CN110535123A - 一种快速的解析式分布式多目标多微网经济调度优化方法 - Google Patents

一种快速的解析式分布式多目标多微网经济调度优化方法 Download PDF

Info

Publication number
CN110535123A
CN110535123A CN201910801887.7A CN201910801887A CN110535123A CN 110535123 A CN110535123 A CN 110535123A CN 201910801887 A CN201910801887 A CN 201910801887A CN 110535123 A CN110535123 A CN 110535123A
Authority
CN
China
Prior art keywords
optimization
microgrid
multiple target
economic load
load dispatching
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
CN201910801887.7A
Other languages
English (en)
Other versions
CN110535123B (zh
Inventor
殷林飞
孙志响
黄天蔚
罗仕逵
吴云智
谢佳兴
高放
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.)
Guangxi University
Original Assignee
Guangxi University
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 Guangxi University filed Critical Guangxi University
Priority to CN201910801887.7A priority Critical patent/CN110535123B/zh
Publication of CN110535123A publication Critical patent/CN110535123A/zh
Application granted granted Critical
Publication of CN110535123B publication Critical patent/CN110535123B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • H02J3/38—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
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Power Engineering (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种快速的解析式分布式多目标多微网经济调度优化方法，该方法可以在保证微网安全可靠及其电能质量的前提下，使整个微网能耗和运行费用最低，从而获得最大的经济效益。本发明采用了广义Benders分解算法(GBD)将原多目标多微网主动配电系统的经济调度优化问题分解成多个子区域对应的优化问题，各个子区域之间独立完成各自子问题的优化，区域间通过联络线交换边界变量和目标变量。本发明提出的方法在有效地解决多目标多微网经济调度优化问题同时，不仅能解决目前传统集中式优化中设备私密性和系统运行可靠性的问题，也能够有效地减少计算所需的内存从而加快计算速度。

Description

一种快速的解析式分布式多目标多微网经济调度优化方法
技术领域
本发明涉及到电力系统中多微网经济调度领域，尤其涉及到一种快速的解析式分布式多目标多微网经济调度优化方法。
背景技术
随着电力市场逐渐开放，微网需要更精密的信息与更高效的技术来保障系统的经济性、安全性及其可靠性。然而传统的微网管理系统不仅管理模式太过被动，还存在着自动水平低、能量损耗过大的问题。因此，邻近的微网之间因相同的目标或利益而相互博弈共存，形成了多微网系统。
此外，多微网主动配电系统自治优化经济调度问题本质上是一个非线性问题，可采用集中式和分布式两种建模方法。对于多目标多微网经济调度优化，其系统规模较大且求解较复杂，需采集全局信息的集中式优化不仅求解精度下降、速度慢，也不能很好地处理信息保密问题。而分布式优化只需在子区域独立处理好子问题后再通过联络线交换边界变量和目标变量即可，一方面能较好地克服集中式优化方法的缺点，另一方面也能很好地解决多目标问题。
因此，针对于多微网主动配电系统自治优化经济调度的非线性问题，因为其中含有大量具有整数特征的变量，所以求解起来比处理连续变量要困难很多。而广义Benders分解算法(GBD)可以很方便地快速求解这类含有复杂变量、复杂约束的问题，故将其应用到分布式多目标多微网经济调度优化中非常合适。
发明内容
本发明提供一种快速的解析式分布式多目标多微网经济调度优化方法。该方法与传统集中式多微网经济调度不同。传统集中式多微网经济调度中绝大部分研究只涉及单目标问题，当涉及到多目标问题时，也只是通过简单的权重法处理转换为单目标问题，本质上并未真正实现多目标优化。而本发明中分布式多微网经济调度利用去中心化的思想，将多目标优化问题通过规格化法平面约束法转换成单目标问题，得到均匀分布的帕累托最优点。再通过节点撕裂的方式划分为多个子区域，每个子区域都会由单独的优化器进行优化处理子问题。子问题处理完后，各子区域通过互相联络的母线来交换边界信息和目标信息。这种优化方式，不仅保密性较高，也可减少计算内存从而提高计算速度。
本发明提供的方法在使用过程中，首先构建多微网主动配电系统的最优潮流模型。该模型除以最小化发电成本和有功网损为目标外，还应该要满足以下约束：
(1)潮流约束；
(2)发电机组的有功无功上下限约束；
(3)节点电压上下限约束；
(4)线路容量上下限约束。
其中f1(x)和f2(x)分别为发电费用和有功网损；αm、βm、γm为第m台发电机组的成本系数；PGm和QGm分别为第m台发电机组的有功和无功出力；PDm、QDm和Um分别为节点m的有功、无功负荷和电压幅值；Pl为支路l流过的有功功率；gmn、bmn和θmn分别为节点m和n之间的电导、电纳和角度；SG、SD、SB和SL分别为发电机组、负荷、节点和支路集合；下标max和min为变量的上下限；x为控制变量与状态变量的集合，即
x＝[P,Q,U,θ]T (3)
根据上述中的约束条件，利用规格化法平面约束法将多目标问题转换得到单目标优化问题，再将目标函数解空间进行规格化处理：
其中为目标函数f1(x)和f2(x)在规格化可行解，取值范围为[0，1]，和为帕累托前沿的两个端点。
连接帕累托前沿端点和端点形成乌托邦线，在乌托邦线平均取k个点，在每个点上作法线，法线与帕累托前沿的相交点为一个最优点。因此，多目标问题将转换为求解乌托邦线上每个点与之法线对应的帕累托前沿交点之间最大截距的单目标问题，即
max D (5)
其中D为最大化垂直截距。
通过节点撕裂法将区域划分为w1和w2两个区域，撕裂后的节点xc作为虚拟发电机组节点。节点撕裂后，一方面可以很好地实现划分后区域之间的潮流平衡，另一方面也能多区域协同运行来提高系统的运行速度和精度。
节点撕裂后，互联区域之间需要满足一些电气约束条件，假设从区域内部流向节点xc的方向为功率的正方向，可得：
其中和为节点xe的方向修正系数，因节点撕裂后，功率流动的方向发生变化，为了保持与规定方向的一致性，需满足以下条件：
将(6)式进行化简可得：
其中xe表示为撕裂节点的边界变量。
广义Benders分解(GBD)算法是处理计算规模大、变量多且复杂的一种优越算法，其基本思想是将复杂的混合整数规划问题分解成两个部分：
1)整数规划的主问题；
2)线性规划的子问题。
子问题将优化结果以Benders割的形式添加到主问题中，然后再通过主子问题交替迭代运算实现对原问题的求解。因此，主问题可以描述为以下形式：
min F＝(-D) (9)
式(9)和(10)即为主问题，因为在主问题中并没有考虑潮流计算以及线路容量的上下限，故并不能满足要求，还需子问题的协助。因此子问题可以描述为以下形式：
式中，分别为m节点引进的有功和无功松弛量，可以使子问题一直处于有解的情况下；为书写方便，将系统中的潮流约束方程简单表达成P(Θ)和Q(Θ)；另外增添等式约束Pd是线路功率给定值，即第一次迭代优化时的初始值，是前次迭代中主问题得到的线路最优功率。
主问题与子问题之间是靠Benders割来进行联系的，即子问题优化完成后，将结果用Benders割的形式返回给主问题。Benders割可有效地修正主问题，使求得的解更加符合要求。故，Benders割可表示为如下所示：
式(13)中，λ是拉格朗日乘子。利用拉格朗日乘子法将子问题的目标函数与约束条件进行线性化处理，该Benders割可以看作是子问题对主问题求解的线性近似。
判断收敛的条件可以表示为或其中ε为校验阈值，k和k+1分别表示第k次和第k+1次的迭代。
附图说明
图1是本发明方法的节点撕裂示意图。
图2是本发明方法的广义Benders分解(GBD)算法的流程图。
图3是本发明方法的整体流程图。
具体实施方式
本发明提出的一种快速的解析式分布式多目标多微网经济调度优化方法，结合附图详细说明如下：
图1是本发明方法的节点撕裂示意图。w1和w2两个区域通过节点xc进行连接，通过将节点xc进行撕裂，可得到两个完整的区域。撕裂后，w1和w2两个区域将各自优化自己的问题，然后再互相交换边界变量和目标变量，既实现了信息保密，也实现了多区域多微网的经济调度优化。
图2是本发明方法的广义Benders分解(GBD)算法的流程图。广义Benders分解算法的基本思想是通过对主子问题交替迭代来实现系统的优化，其具体步骤如下：
步骤1：参数初始化，令迭代步数k＝0，Benders割＝φ，以及设置校验阈值ε的数值；
步骤2：迭代步数k＝k+1，并求解含Benders割为空集的主问题；
步骤3：用现代内点法求解子问题；
步骤4：判断子问题的求解值是否可行，若可行就转入步骤5，不可行就停止；
步骤5：子问题的求解值可行后，再判断子问题的求解值是否收敛，若收敛输出最优解；否则就增添Benders割返回步骤2。
图3是本发明方法的整体流程图。其具体步骤如下：
步骤1：根据本发明所涉及的内容搭建好数学模型；
步骤2：利用分布式优化框架和规格化法平面约束法将多微网经济调度中的多目标问题转换成单目标问题；
步骤3：运用节点撕裂法，将区域划分为多区域。此时各区域将独自优化子问题，再互相交换边界变量和目标变量；
步骤4：运用广义Benders分解(GBD)算法来实现最优解的计算，实现快速的解析式分布式多目标多微网经济调度优化。

Claims (5)

1.一种快速的解析式分布式多目标多微网经济调度优化方法，其特征在于，该方法在使用过程中的主要步骤为：
(1)构建多微网主动配电系统的最优潮流模型，以最小化发电费用和有功网损为目标；
(2)利用规格化法平面约束法求解规格化解空间中各种约束的出色能力，将复杂的多目标问题转换成单目标求解，同时利用分布式优化框架，将目标优化问题分解为与各区域对应的子优化问题；
(3)采用节点撕裂法将区域划分为多个区域，解决了分布式多区域优化问题；
(4)依据步骤(2)的模型，利用广义Benders分解算法(GBD)原问题进行求解。
2.如权利要求1所述的快速的解析式分布式多目标多微网经济调度优化方法，其特征在于，所述步骤(1)在广义Benders分解算法(GBD)计算求解中，能满足系统安全及所有设备的物理和运行约束。
3.如权利要求1所述的快速的解析式分布式多目标多微网经济调度优化方法，其特征在于，所述步骤(2)在全局优化计算过程中采用分布式优化框架时，每个子区域在独立完成各自区域问题后，与其他区域之间只需交换边界信息和目标信息就能实现整体优化。
4.如权利要求1所述的快速的解析式分布式多目标多微网经济调度优化方法，其特征在于，所述步骤(3)区域划分后，每个区域单独计算，并不需要交换内部变量，从而能更有效保证系统重要信息的私密性。
5.如权利要求1所述的快速的解析式分布式多目标多微网经济调度优化方法，其特征在于，所述步骤(4)中，GBD算法利用Benders分解算法有效求解非线性问题的特点，对整个系统的混合整数规划问题进行求解。
CN201910801887.7A 2019-08-28 2019-08-28 一种快速的解析式分布式多目标多微网经济调度优化方法 Active CN110535123B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910801887.7A CN110535123B (zh) 2019-08-28 2019-08-28 一种快速的解析式分布式多目标多微网经济调度优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910801887.7A CN110535123B (zh) 2019-08-28 2019-08-28 一种快速的解析式分布式多目标多微网经济调度优化方法

Publications (2)

Publication Number Publication Date
CN110535123A true CN110535123A (zh) 2019-12-03
CN110535123B CN110535123B (zh) 2021-04-20

Family

ID=68664680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910801887.7A Active CN110535123B (zh) 2019-08-28 2019-08-28 一种快速的解析式分布式多目标多微网经济调度优化方法

Country Status (1)

Country Link
CN (1) CN110535123B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112381271A (zh) * 2020-10-30 2021-02-19 广西大学 一种快速对抗深度置信网络的分布式多目标优化加速方法
CN113472014A (zh) * 2021-06-25 2021-10-01 国网山东省电力公司泗水县供电公司 含分布式电源的配电网优化调度方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103311920A (zh) * 2013-04-08 2013-09-18 清华大学 含分布式电源配电网潮流的分解协调方法
US20150295407A1 (en) * 2014-04-10 2015-10-15 Nec Laboratories America, Inc. Decentralized Energy Management Platform
CN107579518A (zh) * 2017-09-15 2018-01-12 山东大学 基于mhba的电力系统环境经济调度方法和装置
CN108964012A (zh) * 2017-05-22 2018-12-07 武汉大学 基于Benders分解的安全约束机组组合双层优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103311920A (zh) * 2013-04-08 2013-09-18 清华大学 含分布式电源配电网潮流的分解协调方法
US20150295407A1 (en) * 2014-04-10 2015-10-15 Nec Laboratories America, Inc. Decentralized Energy Management Platform
CN108964012A (zh) * 2017-05-22 2018-12-07 武汉大学 基于Benders分解的安全约束机组组合双层优化方法
CN107579518A (zh) * 2017-09-15 2018-01-12 山东大学 基于mhba的电力系统环境经济调度方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHIGANG LI 等: "Decentralized Multi-Area Dynamic Economic Dispatch Using Modified Generalized Benders Decomposition", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 *
郑宝敏 等: "多区域并行协同的多目标分布式帕累托最优潮流算法", 《电力系统自动化》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112381271A (zh) * 2020-10-30 2021-02-19 广西大学 一种快速对抗深度置信网络的分布式多目标优化加速方法
CN113472014A (zh) * 2021-06-25 2021-10-01 国网山东省电力公司泗水县供电公司 含分布式电源的配电网优化调度方法及系统
CN113472014B (zh) * 2021-06-25 2023-09-26 国网山东省电力公司泗水县供电公司 含分布式电源的配电网优化调度方法及系统

Also Published As

Publication number Publication date
CN110535123B (zh) 2021-04-20

Similar Documents

Publication Publication Date Title
Sandgani et al. Coordinated optimal dispatch of energy storage in a network of grid-connected microgrids
CN111768054B (zh) 一种包含多利益主体的分区分布式协调优化方法
CN107546743B (zh) 一种辐射状配电网分布式优化潮流方法
CN104659816B (zh) 基于改进粒子群算法的分布式电源接入配电系统优配方法
CN108365609B (zh) 计及互联电网分区自动发电控制的统一迭代潮流计算方法
Rashed et al. Optimal location and parameter setting of TCSC for loss minimization based on differential evolution and genetic algorithm
CN109950907A (zh) 含电力电子变压器的交直流混合配电网的调度方法及系统
CN109787240B (zh) 一种主配网协调分布式潮流优化方法及相关设备
Modiri-Delshad et al. Economic dispatch in a microgrid through an iterated-based algorithm
CN110232475A (zh) 一种分布式输电网配电网协同经济调度方法
CN107968430A (zh) 考虑风-储联合系统概率模型的储输协同随机规划方法
CN110535123A (zh) 一种快速的解析式分布式多目标多微网经济调度优化方法
CN110556847A (zh) 含光伏配电网中储能系统规划运行联合优化方法及系统
CN112134309A (zh) 一种适用于配电网分布式电压控制的新型分区方法
CN112990596A (zh) 一种主动配电网和虚拟电厂协同运行的分布式优化方法
CN110380420A (zh) 一种快速自适应解析式安全的分布式多目标优化算法
CN113780622A (zh) 基于多智能体强化学习的多微网配电系统分布式调度方法
Mellouk et al. Overview of mathematical methods for energy management optimization in smart grids
CN115425697A (zh) 基于交替方向乘子法的分布式跨区跨省调度方法及系统
Arpanahi et al. A coordinated decentralized loss minimization scheme for hybrid AC/DC distribution system with multiple microgrids
Vankudoth et al. Distribution network optimization through siting and sizing of bess
Zeng et al. Non-Convex optimal power flow implementation by distributed Meta-Heuristic optimization algorithm
CN108090619A (zh) 源网荷储协同规划的研究
Li et al. A machine learning-assisted distributed optimization method for inverter-based Volt-Var control in active distribution networks
Kokin et al. Optimal placement of reactive power sources in power supply systems, using particle swarm optimization and artificial Bees colony optimization

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