网电压优化控制方法 | |
CN102420432B (zh) | 基于电网实时数据的实用化分层分区无功优化方法 | |
CN104037776B (zh) | 随机惯性因子粒子群优化算法的电网无功容量配置方法 | |
CN111900719B (zh) | 考虑柔性可控负荷的电网充裕度评估方法、装置及系统 | |
CN105896596B (zh) | 一种考虑需求侧响应的风电功率分层平滑系统及其方法 | |
CN108321796A (zh) | 家庭能量管理系统与方法 | |
CN111799786B (zh) | 一种基于博弈论的新能源混合电力系统容量配置方法 | |
CN113258581B (zh) | 一种基于多智能体的源荷协调电压控制方法及装置 | |
Gao et al. | Optimal operation modes of photovoltaic-battery energy storage system based power plants considering typical scenarios | |
CN110299705A (zh) | 主动配电网电能质量治理方法 | |
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 | |
CN105703355A (zh) | 一种多样性负荷分级自律协同需求响应方法 | |
CN106451541A (zh) | 一种孤岛型微电网的能量控制方法及控制系统 | |
CN103199538B (zh) | 日前计划多尺度逼近的发电计划闭环控制方法 | |
CN110460075A (zh) | 一种用于平抑电网峰谷差的混合储能出力控制方法及系统 | |
CN110247428A (zh) | 一种基于源网荷协同优化的配电网光储联合配置方法 | |
CN110474353A (zh) | 分层式储能系统及其参与的电网调频协调控制方法 | |
CN114925914A (zh) | 基于本征空间的能源优化调度方法及其电力交易方法 | |
He et al. | Biobjective optimization-based frequency regulation of power grids with high-participated renewable energy and energy storage systems |
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 |