CN110707711B - 一种用户侧综合能源系统分级调控方法及系统 - Google Patents

一种用户侧综合能源系统分级调控方法及系统 Download PDF

Info

Publication number
CN110707711B
CN110707711B CN201810753152.7A CN201810753152A CN110707711B CN 110707711 B CN110707711 B CN 110707711B CN 201810753152 A CN201810753152 A CN 201810753152A CN 110707711 B CN110707711 B CN 110707711B
Authority
CN
China
Prior art keywords
energy
regulation
load
demand
control
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.)
Active
Application number
CN201810753152.7A
Other languages
English (en)
Other versions
CN110707711A (zh
Inventor
李�昊
赵宝国
李斌
霍现旭
刘畅
李文
赵新
林晶怡
张静
覃剑
赵洪磊
王剑锋
李国栋
孙龙彪
张筱慧
娄铖伟
李佳馨
吴邦旭
唐巍
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
China Agricultural University
China Electric Power Research Institute Co Ltd CEPRI
State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Agricultural University
China Electric Power Research Institute Co Ltd CEPRI
State Grid Tianjin 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, China Agricultural University, China Electric Power Research Institute Co Ltd CEPRI, State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201810753152.7A priority Critical patent/CN110707711B/zh
Publication of CN110707711A publication Critical patent/CN110707711A/zh
Application granted granted Critical
Publication of CN110707711B publication Critical patent/CN110707711B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种用户侧综合能源系统调控方法，其特征在于，包括：根据用户侧负荷用能需求和时序规律，将调控周期划分调控时段；基于所述调控时段采用模糊聚类算法进行计算，得到用能分级；基于所述调控时段、用能分级，结合能源设备能量价值标签排序进行调控。实现了在不同的调控场景、不同的调控时段下设置不同的分级标准，使得用户侧综合能源系统分级调控更加合理和灵活，解决了无法对能源的产生分配实现供需平衡的问题。

Description

一种用户侧综合能源系统分级调控方法及系统
技术领域
本发明涉及综合能源，具体涉及一种用户侧综合能源系统分级调控方法及系统。
背景技术
用户侧的综合能源系统是一种存在多种能源交互与互补的能源综合网络。用户侧综合能源系统在运行过程中，无法对各种能源的产生、传输与分配、转换、存储、消费、交易实现供需平衡、可再生能源消纳和平抑。用户侧的综合能源系统既可以将所有单元在一个层次上进行管控，也可以根据用能负荷和供能设备的空间分布，划分为若干能源站，进行分层管控。
发明内容
为了解决现有技术中所存在的上述不足，本发明提供一种用户侧综合能源系统分级调控方法及系统。
本发明提供的技术方案是：
一种用户侧综合能源系统调控方法，包括：
根据用户侧负荷用能需求和时序规律，将调控周期划分调控时段；
基于所述调控时段采用模糊聚类算法进行计算，得到用能分级；
基于所述调控时段、用能分级，结合能源设备能量价值标签排序进行调控。
优选的，所述根据用户侧负荷用能需求和时序规律，将调控周期划分调控时段包括：
判断用户侧负荷用能需求出现波动的时间是否一致，若是，则按照波动的时间划分调控时段；
否则，采用模糊聚类方法划分调控时段。
优选的，所述采用模糊聚类方法划分调控时段包括：
将采集的用户负荷数据进行归一化处理得到负荷曲线，对所述负荷曲线做滤波、移动平均、指数平均、曲线拟合处理；
将处理后的所述负荷曲线进行标幺化处理；
采用模糊聚类算法将所述标幺化处理后的负荷曲线划分调控时段。
优选的，将所述负荷曲线进行标幺化处理，如下式所示：
Figure BDA0001726088940000021
式中：xt为标幺化后的负荷曲线第t时刻值；Pt为原负荷曲线第t时刻的负荷值；Pmax负荷曲线最大负荷值。
优选的，所述采用模糊聚类算法将所述标幺化处理后的负荷曲线划分调控时段，包括：
将调控时段的个数作为聚类个数，基于所述标幺化处理后的负荷曲线构建隶属度矩阵和聚类中心，进行迭代计算；
将属于同一聚类中心的，且相邻的负荷点划分为同一时段；
所述标幺化处理后的负荷曲线包括：冷热电供需数据。
优选的，所述模糊聚类算法包括：如下式目标函数：
Figure BDA0001726088940000022
式中：U为基于标幺化处理后的负荷曲线构建的隶属度矩阵；i为冷热电供需数据样本编号；k为聚类中心编号；uik为冷热电供需数据xi对类Ak的隶属度；dik第i个冷热电供需数据样本xi与第k类中心之间的距离；b为加权参数，取值范围是1≤b≤∞；
其中，所述dik，按下式计算：
Figure BDA0001726088940000023
式中，m为样本的特征数；i为冷热电供需数据样本编号；k为聚类中心编号。
优选的，所述隶属度矩阵，按下式进行构建：
Figure BDA0001726088940000024
式中，uik为冷热电供需数据xi对类Ak的隶属度；i为冷热电供需数据样本编号；k为聚类中心编号；dik为第i个冷热电供需数据样本xi与第k类中心之间的距离；r为迭代次数；b为加权参数，取值范围是1≤b≤∞。
优选的，所述聚类中心，按下式进行构建：
Figure BDA0001726088940000031
式中，
Figure BDA0001726088940000032
为聚类中心；n为冷热电供需数据样本；uik为冷热电供需数据xi对类Ak的隶属度；r为迭代次数；k为聚类中心编号；i冷热电供需数据样本编号；b为加权参数，取值范围是1≤b≤∞。
优选的，所述基于所述调控时段采用模糊聚类算法进行计算，得到用能分级，包括：
基于每个所述调控时段内以综合能源系统用能分级个数作为聚类个数，基于所述标幺化处理后的负荷曲线构建隶属度矩阵和聚类中心，进行迭代计算；
将属于同一聚类中心的，作为一个所述综合能源系统的用能分级。
优选的，所述综合能源系统的用能分级，包括：基础级、中间级和调峰级；
所述基础级为：在每个所述调控时段内的标幺化处理后的负荷曲线上，不大于给定第一用能水平的部分；
所述基调峰级为：在每个所述调控时段内的标幺化处理后的负荷曲线上，大于给定第二用能水平的部分；
剩余的部分为所述调峰级。
优选的，所述基于所述调控时段、用能分级，结合能源设备能量价值标签排序进行调控，包括：
基于能量价值标签排序获取能源设备出力优先权顺序；
通过所述能源设备出力优先权顺序、调控时段、用能分级，进行能源供需平衡调控。
优选的，所述基于能量价值标签排序获取能源设备出力优先权顺序，包括：
将能源设备基于所述能量价值标签排序的顺序转化为量化指标，并根据所述量化指标由大到小进行排序；
根据能源设备的出力水平和量化指标计算所述能源设备的排序加权出力水平；
根据所述能源设备的排序加权出力水平由大到小进行所述能源设备的出力优先权顺序排序。
优选的，所述通过所述能源设备出力优先权顺序、调控时段、用能分级，进行能源供需平衡调控，包括：
通过所述能源设备出力优先权顺序对基础级的负荷需求进行调控；
在完成对基础级的负荷需求进行调控后，将所述能源设备中存在剩余容量的能源设备，按照所述能源设备出力优先权的顺序对中间级的负荷需求进行调控；
在完成中间级的的负荷需求进行调控后，采用预留调峰设备的调峰容量平衡调峰级负荷需求，和/或采用存在剩余容量的能源设备按照所述能源设备出力优先权的顺序对调峰级的负荷需求进行调控。
一种用户侧综合能源系统分级调控系统，所述系统包括：
划分模块：用于根据用户侧负荷用能需求和时序规律，将调控周期划分调控时段；
分级模块：用于在所述调控时段内采用模糊聚类法设定不同的分级标准，并对所述综合能源系统进行分级；
调控模块：用于在所述调控时段内根据获取的能源设备能量价值标签排序对综合能源系统进行分级供需平衡调控。
优选的，所述划分模块，包括：
判断子模块：用于判断用户侧负荷用能需求是否具有显著特性；
第一划分子模块：用于按照显著特性划分调控时段；
第二划分子模块：用于采用模糊聚类方法划分调控时段。
优选的，所述分级模块，包括：
排序子模块：用于根据模糊聚类方法分解用能需求水平，并对所述用能需求水平对应的功率值进行排序；
分级子模块：用于根据所述用能需求水平对用户侧综合能源系统用能需求分级。
与现有技术相比，本发明的有益效果为：
1、本发明提供了一种用户侧综合能源系统调控方法，其特征在于，包括：根据用户侧负荷用能需求和时序规律，将调控周期划分调控时段；基于所述调控时段采用模糊聚类算法进行计算，得到用能分级；基于所述调控时段、用能分级，结合能源设备能量价值标签排序进行调控。本发明提供技术方案操作简单，能源调控合理且灵活。
2、本发明提供的技术方案合理可行，实现了供需平衡、满足用户用能需求的同时，兼顾各利益主体的经济效益、国家能源战略。
附图说明
图1为本发明一种用户侧综合能源系统分级调控方法的流程图；
图2为本发明的科技园区典型日负荷曲线示意图；
图3为本发明的科技园区典型日调控时段划分示意图；
图4为本发明的负荷曲线平滑处理示意图；
图5为本发明的典型日负荷标幺曲线调控时段划分结果；
图6-1为本发明的电负荷典型日负荷曲线分时段调控分级结果示意图。
图6-2为本发明的热负荷典型日负荷曲线分时段调控分级结果示意图。
图6-3为本发明的冷负荷典型日负荷曲线分时段调控分级结果示意图。
图中：1为冷负荷；2为电负荷；3为热负荷；4为调峰级负荷需求；5为中间级负荷需求：6为基础级负荷需求。
具体实施方式
具体实施例一：
如图1所示的一种用户侧综合能源系统调控方法，包括：
根据用户侧负荷用能需求和时序规律，将调控周期划分调控时段；
基于所述调控时段采用模糊聚类算法进行计算，得到用能分级；
基于所述调控时段、用能分级，结合能源设备能量价值标签排序进行调控。
优选的，所述根据用户侧负荷用能需求和时序规律，将调控周期划分调控时段包括：
判断用户侧负荷用能需求出现波动的时间是否一致，若是，则按照波动的时间划分调控时段；
否则，采用模糊聚类方法划分调控时段。
优选的，所述采用模糊聚类方法划分调控时段包括：
将采集的用户负荷数据进行归一化处理得到负荷曲线，对所述负荷曲线做滤波、移动平均、指数平均、曲线拟合处理；
将处理后的所述负荷曲线进行标幺化处理；
采用模糊聚类算法将所述标幺化处理后的负荷曲线划分调控时段。
优选的，将所述负荷曲线进行标幺化处理，如下式所示：
Figure BDA0001726088940000061
式中：xt为标幺化后的负荷曲线第t时刻值；Pt为原负荷曲线第t时刻的负荷值；Pmax负荷曲线最大负荷值。
优选的，所述采用模糊聚类算法将所述标幺化处理后的负荷曲线划分调控时段，包括：
将调控时段的个数作为聚类个数，基于所述标幺化处理后的负荷曲线构建隶属度矩阵和聚类中心，进行迭代计算；
将属于同一聚类中心的，且相邻的负荷点划分为同一时段；
所述标幺化处理后的负荷曲线包括：冷热电供需数据。
优选的，所述模糊聚类算法包括：如下式目标函数：
Figure BDA0001726088940000062
式中：U为基于标幺化处理后的负荷曲线构建的隶属度矩阵；i为冷热电供需数据样本编号；k为聚类中心编号；uik为冷热电供需数据xi对类Ak的隶属度；dik第i个冷热电供需数据样本xi与第k类中心之间的距离；b为加权参数，取值范围是1≤b≤∞；
其中，所述dik，按下式计算：
Figure BDA0001726088940000071
式中，m为样本的特征数；i为冷热电供需数据样本编号；k为聚类中心编号。
优选的，所述隶属度矩阵，按下式进行构建：
Figure BDA0001726088940000072
式中，uik为冷热电供需数据xi对类Ak的隶属度；i为冷热电供需数据样本编号；k为聚类中心编号；dik为第i个冷热电供需数据样本xi与第k类中心之间的距离；r为迭代次数；b为加权参数，取值范围是1≤b≤∞。
优选的，所述聚类中心，按下式进行构建：
Figure BDA0001726088940000073
式中，
Figure BDA0001726088940000074
为聚类中心；n为冷热电供需数据样本；uik为冷热电供需数据xi对类Ak的隶属度；r为迭代次数；k为聚类中心编号；i冷热电供需数据样本编号；b为加权参数，取值范围是1≤b≤∞。
优选的，所述基于所述调控时段采用模糊聚类算法进行计算，得到用能分级，包括：
基于每个所述调控时段内以综合能源系统用能分级个数作为聚类个数，基于所述标幺化处理后的负荷曲线构建隶属度矩阵和聚类中心，进行迭代计算；
将属于同一聚类中心的，作为一个所述综合能源系统的用能分级。
优选的，所述综合能源系统的用能分级，包括：基础级、中间级和调峰级；
所述基础级为：在每个所述调控时段内的标幺化处理后的负荷曲线上，不大于给定第一用能水平的部分；
所述基调峰级为：在每个所述调控时段内的标幺化处理后的负荷曲线上，大于给定第二用能水平的部分；
剩余的部分为所述调峰级。
优选的，所述基于所述调控时段、用能分级，结合能源设备能量价值标签排序进行调控，包括：
基于能量价值标签排序获取能源设备出力优先权顺序；
通过所述能源设备出力优先权顺序、调控时段、用能分级，进行能源供需平衡调控。
优选的，所述基于能量价值标签排序获取能源设备出力优先权顺序，包括：
将能源设备基于所述能量价值标签排序的顺序转化为量化指标，并根据所述量化指标由大到小进行排序；
根据能源设备的出力水平和量化指标计算所述能源设备的排序加权出力水平；
根据所述能源设备的排序加权出力水平由大到小进行所述能源设备的出力优先权顺序排序。
优选的，所述通过所述能源设备出力优先权顺序、调控时段、用能分级，进行能源供需平衡调控，包括：
通过所述能源设备出力优先权顺序对基础级的负荷需求进行调控；
在完成对基础级的负荷需求进行调控后，将所述能源设备中存在剩余容量的能源设备，按照所述能源设备出力优先权的顺序对中间级的负荷需求进行调控；
在完成中间级的的负荷需求进行调控后，采用预留调峰设备的调峰容量平衡调峰级负荷需求，和/或采用存在剩余容量的能源设备按照所述能源设备出力优先权的顺序对调峰级的负荷需求进行调控。
具体实施例二：
一种用户侧综合能源系统分级调控系统，所述系统包括：
划分模块：用于根据用户侧负荷用能需求和时序规律，将调控周期划分调控时段；
分级模块：用于在所述调控时段内采用模糊聚类法设定不同的分级标准，并对所述综合能源系统进行分级；
调控模块：用于在所述调控时段内根据获取的能源设备能量价值标签排序对综合能源系统进行分级供需平衡调控。
优选的，所述划分模块，包括：
判断子模块：用于判断用户侧负荷用能需求是否具有显著特性；
第一划分子模块：用于按照显著特性划分调控时段；
第二划分子模块：用于采用模糊聚类方法划分调控时段。
优选的，所述分级模块，包括：
排序子模块：用于根据模糊聚类方法分解用能需求水平，并对所述用能需求水平对应的功率值进行排序；
分级子模块：用于根据所述用能需求水平对用户侧综合能源系统用能需求分级。
具体实施例三
为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。
以各类高新技术研发机构、服务机构等为主的科技园区是用户侧综合能源系统的一种典型场景，日前调度是典型的优化调控内容，本发明以科技园区一日24小时的调度计划为例，说明考虑冷/热/电供需平衡的分级方法和基于能量价值标签排序的分级调控框架。
1用户侧综合能源系统中能源设备和负荷特性
(1)燃气供能设备
燃气轮机以天然气为燃料，产生的电力供应用户的电力需求，系统发电后排出的余热通过余热回收利用设备向用户供热、供冷。燃气轮机的发电功率为Pgt，供热功率为αhPgt，制冷功率为αcPgt。燃气轮机可实现冷/热/电联供，具有较高的供能效率。
燃气锅炉的供热功率为PGB。燃气锅炉适用于大功率集中供热。
(2)间歇性发电装置
光伏发电装置t时刻光伏发电装置的发电功率为
Figure BDA0001726088940000101
与t时刻光照强度、光伏电池板的方位角、倾斜角等安装方式相关。光伏发电装置的出力具有时序性和随机性。
(3)能量转换设备
热泵的额定功率为PEH，耗电功率为βePEH，产热功率为βhPEH，产冷功率为βcPEH。热泵具有很高的供能效率。
电制冷压缩机制冷的产冷功率为PEC，耗电功率为γECPEC。
溴化锂制冷机的产冷功率PHC，耗热功率为δHCPHC。
(4)能量存储设备
系统中的储电设备t时刻存储的电能为Et，储电设备的充电功率和放电功率分别为
Figure BDA0001726088940000102
和
Figure BDA0001726088940000103
系统中的储能设备t时刻存储的热能为Ht，储热设备的蓄热功率和放热功率分别为
Figure BDA0001726088940000104
和
Figure BDA0001726088940000105
系统中的储能设备t时刻存储的冷能为Ct，储冷设备的蓄冷功率和放冷功率分别为
Figure BDA0001726088940000106
和
Figure BDA0001726088940000107
(5)能量消耗需求
科技园区用能需求在不同的季节会呈现较大的差异性，夏季工况冷负荷和电负荷需求量大，热负荷需求量相对较小；冬季工况热负荷和电负荷需求量大，冷负荷需求量相对较小；春秋季工况则电负荷需求量大，冷热负荷需求量相对较小。日负荷曲线则表现为白天工作时间用能需求量大，由于加班现象常见，导致晚间用能需求也较高，夜间用能需求量较小。用户用能需求受气象条件等因素影响很大，极端天气下用能需求增长显著。用能端“电能替代”会使部分冷热负荷向电负荷的转移，使用冷用热需求降低而用电需求增大。图2为科技园区典型日负荷曲线示意图。
2用户侧综合能源系统调控周期内调控时段划分方法
考虑冷/热/电供需平衡的用户侧综合能源系统的分级调控的分级标准应与用能负荷水平相适应，在不同的用能场景应采用不同的分级标准。当调控周期为一日时，若日用能特性存在较大峰谷差，采用统一的分级标准进行分级调控并不能取得满意的优化效果，因此需要根据用能特性将调控周期24小时分割成若干调控时段，在每个时段采用不同的分级标准。
(1)按照显著用能时序特性划分调控时段
如果园区各用户用能同时率较高，则用能水平出现波动的时间相对一致，因此可以采用用能水平集中出现波动的时刻作为调控时段分界点。
如图2所示科技园区夏季场景下的日用能负荷曲线，上午8-9时一天的工作开始时间，电/冷/热负荷明显增长，白天工作时间电/冷/热负荷均处于较高水平；17-18时应为下班时间，但由于科技开发人员加班工作，18-22时的负荷水平依然很高；24时之后负荷水平才恢复至休息时间的低水平。由于该园区负荷具有明显的时序规律，因此可将24小时的调控周期划分为0时-8时、8时-17时、17时-24时三个调控时段，如图3所示。
(2)采用模糊聚类方法划分调控时段
如果园区各用户用能同时率较分散，负荷用能需求时序一致性不够显著时，可采用模糊聚类方法寻求调控时段划分的分界点。
聚类是根据数据间相似性，将一个数据集划分为若干个子集的过程，使得同一集合内的数据对象具有较高的相似度，而不同集合中的数据对象相似度很小或者不相似。模糊C-均值聚类(FCM)算法融入了模糊集概念，运算速度快，可有效处理大数据集，在许多领域获得了非常成功的应用。
1)负荷曲线预处理
负荷曲线具有明显短时波动时(如图4中的原负荷曲线)，这种波动会干扰模糊聚类分析效果，因此需要预先去除这种波动影响，只提取负荷水平的变化规律(如图4中的平滑曲线)。
负荷曲线预处理方法可采用滤波、移动平均、指数平均、曲线拟合等方法实现。
2)负荷曲线标幺化处理
园区负荷众多，用能种类多样、负荷水平大小不一，在量纲和数量级都不统一的情况下进行聚类分析，往往难以获得理想的结果。因此需要对经过预处理的负荷曲线再进行标幺化处理，把参与聚类的负荷值压缩到[0,1]闭空间，以去除量纲、数量级差异的影响。
以参与聚类的负荷曲线最大负荷值Pmax为基准值进行标幺化处理：
Figure BDA0001726088940000121
式中：xt为标幺化后的负荷曲线第t时刻值；Pt为原负荷曲线第t时刻的负荷值。
3)模糊聚类算法划分调控时段
模糊C均值聚类算法如下：
设n个数据样本为X＝{x1,x2,…,xn}，则目标函数J可以用下式表达：
Figure BDA0001726088940000122
其中，
Figure BDA0001726088940000123
约束条件为：
Figure BDA0001726088940000124
式中：U为隶属度矩阵，{v1,v2,…vc}为各类聚类中心；c(1≤c≤n)为聚类中心的数目；uk(xi)为样本xi对类Ak的隶属度(简写为uik)，dik为欧几里得距离，用来度量第i个样本xi与第k类中心之间的距离，b为加权参数，取值范围是1≤b≤∞，m为样本的特征数。
式(5)与式(6)分别用于计算样本xi对于类Ak的隶属度uik和最佳聚类中心{vi}：
Figure BDA0001726088940000131
Figure BDA0001726088940000132
进行聚类计算时设定聚类个数c，对隶属度矩阵、聚类中心初始化，设r＝0，根据公式(2)计算目标函数J；由式(5)和式(6)反复迭代更新隶属度矩阵U和聚类中心v，每迭代一次令r＝r+1；根据给定阈值ρ和|J(r+1)-J(r)|的大小关系判断是否停止迭代。迭代过程结束，实现对样本的聚类分析并获得聚类中心。将所有数据按最大隶属度归类获得各时刻负荷值所属类别。若第i个数据划归到第j类，则需满足下式：
Figure BDA0001726088940000133
聚类的结果没有时序特征，而负荷曲线具有时序性，因此需要将各负荷值按其出现的时间顺序排列，将属于同一聚类中心且相邻的负荷点划分为同一时段。
以某园区4个典型负荷为例，经模糊聚类方法将日负荷曲线划分为5段，其调控时段分界点标记于图5中。
3用户侧综合能源系统用能需求分级方法
利用前述模糊聚类算法将负荷用能需求划分为基础级、中间级和调峰级三个级别。
(1)采用模糊聚类方法分解用能需求水平
设定聚类数c＝3，样本曲线的数据个数m，调控周期采用一整日24小时。若采样周期为1小时，则数据个数m＝24；采样周期为15分钟，则数据个数m＝96。利用聚类算法求取聚类中心A、B、C；将一日的负荷用能需求水平分解为A、B、C三个水平。
如图2所示科技园区典型日负荷曲线，采用c＝3、m＝96进行聚类分析，可将用电需求分解为884kW、1720kW、1960kW三个水平；用热需求分解为647kW、772kW、886kW三个水平；用冷需求分解为1065kW、1196kW、1721kW三个水平。
由图2可见，该园区的电、冷负荷在一日之内有较大的起伏，若按照全天负荷需求分级调控，会导致设备利用不充分、调控效果不理想，因此应将调控周期分段。将24小时共计96个数据点的调控周期划分为0时-8时、8时-17时、17时-24时三个调控时段，分别进行聚类分析，并分别进行负荷用能需求水平分解。
在0时-8时第一时段，采用c＝3、m＝33进行聚类分析，可将用电需求分解为752kW、956kW、1104kW三个水平；用热需求分解为616kW、663kW、695kW三个水平；用冷需求分解为934kW、1183kW、1430kW三个水平。
在8时-17时第二时段，采用c＝3、m＝37进行聚类分析，可将用电需求分解为1481kW、2024kW、2166kW三个水平；用热需求分解为816kW、868kW、850kW三个水平；用冷需求分解为1490kW、1810kW、1990kW三个水平。
在17时-24时第三时段，采用c＝3、m＝26进行聚类分析，可将用电需求分解为1527kW、1744kW、1967kW三个水平；用热需求分解为702kW、786kW、852kW三个水平；用冷需求分解为1105kW、1350kW、1482kW三个水平。
(2)用户侧综合能源系统用能需求分级
一个调控时段的负荷用能需求水平被分解为A、B、C三个水平，设负荷功率最大值为Pmax、水平A的功率值为PA、水平B的功率值为PB、水平C的功率值为PC，且PA<PB<PC，则以功率值PA、PB作为该时段用能需求的分级标准，负荷用能功率小于等于PA部分为基础级负荷需求、PB-PA部分为中间级负荷需求、Pmax-PB部分为调峰级负荷需求。
如图2所示科技园区典型日负荷曲线，其电、热、冷负荷需求在各调控时段的分级结果如图6-1至图6-3所示。
由此，该园区用能需求在0时-8时第一时段，基础级的电能需求673-752kW、热能需求为598-616kW、冷能需求为831-943kW；中间级的电能需求为752-956kW、热能需求为616-663kW、冷能需求为934-1183W；调峰级的电能需求为956-1370kW、热能需求为663-748kW、冷能需求为1183-1520kW。
在8时-17时第二时段，基础级的电能需求为1238-1481kW、热能需求为764-816kW、冷能需求为1330-1490kW；中间级的电能需求为1481-2024kW、热能需求为816-868kW、冷能需求为1490-1810kW；调峰级的电能需求为2024-2218kW、热能需求为868-988kW、冷能需求为1810-2080kW。
在17时-24时第三时段，基础级的电能需求为1440-1527kW、热能需求为680-702kW、冷能需求为1075-1105kW；中间级的电能需求为1527-1744kW、热能需求为702-786kW、冷能需求为1105-1350kW；调峰级的电能需求为1744-2218kW、热能需求为786-872kW、冷能需求为1350-1610kW。
4用户侧综合能源系统基于能源价值标签排序的供需平衡方法
在智慧城市用户侧综合能源系的不同用能场景下，能源设备的综合能效排序并不一致，调控目标也不一致，因此需要针对不同的应用场景和优化目标，得出特定的能量价值标签排序结果。基于能量价值标签排序获取能源设备出力优先权顺序，根据能源设备出力优先权顺序和调控时段用能需求分级结果进行供需平衡分析，用以实现用户侧综合能源系统分级调控。
(1)基于能量价值标签排序获取能源设备出力优先权控制方法
在特定场景下，用户侧综合能源系统内的能源设备都具备了基于能量价值标签的排序顺序，需要将这种优先顺序转化为可计算的量化指标。
设用户侧综合能源系内设备s在t时刻所属场景下的排序权重为wt.s，且该权系数小于等于1，取值决定于排序顺序，排序第一的设备其排序权重为1，其他设备的排序权重依照排序顺序递减，顺序越靠后则排序权重越小。
设用户侧综合能源系统内设备s的额定功率为
Figure BDA0001726088940000151
在t时刻的实际出力为
Figure BDA0001726088940000152
设备的出力水平(即输出功率标幺值)为
Figure BDA0001726088940000153
考虑能量价值标签排序，则该设备的排序加权出力水平为
Figure BDA0001726088940000154
按照基于能量价值标签排序的能源设备出力优先权控制策略，用户侧综合能源系所有能源设备的排序加权出力水平和越大，则说明排序靠前的设备利用越充分，因此可设置调控目标为能源设备排序加权出力水平最大化，即：
Figure BDA0001726088940000155
其标幺化形式为：
Figure BDA0001726088940000161
式中：VE、VE *表示基于能量价值标签排序的能源设备排序加权出力和及其标幺值；
Figure BDA0001726088940000162
表示系统内第s个设备的额定功率(kW)；
Figure BDA0001726088940000163
表示系统内第s个设备t时刻的实际出力(kW)；wt.s表示系统内第s个设备在t时刻所属场景下的排序权重。
在用户侧综合能源系统的优化调控目标中加入式(8)或式(9)所示设备出力优先权控制目标，构造多目标控制，即可实现考虑能量价值标签排序的综合能源系统运行优化控制。
(2)分级能量供需平衡分析方法
本发明采用分级调控策略，分别从基础级、中间级和调峰级三个等级进行分级调控，因此供需平衡也需要分成三级并分别进行平衡分析。
1)基础级能量供需平衡分析
基础级的负荷需求数量大且持续时间长，因此应按照系统中能源设备的能量价值标签排序，优先由排序靠前的能源设备供能。
当用户侧综合能源系统由若干座能源站及互联网络组成时，原则上应优先进行能源站内部的供需平衡，必要时增加能源站间互济。因峰级负荷需求持续时间短、需求量较小，采用由站内排序靠后的能源设备供能的方案，与采用站间互济供能的方案相比较，前者的经济效益会更好。因此，可考虑在能源站中预留一定设备容量PAC＝Pmax-PB，作为调峰之用。预留调峰容量的能源设备应满足两个条件：具有足够的出力调节速度，以满足调峰负荷快速波动；能量价值标签排序位置在最后，出力优先权控最低。因此，能源站内基础级调控设备的最大调控能力为设备允许最大出力与调峰容量之差，调控能力不足时需要有其他能源站提供支持。因此，能源站内基础级供需平衡可表达为：
Figure BDA0001726088940000164
式中：
Figure BDA0001726088940000165
表示当前调控时段内第j座能源站t时刻的基础级负荷需求；
Figure BDA0001726088940000167
表示当前调控时段内第j座能源站内第s个设备t时刻的最大出力极限；
Figure BDA0001726088940000166
表示当前调控时段内第j座能源站预留的调峰容量；
Figure BDA0001726088940000171
表示当前调控时段内第j座能源站t时刻由其他能源站交互的基础级供能功率，正值表示第j座能源站从其他能源站吸收功率，负值表示第j座能源站向其他能源站提供功率。
用户侧综合能源系统在当前调控时段基础级供需平衡可表达为：
Figure BDA0001726088940000172
式中：k表示用户侧综合能源系统中所含能源站的座数。
2)中间级能量供需平衡分析
中间级的负荷需求数量和持续时间一般都小于基础级，因此应按照系统能源设备的能量价值标签排序，优先由排序靠前的系统中尚有出力能力的能源设备供能。
在完成了基础级供需平衡之后，会有部分设备已达到出力极限，不再参与中间级供需平衡；有部分设备已有功率输出，只有剩余容量参与中间级供需平衡。同时仍需预留调峰容量。因此，能源站内中间级供需平衡可表达为：
Figure BDA0001726088940000173
式中：
Figure BDA0001726088940000174
表示当前调控时段内第j座能源站t时刻的中间级负荷需求；
Figure BDA0001726088940000175
表示当前调控时段内第j座能源站t时刻由其他能源站交互的中间级供能功率。
用户侧综合能源系统在当前调控时段中间级供需平衡可表达为：
Figure BDA0001726088940000176
3)调峰级能量供需平衡分析
调峰级负荷需求量较小、持续时间短、波动速度快，从调峰经济性的角度出发，采用站内供需平衡方式效益会更好。
在完成了基础级和中间级供需平衡之后，可以利用预留调峰设备的调峰容量平衡调峰级负荷，其他设备的剩余容量也可参与调峰级供需平衡。因此，能源站内调峰级供需平衡可表达为：
Figure BDA0001726088940000177
或
Figure BDA0001726088940000181
式中：
Figure BDA0001726088940000182
表示当前调控时段内第j座能源站t时刻的调峰级负荷需求。
在不同调控时段按照上述分级调控方法分别进行供需平衡分析。
综上，本发明根据负荷用能需求及其时序规律，将调控周期划分成适当的调控时段，在每个调控时段内，利用模糊聚类法设定不同的分级标准，将负荷用能分解成三个不同等级，即基础级、中间级、调峰级，并获得相应的分级负荷曲线，并在每个调控时段内，基于能量价值标签排序进行分级调控，并进行供需平衡分析。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (10)

1.一种用户侧综合能源系统调控方法，其特征在于，包括：
根据用户侧负荷用能需求和时序规律，将调控周期划分调控时段；
基于所述调控时段采用模糊聚类算法进行计算，得到用能分级；
基于所述调控时段、用能分级，结合能源设备能量价值标签排序进行调控；
所述根据用户侧负荷用能需求和时序规律，将调控周期划分调控时段包括：
判断用户侧负荷用能需求出现波动的时间是否一致，若是，则按照波动的时间划分调控时段；
否则，采用模糊聚类方法划分调控时段；
所述采用模糊聚类方法划分调控时段包括：
将采集的用户负荷数据进行归一化处理得到负荷曲线，对所述负荷曲线做滤波、移动平均、指数平均、曲线拟合处理；
将处理后的所述负荷曲线进行标幺化处理；
采用模糊聚类算法将所述标幺化处理后的负荷曲线划分调控时段；
所述基于所述调控时段采用模糊聚类算法进行计算，得到用能分级，包括：
基于每个所述调控时段内以综合能源系统用能分级个数作为聚类个数，基于所述标幺化处理后的负荷曲线构建隶属度矩阵和聚类中心，进行迭代计算；
将属于同一聚类中心的，作为一个所述综合能源系统的用能分级；
所述基于所述调控时段、用能分级，结合能源设备能量价值标签排序进行调控，包括：
基于能量价值标签排序获取能源设备出力优先权顺序；
通过所述能源设备出力优先权顺序、调控时段、用能分级，进行能源供需平衡调控；
所述基于能量价值标签排序获取能源设备出力优先权顺序，包括：
将能源设备基于所述能量价值标签排序的顺序转化为量化指标，并根据所述量化指标由大到小进行排序；
根据能源设备的出力水平和量化指标计算所述能源设备的排序加权出力水平；
根据所述能源设备的排序加权出力水平由大到小进行所述能源设备的出力优先权顺序排序；
所述通过所述能源设备出力优先权顺序、调控时段、用能分级，进行能源供需平衡调控，包括：
通过所述能源设备出力优先权顺序对基础级的负荷需求进行调控；
在完成对基础级的负荷需求进行调控后，将所述能源设备中存在剩余容量的能源设备，按照所述能源设备出力优先权的顺序对中间级的负荷需求进行调控；
在完成中间级的负荷需求进行调控后，采用预留调峰设备的调峰容量平衡调峰级负荷需求，和/或采用存在剩余容量的能源设备按照所述能源设备出力优先权的顺序对调峰级的负荷需求进行调控。
2.如权利要求1所述的一种用户侧综合能源系统调控方法，其特征在于，将所述负荷曲线进行标幺化处理，如下式所示：
Figure FDA0003682878430000021
式中：xt为标幺化后的负荷曲线第t时刻值；Pt为原负荷曲线第t时刻的负荷值；Pmax负荷曲线最大负荷值。
3.如权利要求1所述的一种用户侧综合能源系统调控方法，其特征在于，所述采用模糊聚类算法将所述标幺化处理后的负荷曲线划分调控时段，包括：
将调控时段的个数作为聚类个数，基于所述标幺化处理后的负荷曲线构建隶属度矩阵和聚类中心，进行迭代计算；
将属于同一聚类中心的，且相邻的负荷点划分为同一时段；
所述标幺化处理后的负荷曲线包括：冷热电供需数据。
4.如权利要求3所述的一种用户侧综合能源系统调控方法，其特征在于，所述模糊聚类算法包括：如下式目标函数：
Figure FDA0003682878430000022
式中：U为基于标幺化处理后的负荷曲线构建的隶属度矩阵；i为冷热电供需数据样本编号；k为聚类中心编号；uik为冷热电供需数据xi对类Ak的隶属度；dik第i个冷热电供需数据样本xi与第k类中心之间的距离；b为加权参数，取值范围是1≤b≤∞；
其中，所述dik，按下式计算：
Figure FDA0003682878430000031
式中，m为样本的特征数；i为冷热电供需数据样本编号；k为聚类中心编号。
5.如权利要求3所述的一种用户侧综合能源系统调控方法，其特征在于，所述隶属度矩阵，按下式进行构建：
Figure FDA0003682878430000032
式中，uik为冷热电供需数据xi对类Ak的隶属度；i为冷热电供需数据样本编号；k为聚类中心编号；dik为第i个冷热电供需数据样本xi与第k类中心之间的距离；r为迭代次数；b为加权参数，取值范围是1≤b≤∞。
6.如权利要求3所述的一种用户侧综合能源系统调控方法，其特征在于，所述聚类中心，按下式进行构建：
Figure FDA0003682878430000033
式中，vk (r+1)为聚类中心；n为冷热电供需数据样本；uik为冷热电供需数据xi对类Ak的隶属度；r为迭代次数；k为聚类中心编号；i冷热电供需数据样本编号；b为加权参数，取值范围是1≤b≤∞。
7.如权利要求1所述的一种用户侧综合能源系统调控方法，其特征在于，所述综合能源系统的用能分级，包括：基础级、中间级和调峰级；
所述基础级为：在每个所述调控时段内的标幺化处理后的负荷曲线上，不大于给定第一用能水平的部分；
所述调峰级为：在每个所述调控时段内的标幺化处理后的负荷曲线上，大于给定第二用能水平的部分；
剩余的部分为所述中间级。
8.一种用于如权利要求1-7任一项所述用户侧综合能源系统调控方法的用户侧综合能源系统分级调控系统，其特征在于，所述系统包括：
划分模块：用于根据用户侧负荷用能需求和时序规律，将调控周期划分调控时段；
分级模块：用于在所述调控时段内采用模糊聚类法设定不同的分级标准，并对所述综合能源系统进行分级；
调控模块：用于在所述调控时段内根据获取的能源设备能量价值标签排序对综合能源系统进行分级供需平衡调控。
9.如权利要求8所述的一种用户侧综合能源系统分级调控系统，其特征在于，所述划分模块，包括：
判断子模块：用于判断用户侧负荷用能需求是否具有显著特性；
第一划分子模块：用于按照显著特性划分调控时段；
第二划分子模块：用于采用模糊聚类方法划分调控时段。
10.如权利要求8所述的一种用户侧综合能源系统分级调控系统，其特征在于，所述分级模块，包括：
排序子模块：用于根据模糊聚类方法分解用能需求水平，并对所述用能需求水平对应的功率值进行排序；
分级子模块：用于根据所述用能需求水平对用户侧综合能源系统用能需求分级。
CN201810753152.7A 2018-07-10 2018-07-10 一种用户侧综合能源系统分级调控方法及系统 Active CN110707711B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810753152.7A CN110707711B (zh) 2018-07-10 2018-07-10 一种用户侧综合能源系统分级调控方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810753152.7A CN110707711B (zh) 2018-07-10 2018-07-10 一种用户侧综合能源系统分级调控方法及系统

Publications (2)

Publication Number Publication Date
CN110707711A CN110707711A (zh) 2020-01-17
CN110707711B true CN110707711B (zh) 2022-10-04

Family

ID=69192941

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810753152.7A Active CN110707711B (zh) 2018-07-10 2018-07-10 一种用户侧综合能源系统分级调控方法及系统

Country Status (1)

Country Link
CN (1) CN110707711B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112396301A (zh) * 2020-11-05 2021-02-23 国网天津市电力公司 基于能源大数据驱动的电力用户需求响应特性控制方法
CN112651797B (zh) * 2020-12-18 2024-04-12 国网青海省电力公司 一种基于聚类算法的典型日供需比曲线形成方法
CN117646935A (zh) * 2023-12-06 2024-03-05 深圳市博萱实业有限公司 一种多功能型空气源热泵控制方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102931683A (zh) * 2012-11-02 2013-02-13 浙江工业大学 基于变电站典型日负荷曲线的风光直流微电网并网控制方法
CN104268402A (zh) * 2014-09-25 2015-01-07 国家电网公司 一种基于模糊c均值的电力系统负荷聚类方法
CN107273911A (zh) * 2017-04-24 2017-10-20 国网江西省电力公司赣州供电分公司 一种基于模糊c均值聚类分析的台区负荷精确分类方法
WO2018059096A1 (zh) * 2016-09-30 2018-04-05 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102931683A (zh) * 2012-11-02 2013-02-13 浙江工业大学 基于变电站典型日负荷曲线的风光直流微电网并网控制方法
CN104268402A (zh) * 2014-09-25 2015-01-07 国家电网公司 一种基于模糊c均值的电力系统负荷聚类方法
WO2018059096A1 (zh) * 2016-09-30 2018-04-05 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法及存储介质
CN107273911A (zh) * 2017-04-24 2017-10-20 国网江西省电力公司赣州供电分公司 一种基于模糊c均值聚类分析的台区负荷精确分类方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
综合能源系统规划设计方法;于波等;《电力建设》;20160201;第37卷(第02期);78-84 *

Also Published As

Publication number Publication date
CN110707711A (zh) 2020-01-17

Similar Documents

Publication Publication Date Title
CN107370170B (zh) 一种考虑容量电价和负荷预测误差的储能系统容量配置方法
CN109325608A (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN112131733B (zh) 计及电动汽车充电负荷影响的分布式电源规划方法
CN110707711B (zh) 一种用户侧综合能源系统分级调控方法及系统
CN105811397A (zh) 一种基于多时间尺度的多能互补微网调度方法
CN108876000A (zh) 一种光伏充电站光、储、变压器容量协调优化配置方法
CN110829446B (zh) 一种基于柔性负荷动态特性的台区弹性调度方法与装置
CN110659788A (zh) 一种用户侧综合能源系统的供需平衡分析方法和系统
CN117060474A (zh) 一种新能源充电站的调度方法、系统、设备及存储介质
CN116993205A (zh) 一种面向城市综合能源系统日内运行的调节能力评估方法
CN113991640B (zh) 基于火电的多能互补能源基地能源配置规划方法
Ried et al. Aggregating load shifting potentials of electric vehicles for energy system models
CN115000985A (zh) 一种用户侧分布式储能设施聚合管控方法及系统
CN117332963A (zh) 一种源网荷储协同的虚拟电厂动态优化调度方法及系统
CN108683211B (zh) 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型
CN112307603A (zh) 考虑大规模风电接入的混合储能容量优化配置方法及系统
CN114862163B (zh) 综合能源系统优化调度方法
CN116544987A (zh) 一种综合能源服务站站内协同优化控制方法及相关产品
CN111160384A (zh) 一种移动储能车调度优化方法、系统及装置
CN116131303A (zh) 基于蓄能-储能-光伏电池的综合能源系统协同优化方法
Zec et al. Load management in an off-grid hybrid PV–wind–battery system using the power flow control algorithm and fuzzy logic controller
CN115238992A (zh) 一种电力系统源荷储的协调优化方法、装置及电子设备
CN114723278A (zh) 一种考虑光伏储能的社区微电网调度方法及系统
CN114676921A (zh) 一种考虑源荷储协调优化的系统风电可接纳能力计算方法
Ul Hijaz Paul et al. Development of Short-Term Load Forecasting Model for DSM by Regulating Charging and Discharging of EVs and ESS with RES Based on the Prediction of this Model.

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