CN110543966A - 一种电热气联供的微能源网的日前调度优化方法 - Google Patents

一种电热气联供的微能源网的日前调度优化方法 Download PDF

Info

Publication number
CN110543966A
CN110543966A CN201910664222.6A CN201910664222A CN110543966A CN 110543966 A CN110543966 A CN 110543966A CN 201910664222 A CN201910664222 A CN 201910664222A CN 110543966 A CN110543966 A CN 110543966A
Authority
CN
China
Prior art keywords
constraint
scheduling
layer
day
electricity
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
CN201910664222.6A
Other languages
English (en)
Inventor
刘洋
叶雁犁
陈贤邦
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.)
Sichuan University
Original Assignee
Sichuan 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 Sichuan University filed Critical Sichuan University
Priority to CN201910664222.6A priority Critical patent/CN110543966A/zh
Publication of CN110543966A publication Critical patent/CN110543966A/zh
Pending legal-status Critical Current

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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or 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)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种电热气联供的微能源网的日前调度优化方法，主要解决现有技术中存在的现有风电等间歇性能源存在随机性和不确定性。该方法包括如下步骤：(S1)建立双层鲁棒优化调度模型；(S2)在建立的双层鲁棒调度模式的基础上优化调度目标函数；(S3)建立双层鲁棒优化调度的约束条件；(S4)利用列和约束生成算法求解模型。通过上述方案，本发明达到了利用微能源网能够满足多种负荷，从而兼顾实现了模型的鲁棒性并且实用性更强、经济效益更好的目的，具有很高的实用价值和推广价值。

Description

一种电热气联供的微能源网的日前调度优化方法
技术领域
本发明属于微能源网技术领域，具体地讲，是涉及一种电热气联供的微能 源网的日前调度优化方法。
背景技术
近些年，随着国民经济的不断增长，我国电力系统得到迅猛发展。与此同 时，化石能源危机与传统煤炭能源造成的环境污染问题日益显著。为应对严峻 的环境挑战，新能源以其可再生、对环境友好的优良特点，逐渐被认可为是替 代传统煤炭、化石等能源的有效清洁能源。为更好的接入风电等新能源，保证 电网的安全性，微电网技术应运而生。此外，通过部署热电联产机组、电锅炉、 电转气等能量生产、转换装置，微电网可以在满足用户电能需求的同时，满足 用户热能、天然气等多种能源的需求。微电网正进一步向综合微能源网方向发 展。
在微能源网中，日前经济调度计划直接决定了微能源网的运行成本，是微 能源网运行的基础问题。然而，风电等间歇性能源强烈的随机性和不确定性,而 现有的预测技术不能精准预测风电实时出力，可能会导致微电网在调度运行过 程中造成大量弃风弃光，导致高昂的额外成本。从短期来看，增加储能配置是 缓解该问题的有效手段。但从长远角度来看，需要采用能应对间歇式能源的不 确定性的先进优化方法来制定微能源网的日前经济调度策略，以提高间歇式能 源的利用率和减少微电网运行成本。因此如何为让微能源网的调度计划过程能 够易于实现，且同时兼顾鲁棒性和经济性，本领域技术人员应该提出更先进的 优化方法，为微能源网的经济调度提供理论指导。
发明内容
本发明的目的在于提供一种电热气联供的微能源网的日前调度优化方法， 主要解决现有技术中存在的现有风电等间歇性能源存在随机性和不确定性，并 且现有预测技术并不能精准预测，从而造成微能源网利用率不高，增加成本， 经济性不佳的问题。
为了实现上述目的，本发明采用的技术方案如下：
一种电热气联供的微能源网的日前调度优化方法，包括如下步骤：
(S1)建立双层鲁棒优化调度模型；
(S2)在建立的双层鲁棒调度模式的基础上优化调度目标函数；
(S3)建立双层鲁棒优化调度的约束条件；
(S4)利用列和约束生成算法求解模型。
进一步地，所述步骤(S1)中双层鲁棒优化调度模型为：
其中，dTx表示外层目标函数，(eTy+fTu)表示基于x的内层的最小化目标函 数，y表示模型内层优化变量，u表示不确定变量，D、F、G、Iu表示相关约束 的系数矩阵，g和h表示相关约束的列向量。
进一步地，所述步骤(S2)中目标函数包括第一层的日前调度层和第二层 的实时调度层；
所述日前调度层的目标函数为：
其中，Ggas表示天然气消耗，aFC和bFC表示燃料电池成本相关系数，PFC表 示燃料电池出力，SFC表示燃料电池开停状态，λgas表示天然气价格，和表 示买卖电价格，Pforecasted表示风电预测值，表示计划卖电量，表示计 划买电量，Pfirstwind初始风电计划出力，λwind表示弃风成本。
所述实时调度层的目标函数为：
其中，和表示可控机组上下调整量单价，和表示天然气上下 调整量单价，表示不确定的风电，和表示可靠机组上下调整量，和 表示天然气上下调整量，表示卖电调整量，买电调整量，和表示买卖电调整量单位价格，Psecondwind表示实时调度层风电出力。
进一步地，所述步骤(S3)中的约束条件包括与日前调度层对应的一阶段 约束及与实时调度层对应的二阶段约束；
所述一阶段约束具体包括如下约束条件：
(311)能量平衡约束：
其中，和表示储能充放电功率，PMT表示燃气轮机出力，PPtG和PEB表示电转气和电锅炉耗电量，和表示储热装置充放热，Pload,Qload,和Gload表示电、热、气负荷，QMT和QEB表示燃气轮机和电锅炉耗热量，GMT表示燃气 轮机耗气量，GPtG表示电转气生成气体量，PFC表示燃料电池出力，表示 计划买电量，PEB表示电锅炉耗电量，表示蓄电池充电量，GMT表示燃气轮 机耗气量。
(312)可控机组约束：
-RCG,i≤PCG,i(t)-PCG,i(t-1)≤RCG,i (6)
其中，表示可控机组出力最大值，RCG,i表示爬坡值，SCG,i表示可控机组 开停状态，PCG,i表示可控机组出力。
(313)储能装置约束：
ESS,i(T)＝ESS,i(0) (9)
其中，ESS,i表示储能装置容量，表示储能装置充电量，表示储能装 置充电系数，表示储能装置放电量，表示储能装置放电系数。
(314)买卖电约束：
其中，表示最大买卖电量，表示买、卖电状态，表示计划 买电量。
(315)风电出力约束：
0≤Pfirstwind(t)≤Pforecasted(t) (11)
所述二阶段约束具体包括如下约束条件：
(321)能量平衡约束：
其中，和分别表示燃气轮机、燃料电池、电转气和电锅炉的上下调整量，和分别表示燃 气轮机和电锅炉的上下出热调整量，和分别表示天然气供 应和电转气的上下调整量，和分别表示储电、储 热的充放调整量，PPtG表示电转气装置耗电量，分别表示燃气轮机耗 气量的上下调整量。
(322)调整约束：
其中，和表示储能装置的充放调整量，表示调整后的储 能容量，分别表示可控机组上下调整量；表示可控机组调整量最 大允许值，表示可控机组上调状态，表示天然气供应量上下调整 量，表示天然气上/下调整状态，表示天然气调整量最大允许值， 表示储能装置充放电最大允许值，表示储能装置充放电状态。
(323)买卖电约束：
其中，表示买卖电调整状态，表示最大的买卖电调整量，表示最大允许买卖电量。
(324)风电约束：
具体地，所述步骤(S4)中利用列和约束生成算法求解即将模型分解为主 问题和子问题进行求解。
与现有技术相比，本发明具有以下有益效果：
本发明通过建立双层鲁棒优化调度模型，并在调度模型的基础上将调度目 标函数进行优化为第一层级的目前调度层和第二层级的实时调度层，然后根据 目标约束条件中的一阶段约束条件和二阶段约束条件对实际接入微能源网的储 能装置、能量转换装置进行重新部署，从而规避了现有单纯使用风电存在的不 确定性和不稳定性，使得接入微能源网的新能源能够相对于现有技术减少弃风 现象，并且更能应对微能源网中存在的不确定性的影响，同时能够满足多种负 荷，从而兼顾实现了模型的鲁棒性并且实用性更强、经济效益更好，适用于大 规模推广。
附图说明
图1为本发明的系统结构流程图。
图2为本发明微能源网的安装使用意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但 不限于下列实施例。
实施例
如图1与图2所示，一种电热气联供的微能源网的日前调度优化方法，包 括如下步骤：
(S1)建立双层鲁棒优化调度模型；
其中，dTx表示外层目标函数，(eTy+fTu)表示基于x的内层的最小化目标函 数，y表示模型内层优化变量，u表示不确定变量，D、F、G、Iu表示相关约束 的系数矩阵，g和h表示相关约束的列向量。
上述双层优化模型的内层，为包含了不确定量u的最小化问题，对此进一 步采用鲁棒优化方法进行处理，可得如下的双层鲁棒模型：
双层鲁棒模型整体结构为min-max-min结构，上式中外层min为主问题， 搜寻最恶劣场景下的最优目标；内层max-min为因不确定性而引起的x的执行 子问题，搜寻x下的不确定变量的最恶劣场景及对应的方案，其优化变量为y 以及对应恶劣场景u。模型中的不确定参数u用鲁棒优化中不确定集合表征方法，
式中 为不确定参数波动的边界值，为不确定参数期望值。原则上，对 于不确定集，可以通过指定不确定参量的边界值来限制集合的规模，但不恰当 的取值将导致结果保守或冒进。在实际应用中，不确定参数往往不可能同时取 到最恶劣情况，为了防止优化结果出现这种过于保守的情况，引入可调鲁棒参 数Γ，加入具有1-范数形式的不确定度约束调节的公式(26)对决策的保守程度 实施控制。当考虑多个连续的时段，对各时段的不确定参数取值进行约束，通 过改变Γ即可控制保守性。
(S2)在建立的双层鲁棒调度模式的基础上优化调度目标函数，其中目标 函数包括第一层的日前调度层和第二层的实时调度层；
所述日前调度层的目标函数为：
其中，Ggas表示天然气消耗，aFC和bFC表示燃料电池成本相关系数，PFC表 示燃料电池出力，SFC表示燃料电池开停状态，λgas表示天然气价格，和表 示买卖电价格，Pforecasted表示风电预测值，表示计划卖电量，表示计 划买电量，Pfirstwind初始风电计划出力，λwind表示弃风成本。
所述实时调度层的目标函数为：
其中，和表示可控机组上下调整量单价，和表示天然气上下 调整量单价，表示不确定的风电，和表示可控机组上下调整量，和 表示天然气上下调整量，表示卖电调整量，买电调整量，和表示买卖电调整量单位价格，Psecondwind表示实时调度层风电出力。
(S3)建立双层鲁棒优化调度的约束条件，其中约束条件包括一阶段约束 和二阶段约束；
所述一阶段约束具体包括如下约束条件：
(311)能量平衡约束：
其中，和表示储能充放电功率，PMT表示燃气轮机出力，PPtG和PEB表示电转气和电锅炉耗电量，和表示储热装置充放热，Pload,Qload,和Gload表示电、热、气负荷，QMT和QEB表示燃气轮机和电锅炉耗热量，GMT表示燃气 轮机耗气量，GPtG表示电转气生成气体量，PFC表示燃料电池出力，表示 计划买电量，PEB表示电锅炉耗电量，表示蓄电池充电量，GMT表示燃气轮 机耗气量。
燃气轮机为背压式，存在转换关系：
QMT(t)＝ηMT·PMT(t),PMT(t)＝ηgas·GMT(t) (27)
其中，ηMT表示电、热转换效率常数，ηgas表示电、气转换效率常数，类似 的：
GPtG(t)＝ηPtG·PPtG(t),QEB(t)＝ηEB·PEB(t) (28)
其中，ηPtG和ηEB分别表电转气和电锅炉的转换效率。
(312)可控机组约束：
-RCG,i≤PCG,i(t)-PCG,i(t-1)≤RCG,i (6)
其中，表示可控机组出力最大值，SCG,i表示可控机组开停状态，RCG,i表 示爬坡值，SCG,i表示可控机组开停状态，PCG,i表示可控机组出力。
(313)储能装置约束，其中储能装置包括储电装置和储热装置，具体电网 连接关系如图2所示。
ESS,i(T)＝ESS,i(0) (9)
其中，ESS,i表示储能装置容量，表示储能装置充电量，表示储能装 置充电系数，表示储能装置放电量，表示储能装置放电系数。
(314)买卖电约束：
其中，表示最大买卖电量，表示买、卖电状态，表示最大允许 买卖电量。
(315)风电出力约束：
0≤Pfirstwind(t)≤Pforecasted(t) (11)
所述二阶段约束具体包括如下约束条件：
(321)能量平衡约束：
其中，和分别表示燃气轮机、燃料电池、电转气和电锅炉的上下调整量，和分别表示燃 气轮机和电锅炉的上下出热调整量，和分别表示天然气供 应和电转气的上下调整量，和分别表示储电、储 热的充放调整量，PPtG表示电转气装置耗电量，分别表示燃气轮机耗 气量的上下调整量。
(322)调整约束：
其中，和表示储能装置的充放调整量，表示调整后的储 能容量，分别表示可控机组上下调整量；表示可控机组调整量最 大允许值，表示可控机组上调状态，表示天然气供应量上下调整 量，表示天然气上/下调整状态，表示天然气调整量最大允许值， 表示储能装置充放电最大允许值，表示储能装置充放电状态。
(323)买卖电约束：
其中，表示买卖电调整状态，表示最大的买卖电调整量，表 示最大允许买卖电量。
(324)风电约束：
(S4)利用列和约束生成算法求解模型即将模型分解为主问题(MP)和子 问题(SP)进行求解；
通过对偶和主问题(大M法)对子问题进行线性化处理，同时引入可调鲁 棒参数进行约束，转换后为：
α、β、γ表示对偶变量，u+、u-表示不确定风电出力，u0表示预测值，θ+、 θ-表示θ的正、负值，表示主问题(大M法)引入的零一变量。
如图2是本发明的一种微能源网使用示意图，在进行电能分布使用时，在 布线上就可以根据前端的发电端(电网、风机、天然气、燃料电池、燃气轮机、 储电装置、电锅炉、热锅炉)与后端的负载端(电负荷、热负荷、气负荷)的 实际需求进行供电方式的选择性供电，利用微电网分布原理可以提供了一个兼 具安全性与经济性的选择。
上述实施例仅为本发明的优选实施例，并非对本发明保护范围的限制，但 凡采用本发明的设计原理，以及在此基础上进行非创造性劳动而做出的变化， 均应属于本发明的保护范围之内。

Claims (5)

1.一种电热气联供的微能源网的日前调度优化方法，其特征在于，包括如下步骤：
(S1)建立双层鲁棒优化调度模型；
(S2)在建立的双层鲁棒调度模式的基础上优化调度目标函数；
(S3)建立双层鲁棒优化调度的约束条件；
(S4)利用列和约束生成算法求解模型。
2.根据权利要求1所述的一种电热气联供的微能源网的日前调度优化方法，其特征在于，所述步骤(S1)中双层鲁棒优化调度模型为：
其中，dTx表示外层目标函数，(eTy+fTu)表示基于x的内层的最小化目标函数，y表示模型内层优化变量，u表示不确定变量，D、F、G、Iu表示相关约束的系数矩阵，g和h表示相关约束的列向量。
3.根据权利要求2所述的一种电热气联供的微能源网的日前调度优化方法，其特征在于，所述步骤(S2)中目标函数包括第一层的日前调度层和第二层的实时调度层。
4.根据权利要求3所述的一种电热气联供的微能源网的日前调度优化方法，其特征在于，所述步骤(S3)中的约束条件包括一阶段约束和二阶段约束；
所述一阶段约束具体包括如下约束条件：
(311)能量平衡约束；
(312)可控机组约束；
(313)储能装置约束；
(314)买卖电约束；
(315)风电出力约束；
所述二阶段约束具体包括如下约束条件：
(321)能量平衡约束；
(322)调整约束；
(323)买卖电约束；
(324)风电约束。
5.根据权利要求4所述的一种电热气联供的微能源网的日前调度优化方法，其特征在于，所述步骤(S4)中利用列和约束生成算法求解即将模型分解为主问题和子问题进行求解。
CN201910664222.6A 2019-07-23 2019-07-23 一种电热气联供的微能源网的日前调度优化方法 Pending CN110543966A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910664222.6A CN110543966A (zh) 2019-07-23 2019-07-23 一种电热气联供的微能源网的日前调度优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910664222.6A CN110543966A (zh) 2019-07-23 2019-07-23 一种电热气联供的微能源网的日前调度优化方法

Publications (1)

Publication Number Publication Date
CN110543966A true CN110543966A (zh) 2019-12-06

Family

ID=68709752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910664222.6A Pending CN110543966A (zh) 2019-07-23 2019-07-23 一种电热气联供的微能源网的日前调度优化方法

Country Status (1)

Country Link
CN (1) CN110543966A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111030110A (zh) * 2019-12-28 2020-04-17 福州大学 一种考虑电转气消纳风电的电力-天然气耦合系统鲁棒协同调度方法
CN112332461A (zh) * 2020-11-13 2021-02-05 上海电力大学 一种基于二阶段鲁棒模型的多能微网群控制方法
CN112381263A (zh) * 2020-09-23 2021-02-19 四川大学 基于区块链分布式数据存储多微网日前鲁棒电能交易方法
CN113250768A (zh) * 2021-06-17 2021-08-13 汉谷云智(武汉)科技有限公司 一种热电联产供热机组热电负荷优化方法
CN113393054A (zh) * 2021-07-05 2021-09-14 华北电力大学 一种风储联合系统的优化调度方法及优化调度系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103606967A (zh) * 2013-11-26 2014-02-26 华中科技大学 一种实现电力系统鲁棒运行的调度方法
CN106327091A (zh) * 2016-08-26 2017-01-11 清华大学 基于鲁棒联络线计划的多区域异步协调动态经济调度方法
CN108388973A (zh) * 2018-01-11 2018-08-10 河海大学 一种虚拟电厂自适应鲁棒调度优化方法
CN108832665A (zh) * 2018-07-04 2018-11-16 四川大学 一种考虑风电不确定性的电热综合系统分布式鲁棒协调优化调度模型
CN109193668A (zh) * 2018-10-31 2019-01-11 四川大学 一种基于分布鲁棒优化的合同电量分解方法
CN109298634A (zh) * 2018-10-18 2019-02-01 东南大学 一种综合能源系统两阶段鲁棒优化调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103606967A (zh) * 2013-11-26 2014-02-26 华中科技大学 一种实现电力系统鲁棒运行的调度方法
CN106327091A (zh) * 2016-08-26 2017-01-11 清华大学 基于鲁棒联络线计划的多区域异步协调动态经济调度方法
CN108388973A (zh) * 2018-01-11 2018-08-10 河海大学 一种虚拟电厂自适应鲁棒调度优化方法
CN108832665A (zh) * 2018-07-04 2018-11-16 四川大学 一种考虑风电不确定性的电热综合系统分布式鲁棒协调优化调度模型
CN109298634A (zh) * 2018-10-18 2019-02-01 东南大学 一种综合能源系统两阶段鲁棒优化调度方法
CN109193668A (zh) * 2018-10-31 2019-01-11 四川大学 一种基于分布鲁棒优化的合同电量分解方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
税月等: "考虑风电不确定性的电气能源系统两阶段分布鲁棒协同调度", 《电力系统自动化》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111030110A (zh) * 2019-12-28 2020-04-17 福州大学 一种考虑电转气消纳风电的电力-天然气耦合系统鲁棒协同调度方法
CN111030110B (zh) * 2019-12-28 2021-05-18 福州大学 一种考虑电转气消纳风电的电力-天然气耦合系统鲁棒协同调度方法
CN112381263A (zh) * 2020-09-23 2021-02-19 四川大学 基于区块链分布式数据存储多微网日前鲁棒电能交易方法
CN112381263B (zh) * 2020-09-23 2023-07-14 四川大学 基于区块链分布式数据存储多微网日前鲁棒电能交易方法
CN112332461A (zh) * 2020-11-13 2021-02-05 上海电力大学 一种基于二阶段鲁棒模型的多能微网群控制方法
CN113250768A (zh) * 2021-06-17 2021-08-13 汉谷云智(武汉)科技有限公司 一种热电联产供热机组热电负荷优化方法
CN113393054A (zh) * 2021-07-05 2021-09-14 华北电力大学 一种风储联合系统的优化调度方法及优化调度系统
CN113393054B (zh) * 2021-07-05 2023-11-24 华北电力大学 一种风储联合系统的优化调度方法及优化调度系统

Similar Documents

Publication Publication Date Title
CN110543966A (zh) 一种电热气联供的微能源网的日前调度优化方法
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法
CN107104462B (zh) 一种用于风电场储能调度的方法
CN103593711B (zh) 一种分布式电源优化配置方法
CN110661301B (zh) 一种水光蓄多能互补发电系统的容量配置优化方法
CN110829408A (zh) 基于发电成本约束的计及储能电力系统的多域调度方法
CN114389272A (zh) 一种应用于风光储新能源电站的多模式协调控制方法
CN105071422A (zh) 分散式接入风电场的风-氢储能耦合系统控制方法
CN115577929A (zh) 基于多场景分析的乡村综合能源系统随机优化调度方法
CN111525625A (zh) 一种考虑燃气机组的日前计划制定方法及系统
CN115222213A (zh) 一种电网配电管理规划方法及系统
Lin et al. Optimal dispatching of combined heat and power system considering the power demand elasticity of hydrogen storage active load
CN111144633A (zh) 一种cchp微电网运行优化方法
Sun et al. Review on pumped storage power station in high proportion renewable energy power system
Zhang et al. Optimized scheduling model for isolated microgrid of wind-photovoltaic-thermal-energy storage system with demand response
CN113742944A (zh) 一种考虑电制氢系统的虚拟电厂建模方法
CN114050609A (zh) 一种高比例新能源电力系统自适应鲁棒日前优化调度方法
CN110070216B (zh) 一种工业园区综合能源系统经济运行优化方法
CN115882483A (zh) 一种利用容量弹性实现系统最优储能容量配置的方法
CN114399162A (zh) 一种基于能源调度时间自适应变化的滚动优化调度方法
CN115459349A (zh) 一种风光水火储多源经济-低碳协同调度方法
CN115940284A (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN114091917A (zh) 冷热电联供型微电网动态环保经济调度方法及系统
Ma et al. Multi-objective optimal scheduling of power system considering the coordinated operation of photovoltaic-wind-pumped storage hybrid power
Yang et al. Summary of energy storage systems and renewable energy participation in AGC research

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: 20191206