CN110826880B - 一种大规模电动汽车接入的主动配电网优化调度方法 - Google Patents

一种大规模电动汽车接入的主动配电网优化调度方法 Download PDF

Info

Publication number
CN110826880B
CN110826880B CN201911020061.3A CN201911020061A CN110826880B CN 110826880 B CN110826880 B CN 110826880B CN 201911020061 A CN201911020061 A CN 201911020061A CN 110826880 B CN110826880 B CN 110826880B
Authority
CN
China
Prior art keywords
power
charging
scheduling
period
distribution network
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
CN201911020061.3A
Other languages
English (en)
Other versions
CN110826880A (zh
Inventor
庄慧敏
刘兴茂
张江林
张绍全
何西凤
邓昌建
谢晓娜
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.)
Chengdu University of Information Technology
Original Assignee
Chengdu University of Information Technology
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 Chengdu University of Information Technology filed Critical Chengdu University of Information Technology
Priority to CN201911020061.3A priority Critical patent/CN110826880B/zh
Publication of CN110826880A publication Critical patent/CN110826880A/zh
Application granted granted Critical
Publication of CN110826880B publication Critical patent/CN110826880B/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
    • G06Q10/06—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
    • 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
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J3/48—Controlling the sharing of the in-phase component
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (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

本发明公开了一种大规模电动汽车接入的主动配电网优化调度方法，具体涉及配电网优化调度技术领域，具体方法如下：S1、第一层为DEMS实施的两阶段优化调度；S2、第二层为区域EV‑EMS执行的实时调度；S3、各阶段优化调度模型及求解方法。本发明通过三段式优化调度策略，协同实现对配电网可控资源的日前调度、日内校正及对EVs充电的实时控制，减少RES发电及EVs充电行为随机性等不确定性因素的影响，通过采用“集中+分布式”的混合计算框架，大大减少了计算时间，并克服了维数灾的问题，此外，还减轻了局部通信失败对整体优化调度的不良影响，降低了对通信系统可靠性的要求。

Description

一种大规模电动汽车接入的主动配电网优化调度方法
技术领域
本发明涉及配电网优化调度技术领域，更具体地说，本发明涉及一种大规模电动汽车接入的主动配电网优化调度方法。
背景技术
电动汽车(简称EV)具有良好的节能、环保和低排放特点，因此大力发展电动汽车成为有效缓解能源危机和缓解污染问题的重要手段。然而，电动汽车在时间和空间上的随机性大，一旦大规模接入电网，不仅将引发新一轮的用电负荷增长，也对电网完全、稳定、经济、高效地运行提出了新的挑战。相关研究表明，若对电动汽车的充电行为不加以控制，将会导致负荷峰值增加、供电设备过载、电能质量恶化，从而严重威胁到电力系统的安全稳定运行。因此，规模化电动汽车接入电网后，如何实现电力资源的优化调度和控制、实现电动汽车有序充电是电网必须解决的问题。
针对电动汽车接入对电网带来的负面影响，国内外已有大量研究展开，并提出了不同的有序充电调度和控制策略。从调度层面上看，多以单台EV为调控对象，研究充电站层面的调度方法。在配电网层面，有三种控制方式：1)配电网直接对每一辆EV进行调度，加强了EV与电网的联系，但优化调度时间长，现实可操作性比较差。2)基于集中控制系统的控制方式，在区域电动汽车群与配电网之间建立中介系统，配电网不直接参与充电控制，而只对集中控制系统下发调度优化命令，这种方式可以大大简化电网对EV的管理，同时也考虑了用户的利益，但当EV的规模十分巨大的时候，则会对集中控制系统的优化控制造成维数灾。3)针对集中控制系统可能存在的问题，有学者提出了分区控制的调度方式，将配电系统按照地域分解为若干区域，对每一个区域，由配电系统调度机构或第三方电动汽车代理(EVAggregators)负责区域内的EVs协调调度，针对第三种调度方式，一般建立双层模型，采用集中式优化算法进行计算，需要比较大的信息存储量、计算量，容易出现维数灾问题，且对通讯要求较高，此外，没有考虑负荷、可再生能源(简称RES)发电等不确定性的影响，从时间尺度上来看，对EV充电控制分为日前调度和实时调度，目前已有文献侧重于二者的独立研究，缺乏二者协同方案的研究。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种大规模电动汽车接入的主动配电网优化调度方法，通过三段式优化调度策略，协同实现对配电网可控资源的日前调度、日内校正及对EV充电的实时控制，采用“集中+分布式”的混合计算框架，大大减少了计算时间，并克服了维数灾的问题，此外，还减轻了局部通信失败对整体优化调度的不良影响，降低了对通信系统可靠性的要求。
为实现上述目的，本发明提供如下技术方案：一种大规模电动汽车接入的主动配电网优化调度方法，具体方法如下：
S1、第一层为配电网能量管理系统(简称DEMS)实施的两阶段优化调度：
S1.1、第一阶段为配电网日前调度：根据日前预测值，分配各可控分布式发电单元(简称DG)及各区域EV集群的功率，控制变量包括：可调度DG出力和各区域可控EV总充电功率；
S1.2、第二阶段为日内滚动校正调度，时间间隔为1h：根据当天短期预测值，对不确定因素引起的配电网功率平衡偏移量进行校正分配，分配对象包括可控DG和区域EV集群；
S2、第二层为区域电动汽车能量管理系统(简称EV-EMS)执行的实时调度：为满足EV的实时充电需求，根据EV的实时信息，在线优化EV充电功率，然后将实际的区域总充电功率上传给DEMS，以便进行下一时段的校正功率分配；
S3、各阶段优化调度模型及求解方法：根据提出的调度策略，建立各层各阶段的优化调度模型，采用合理的算法进行优化计算，具体方法如下：
S3.1、第一阶段日前优化调度：配电网运行成本包括：从主网购电的成本C1、配电网的损耗成本C2、可控分布式电源的发电成本C3和可控区域EVs总充电功率的调度成本C4，控制变量为燃气轮发电机的输出功率及各区域的电动汽车总充电功率，取调度时间间隔Δt1为1h，则目标函数为：
其中，式中，T为调度周期的时段总数,Ng、Nevs分别为燃气轮发电机和区域的数量，/>分别为t时段从主网注入配电网的功率、配电网的网损、燃气轮发电机i输出的功率、区域j的系统计划充电负荷和区域上报充电需求，ct为时段t的单位购电费用，ai、bi、ci为燃气轮发电机i的发电成本系数，ceva为调整EV区域充电功率的单位调度成本，A为配电网的节点支路关联矩阵，G为各支路电导组成的对角矩阵；/>和/>分别为t时段节点电压的实部向量和虚部向量；
S3.2、第二阶段校正控制：日内的负荷及可再生能源(简称RES)发电预测为短期预测，比日前预测值更准确，日内校正控制的任务就是制定合理的分配政策，将各时段的总功率偏差ΔPt分配给可控资源，这里为：燃气轮发电机及区域EV集合，得出各时段校正后的优化变量值，日内校正控制的时间尺度较短，需要采用快速的功率分配方法，而一致性算法在功率动态分配上有着方便、快速、实用性强的优点，因此，选择可控资源的增量成本作为一致性变量，采用离散型一阶一致性算法实现功率偏差的分配；
S3.3、第三阶段实时调度：
EV到达充电区域后，将自身的电池状态以及充电需求提交至EV-EMS并接受其充电控制，为此，先定义两个参数：
EV接入电网后的最短充电时间：
其中，Eex、Pch,max分别为EV的期望充电量，最大充电功率，EN、Sini分别为EV电池的额定容量及初始荷电状态；
EV充电裕度系数：
其中，tcon、tlve分别为EV接入电网和离开的时间；
区域内EVs数量庞大，若以单台EV为调度对象，会带来维数灾难问题，为了避免这个问题，在区域内部，以离开时间tlve为分群特征，将相近tlve的车辆编入相应充电队列，进行统一优化调度。
在一个优选地实施方式中，在步骤S1.1中的调度目标为从主网购电的成本、发电成本及可控EV充电功率的调度成本最小，且确保配电网的安全运行，即节点电压及支路电流在正常范围内。
在一个优选地实施方式中，在步骤S1中各区EV-EMS通过采集历史数据、统计用户出行规律或根据日前申报机制获得相关参数，基于申报信息相似性合并的数据分组技术，对区域内EV进行分组，以降低EV-EMS调度问题的求解规模和难度，然后估算区域EV集群一天内各时段的充电需求及可调度充放电容量作为配电网优化调度依据。
在一个优选地实施方式中，在步骤S2中调度目标为满足用户充电需求的同时使区域的实际总充电功率偏离指令值最小。
在一个优选地实施方式中，在步骤S3.1中约束条件包括配电网侧的约束和各可调度资源的约束，具体如下：
S3.1.1、配电网侧的约束：由配电网线性潮流方程(2)以及节点电压、线路电流的安全约束(3)、(4)构成，
式中R、X分别为节点阻抗矩阵的实部和虚部，Pt和Qt分别为t时段节点注入的有功向量和无功向量，分别为t时段RES发电单元、燃气轮发电机发出的有功向量、EV区域充电功率向量、常规负荷吸收的有功功率向量和无功功率向量，λg为燃气轮机的功率因数角正切值，RES发电单元运行于单位功率因素模式；
基于配电网的线性潮流方程，得到节点电压和线路电流的安全约束如下：
式中，Umin、Umax分别为节点电压的上限和下限向量，为t时段支路电流向量，L为各支路导纳绝对值组成的对角矩阵,Ib，min、Ib，max分别为支路电流的上限和下限向量；
S3.1.2、可控资源约束：这里的可控资源包括燃气轮机和各区域电动汽车集群，
燃气轮机发电功率约束：
式中：分别为燃气轮机组i的有功出力上、下限值；
区域EV集群充电功率约束：为满足EV用户充电需求，要保证在整个调度周期内，所调度的EVs计划充电负荷总量和上报的需求总量相等；约束如下：
式中，分别为第j个区域的EV集群在时段t的最大和最小充电需求，上式(1)-(6)构成的主动配电网日前优化调度模型为二次目标函数和线性约束条件的二次规划模型。
在一个优选地实施方式中，在步骤S3.2中功率偏差的分配具体方法如下：
S3.2.1、分布式通信网络及Laplace矩阵：
由配电网DEMS、各区域EV-EMS、各燃气轮发电机控制器按照实际拓扑构建分布式通信网络，采用“领导者-跟随者”的模式进行通信协作，这里，选择DEMS为领导者，负责配电网的功率扰动平衡，协同各个可控资源之间的运行，各区域EV-EMS和燃气轮发电机控制器为跟随者，负责与领导者的交互协同，同时与邻接的可控资源控制系统进行通信，获取邻接可控资源的信息，然后通过离散型一致性算法更新其状态；
通信网络拓扑结构通常用N节点加权有向图G描述，这里，通信节点数量N＝Ng+Neva+1，Ωi表示与通信节点i(i＝1,2,...,N)相邻的节点集合，则G的邻接矩阵D为N×N对称矩阵，其元素取值为：如果j∈Ωi，则dij＝1，否则dij＝0，G的Laplace矩阵L是对称半正定矩阵，其元素lii＝∑aij(j∈Ωi)，lij＝-aij(j≠i)；
S3.2.2、增量成本一致性计算：
燃气轮机发电机发电增量成本：式中，k为迭代序列；
区域EVs调度增量成本：
各跟随者的一致性增量成本更新规则为：
式中，ωij为通信网络对应的状态转移矩阵系数，由通信网络拓扑结构决定，由通信网络的Laplace矩阵求得；
为保证功率平衡，领导者的增量成本更新为：
其中，μ为功率平衡调节因子，ΔPerr为领导者总功率指令与跟随者功率指令之和的偏差，当|ΔPerr|﹤ε时，一致性算法达到收敛；
由式(7)、(8)，分别得到更新的燃气轮机发电机的出力与区域EV集合的充电功率为：
式中，分别为第一阶段优化调度得到的t时段的燃气轮发电机i的出力、区域j的EV集合充电功率；
在一致性算法迭代过程中，若可控资源节点的有功出力超出其有功功率可调范围，令其输出功率为其极限值，同时该节点应从网络拓扑结构中退出，相邻的可控资源节点应修改相应的Laplace矩阵元素。
在一个优选地实施方式中，在步骤S3.3中在整个实时充放电优化过程中，调度间隔Δt2为15min，即0.25h，具体步骤如下：
S3.3.1充电队列划分：
首先根据EV的充电裕度系数kx判断其是否有可调度的潜力，然后根据EV离开时间tlve对可调度的EV进行队列划分，每整点时刻tq建立充电队列，不在整点离开的EV按离开时刻的前一个整点编入相应充电队列，即对于所有满足tq≤tlve﹤tq+1的EVs编入同一个队列q，将每个充电队列建模为虚拟电池，其电量为：
其中，为t时段队列虚拟电池的电量，/>充电队列在t时段的充电功率，分别为t时段由于新车辆编入队列而增加的虚拟电池电量及车辆离开队列而减少的虚拟电池电量；
S3.3.2队列充电功率优化调度：
各区域的EV-EMS将来自DEMS各时段的调度指令以优化的方式分配给各充电队列，假设从优化调度开始时段T0到区域EV集群统一期望充电完成时间Tq期间，设该时段集合为Ωq，有Nq个队列，队列q统一充电结束时刻为tq，以队列q为在t时段的充电功率为优化变量，优化目标为：队列充电成本最小、区域内队列的总充电功率偏离DEMS调度指令最小，目标函数为：
式中，为车队q在时段t的充电功率，Nq为时段Ωq内队列数量，α为调度偏差惩罚因子，/>为DEMS下达的tq时段区域j的总充电功率优化值，/>为区域j内不可调度的EVs在时段t的总充电功率；
充电队列功率约束：
式中，t0,q为队列q充电开始时刻，η为队列q的充电效率，EN,l、Send,l、Sini,l分别为车队内第l辆EV的电池容量、充电结束时所需的荷电状态及初始荷电状态，Nev为车队内EVs的数量，为队列q在t时段虚拟电池的电量，Sl,max、Sl,min、/>分别为第l辆EV的电池荷电状态上、下限值及充电功率极限；
其中，式(15)表示：EV离开电网前，要满足最低充电需求，式(16)用以防止过度充电，式(17)表示充电功率应满足功率极限的限制；
式(14)-(17)构成一个小规模的线性约束二次规划模型；
S3.3.3队列充电功率的再分配：
由于队列内各车的电池容量、充电极限、初始荷电状态都不尽相同，故不能简单地将总功率平均分配到各EV，为此，定义一个能够表征电池可充电能力的参数，称为充电潜力因子，如式(18)，然后以该参数为一致性变量，以EV-EMS为领导者，各充电桩控制器为跟随者，采用第二阶段校正调度中的一致性算法进行迭代计算，实现车队功率的再分配，其中，第k+1次迭代的充电功率及更新规则式(10)中的总功率偏差按式(19)计算，
充电潜力因子：
式中，为车队内第l辆EV在t时段的充电功率，
本发明的技术效果和优点：
1、本发明采用分层分区的优化调度模式，在确保配电网安全、可靠、经济运行的前提下，尽量满足EV用户的充电需求和经济性；
2、本发明通过提出三段式优化调度策略，协同实现对配电网可控资源的日前调度、日内校正及对EV充电的实时控制，其中，第一阶段为基于日前负荷和RES发电预测的优化调度，第二阶段为基于日内滚动预测修正负荷及RES发电信息的校正调度，第三阶段为基于EV实时信息的实时调度，减少RES发电及EV充电行为随机性等不确定性因素的影响；
3、本发明采用“集中+分布式”的混合计算框架：对时间尺度较长的日前调度，采用集中优化计算方法，对时间尺度较短的日内校正和实时调度，采用离散有限时间一致性算法(简称DFCA)进行分布式求解，大大减少了计算时间，并克服了维数灾的问题，此外，还减轻了局部通信失败对整体优化调度的不良影响，降低了对通信系统可靠性的要求。
附图说明
图1为本发明的双层三段式协调调度关系图；
图2为本发明的增量成本一致性算法的流程图；
图3为本发明的EVs实时调度流程图；
具体实施方式
下面将结合本发明中的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。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他实施例，都属于本发明保护的范围。
本发明提供一种大规模电动汽车接入的主动配电网优化调度方法，具体方法如下：
S1、第一层为DEMS实施的两阶段优化调度：
S1.1、第一阶段为配电网日前调度：根据日前预测值，分配各可控分布式发电单元及各区域EV集群的功率，控制变量包括：可调度DG出力和各区域可控EV总充电功率，目标为从主网购电的成本、发电成本及可控EV充电功率的调度成本最小，且确保配电网的安全运行，即节点电压及支路电流在正常范围内；
S1.2、第二阶段为日内滚动校正调度，时间间隔为1h：根据当天短期预测值，对不确定因素引起的配电网功率平衡偏移量进行校正分配，分配对象包括可控DG和区域EV集群；
日前优化调度中，各区EV-EMS通过采集历史数据、统计用户出行规律或根据日前申报机制获得相关参数，基于申报信息相似性合并的数据分组技术，对区域内EV进行分组，以降低EV-EMS调度问题的求解规模和难度，然后估算区域EV集群一天内各时段的充电需求及可调度充放电容量作为配电网优化调度依据；
S2、第二层为区域EV-EMS执行的实时调度：为满足EV的实时充电需求，根据EV的实时信息，在线优化EV充电功率，目标为满足用户充电需求的同时使区域的实际总充电功率偏离指令值最小，然后将实际的区域总充电功率上传给DEMS，以便进行下一时段的校正功率分配；
S3、各阶段优化调度模型及求解方法：根据提出的调度策略，建立各层各阶段的优化调度模型，采用合理的算法进行优化计算，具体方法如下：
S3.1、第一阶段日前优化调度：配电网运行成本包括：从主网购电的成本C1、配电网的损耗成本C2、可控分布式电源的发电成本C3和可控区域EVs总充电功率的调度成本C4，控制变量为燃气轮发电机的输出功率及各区域的电动汽车总充电功率，取调度时间间隔Δt1为1h，则目标函数为：
其中，式中，T为调度周期的时段总数,Ng、Nevs分别为燃气轮发电机和区域的数量，/>分别为t时段从主网注入配电网的功率、配电网的网损、燃气轮发电机i输出的功率、区域j的系统计划充电负荷和区域上报充电需求，ct为时段t的单位购电费用，ai、bi、ci为燃气轮发电机i的发电成本系数，ceva为调整EV区域充电功率的单位调度成本，A为配电网的节点支路关联矩阵，G为各支路电导组成的对角矩阵；/>和/>分别为t时段节点电压的实部向量和虚部向量；
约束条件包括配电网侧的约束和各可调度资源的约束，具体如下：
S3.1.1、配电网侧的约束：由配电网线性潮流方程(2)以及节点电压、线路电流的安全约束(3)、(4)构成，
式中R、X分别为节点阻抗矩阵的实部和虚部，Pt和Qt分别为t时段节点注入的有功向量和无功向量，分别为t时段RES发电单元、燃气轮发电机发出的有功向量、EV区域充电功率向量、常规负荷吸收的有功功率向量和无功功率向量，λg为燃气轮机的功率因数角正切值，RES发电单元运行于单位功率因素模式；
基于配电网的线性潮流方程，得到节点电压和线路电流的安全约束如下：
式中，Umin、Umax分别为节点电压的上限和下限向量，为t时段支路电流向量，L为各支路导纳绝对值组成的对角矩阵,Ib，min、Ib，max分别为支路电流的上限和下限向量；
S3.1.2、可控资源约束：这里的可控资源包括燃气轮机和各区域电动汽车集群，
燃气轮机发电功率约束：
式中：分别为燃气轮机组i的有功出力上、下限值；
区域EV集群充电功率约束：为满足EV用户充电需求，要保证在整个调度周期内，所调度的EVs计划充电负荷总量和上报的需求总量相等；约束如下：
式中，分别为第j个区域的EV集群在时段t的最大和最小充电需求，上式(1)-(6)构成的ADN日前优化调度模型为二次目标函数和线性约束条件的二次规划模型；
S3.2、第二阶段校正控制：日内的负荷及RES发电预测为短期预测，比日前预测值更准确，日内校正控制的任务就是制定合理的分配政策，将各时段的总功率偏差ΔPt分配给可控资源，这里为：燃气轮发电机及区域EV集合，得出各时段校正后的优化变量值，日内校正控制的时间尺度较短，需要采用快速的功率分配方法，而一致性算法在功率动态分配上有着方便、快速、实用性强的优点，因此，选择可控资源的增量成本作为一致性变量，采用离散型一阶一致性算法实现功率偏差的分配：
S3.2.1、分布式通信网络及Laplace矩阵：
由配电网DEMS、各区域EV-EMS、各燃气轮发电机控制器按照实际拓扑构建分布式通信网络，采用“领导者-跟随者”的模式进行通信协作，这里，选择DEMS为领导者，负责配电网的功率扰动平衡，协同各个可控资源之间的运行，各区域EV-EMS和燃气轮发电机控制器为跟随者，负责与领导者的交互协同，同时与邻接的可控资源控制系统进行通信，获取邻接可控资源的信息，然后通过离散型一致性算法更新其状态；
通信网络拓扑结构通常用N节点加权有向图G描述，这里，通信节点数量N＝Ng+Neva+1，Ωi表示与通信节点i(i＝1,2,...,N)相邻的节点集合，则G的邻接矩阵D为N×N对称矩阵，其元素取值为：如果j∈Ωi，则dij＝1，否则dij＝0，G的Laplace矩阵L是对称半正定矩阵，其元素lii＝∑aij(j∈Ωi)，lij＝-aij(j≠i)；
S3.2.2、增量成本一致性计算：
燃气轮机发电机发电增量成本：式中，k为迭代序列；
区域EVs调度增量成本：
各跟随者的一致性增量成本更新规则为：
式中，ωij为通信网络对应的状态转移矩阵系数，由通信网络拓扑结构决定，由通信网络的Laplace矩阵求得；
为保证功率平衡，领导者的增量成本更新为：
其中，μ为功率平衡调节因子，ΔPerr为领导者总功率指令与跟随者功率指令之和的偏差，当|ΔPerr|﹤ε时，一致性算法达到收敛；
由式(7)、(8)，分别得到更新的燃气轮机发电机的出力与区域EV集合的充电功率为：
式中，分别为第一阶段优化调度得到的t时段的燃气轮发电机i的出力、区域j的EV集合充电功率；
在一致性算法迭代过程中，若可控资源节点的有功出力超出其有功功率可调范围，令其输出功率为其极限值，同时该节点应从网络拓扑结构中退出，相邻的可控资源节点应修改相应的Laplace矩阵元素；
S3.3、第三阶段实时调度：
EV到达充电区域后，将自身的电池状态以及充电需求提交至EV-EMS并接受其充电控制，为此，先定义两个参数：
EV接入电网后的最短充电时间：
其中，Eex、Pch,max分别为EV的期望充电量，最大充电功率，EN、Sini分别为EV电池的额定容量及初始荷电状态；
EV充电裕度系数：
其中，tcon、tlve分别为EV接入电网和离开的时间；
区域内EVs数量庞大，若以单台EV为调度对象，会带来维数灾难问题，为了避免这个问题，在区域内部，以离开时间tlve为分群特征，将相近tlve的车辆编入相应充电队列，进行统一优化调度，在步骤S3.3中在整个实时充放电优化过程中，调度间隔Δt2为15min，即0.25h，区域j的EV实时调度流程如附图2所示，具体步骤如下：
S3.3.1充电队列划分：
首先根据EV的充电裕度系数kx判断其是否有可调度的潜力，本发明认为kx>1.5的EV可调度，不可调度的EV按最大充电功率充电至满足需求，然后根据tlve对可调度的EVs进行队列划分，每整点时刻tq建立充电队列，不在整点离开的EV按离开时刻的前一个整点编入相应充电队列，即对于所有满足tq≤tlve﹤tq+1的EVs编入同一个队列q，将每个充电队列建模为虚拟电池，其电量为：
其中，为t时段队列虚拟电池的电量，/>充电队列在t时段的充电功率，分别为t时段由于新车辆编入队列而增加的虚拟电池电量及车辆离开队列而减少的虚拟电池电量；
S3.3.2队列充电功率优化调度：
各区域的EV-EMS将来自DEMS各时段的调度指令以优化的方式分配给各充电队列，假设从优化调度开始时段T0到区域EV集群统一期望充电完成时间Tq期间，设该时段集合为Ωq，有Nq个队列，队列q统一充电结束时刻为tq，以队列q为在t时段的充电功率为优化变量，优化目标为：队列充电成本最小、区域内队列的总充电功率偏离DEMS调度指令最小，目标函数为：
式中，为车队q在时段t的充电功率，Nq为时段Ωq内队列数量，α为调度偏差惩罚因子，/>为DEMS下达的tq时段区域j的总充电功率优化值，/>为区域j内不可调度的EVs在时段t的总充电功率；
充电队列功率约束：
/>
式中，t0,q为队列q充电开始时刻，η为队列q的充电效率，EN,l、Send,l、Sini,l分别为车队内第l辆EV的电池容量、充电结束时所需的荷电状态及初始荷电状态，Nev为车队内EVs的数量，为队列q在t时段虚拟电池的电量，Sl,max、Sl,min、/>分别为第l辆EV的电池荷电状态上、下限值及充电功率极限；
其中，式(15)表示：EV离开电网前，要满足最低充电需求，式(16)用以防止过度充电，式(17)表示充电功率应满足功率极限的限制；
式(14)-(17)构成一个小规模的线性约束二次规划模型；
S3.3.3队列充电功率的再分配：
由于队列内各车的电池容量、充电极限、初始荷电状态都不尽相同，故不能简单地将总功率平均分配到各EV，为此，定义一个能够表征电池可充电能力的参数，称为充电潜力因子，如式(18)，然后以该参数为一致性变量，以EV-EMS为领导者，各充电桩控制器为跟随者，采用第二阶段校正调度中的一致性算法进行迭代计算，实现车队功率的再分配，其中，第k+1次迭代的充电功率及更新规则式(10)中的总功率偏差按式(19)计算，
充电潜力因子：
式中，为车队内第l辆EV在t时段的充电功率，
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种大规模电动汽车接入的主动配电网优化调度方法，其特征在于：具体方法如下：
S1、第一层为配电网能量管理系统，简称DEMS，实施的两阶段优化调度：
S1.1、第一阶段为配电网日前调度：根据日前预测值，分配各可控分布式发电单元，简称DG，及各区域电动汽车，简称EV，集群的功率，控制变量包括：可调度DG出力和各区域可控EV总充电功率；
S1.2、第二阶段为日内滚动校正调度，时间间隔为1h：根据当天短期预测值，对不确定因素引起的配电网功率平衡偏移量进行校正分配，分配对象包括可控DG和区域EV集群；
S2、第二层为区域电动汽车能量管理系统，简称EV-EMS，执行的实时调度：为满足EV的实时充电需求，根据EV的实时信息，在线优化EV充电功率，然后将实际的区域总充电功率上传给DEMS，以便进行下一时段的校正功率分配；
S3、各阶段优化调度模型及求解方法：根据提出的调度策略，建立各层各阶段的优化调度模型，采用算法进行优化计算，具体方法如下：
S3.1、第一阶段日前优化调度：配电网运行成本包括：从主网购电的成本C1、配电网的损耗成本C2、可控分布式电源的发电成本C3和可控区域电动汽车总充电功率的调度成本C4，控制变量为燃气轮发电机的输出功率及各区域的电动汽车总充电功率，取调度时间间隔Δt1为1h，则目标函数为：
其中，
式中，T为调度周期的时段总数,Ng、Nevs分别为燃气轮发电机和区域的数量，分别为t时段从主网注入配电网的功率、配电网的网损、燃气轮发电机i输出的功率、区域j的系统计划充电负荷和区域上报充电需求，ct为时段t的单位购电费用，ai、bi、ci为燃气轮发电机i的发电成本系数，ceva为调整EV区域充电功率的单位调度成本，A为配电网的节点支路关联矩阵，G为各支路电导组成的对角矩阵；/>和/>分别为t时段节点电压的实部向量和虚部向量；
S3.2、第二阶段校正控制：日内的负荷及可再生能源，简称RES，发电预测为短期预测，将各时段的总功率偏差ΔPt分配给可控资源，这里为：燃气轮发电机及区域EV集合，得出各时段校正后的优化变量值，采用离散型一阶一致性算法实现功率偏差的分配；
S3.3、第三阶段实时调度：
EV到达充电区域后，将自身的电池状态以及充电需求提交至EV-EMS并接受其充电控制，为此，先定义两个参数：
EV接入电网后的最短充电时间：
其中，Eex、Pch,max分别为EV的期望充电量，最大充电功率，EN、Sini分别为EV电池的额定容量及初始荷电状态；
EV充电裕度系数：
其中，tcon、tlve分别为EV接入电网和离开的时间；
在区域内部，以离开时间tlve为分群特征，将相近tlve的车辆编入相应充电队列，进行统一优化调度。
2.根据权利要求1所述的一种大规模电动汽车接入的主动配电网优化调度方法，其特征在于：在步骤S1.1中的调度目标为从主网购电的成本、发电成本及可控EV充电功率的调度成本最小，且确保配电网的安全运行，即节点电压及支路电流在正常范围内。
3.根据权利要求1所述的一种大规模电动汽车接入的主动配电网优化调度方法，其特征在于：在步骤S1中各区EV-EMS通过采集历史数据、统计用户出行规律或根据日前申报机制获得相关参数，基于申报信息相似性合并的数据分组技术，对区域内EV进行分组，以降低EV-EMS调度问题的求解规模和难度，然后估算区域EV集群一天内各时段的充电需求及可调度充放电容量作为配电网优化调度依据。
4.根据权利要求1所述的一种大规模电动汽车接入的主动配电网优化调度方法，其特征在于：在步骤S2中调度目标为满足用户充电需求的同时使区域的实际总充电功率偏离指令值最小。
5.根据权利要求1所述的一种大规模电动汽车接入的主动配电网优化调度方法，其特征在于：在步骤S3.1中约束条件包括配电网侧的约束和各可调度资源的约束，具体如下：
S3.1.1、配电网侧的约束：由配电网线性潮流方程(2)以及节点电压、线路电流的安全约束(3)、(4)构成，
式中R、X分别为节点阻抗矩阵的实部和虚部，Pt和Qt分别为t时段节点注入的有功向量和无功向量，P1 t、/>分别为t时段RES发电单元、燃气轮发电机发出的有功向量、EV区域充电功率向量、常规负荷吸收的有功功率向量和无功功率向量，λg为燃气轮机的功率因数角正切值，RES发电单元运行于单位功率因素模式；
基于配电网的线性潮流方程，得到节点电压和线路电流的安全约束如下：
式中，Umin、Umax分别为节点电压的上限和下限向量，为t时段支路电流向量，L为各支路导纳绝对值组成的对角矩阵,Ib，min、Ib，max分别为支路电流的上限和下限向量；
S3.1.2、可控资源约束：这里的可控资源包括燃气轮机和各区域电动汽车集群，
燃气轮机发电功率约束：
式中：分别为燃气轮机组i的有功出力上、下限值；
区域EV集群充电功率约束：为满足EV用户充电需求，要保证在整个调度周期内，所调度的EV计划充电负荷总量和上报的需求总量相等；约束如下：
式中，分别为第j个区域的EV集群在时段t的最大和最小充电需求，上式(1)-(6)构成的主动配电网日前优化调度模型为二次目标函数和线性约束条件的二次规划模型。
6.根据权利要求1所述的一种大规模电动汽车接入的主动配电网优化调度方法，其特征在于：在步骤S3.2中功率偏差的分配具体方法如下：
S3.2.1、分布式通信网络及Laplace矩阵：
由配电网DEMS、各区域EV-EMS、各燃气轮发电机控制器按照实际拓扑构建分布式通信网络，采用“领导者-跟随者”的模式进行通信协作，这里，选择DEMS为领导者，负责配电网的功率扰动平衡，协同各个可控资源之间的运行，各区域EV-EMS和燃气轮发电机控制器为跟随者，负责与领导者的交互协同，同时与邻接的可控资源控制系统进行通信，获取邻接可控资源的信息，然后通过离散型一致性算法更新其状态；
通信网络拓扑结构用N节点加权有向图G描述，这里，通信节点数量N＝Ng+Neva+1，Ωi′表示与通信节点i′(i′＝1,2,...,N)相邻的节点集合，则G的邻接矩阵D为N×N对称矩阵，其元素取值为：如果j′∈Ωi′，则di′j′＝1，否则di′j′＝0，表示G中通信节点i′与其相邻节点j′的通信连接情况，G的Laplace矩阵L是对称半正定矩阵，其元素li′i′＝∑di′j′(j′∈Ωi′)，li′j′＝-di′j′(j′≠i′)；
S3.2.2、增量成本一致性计算：
燃气轮机发电机发电增量成本：i＝2,...,Ng+1(7)式中，k为迭代序列；
区域EVs调度增量成本：
各跟随者的一致性增量成本更新规则为：
式中，ωij为通信网络对应的状态转移矩阵系数，由通信网络拓扑结构决定，由通信网络的Laplace矩阵求得；
为保证功率平衡，领导者的增量成本更新为：
其中，μ为功率平衡调节因子，ΔPerr为领导者总功率指令与跟随者功率指令之和的偏差，当|ΔPerr|﹤ε时，一致性算法达到收敛；
由式(7)、(8)，分别得到更新的燃气轮机发电机的出力与区域EV集合的充电功率为：
式中，分别为第一阶段优化调度得到的t时段的燃气轮发电机i的出力、区域j的EV集合充电功率；
在一致性算法迭代过程中，若可控资源节点的有功出力超出其有功功率可调范围，令其输出功率为其极限值，同时该节点应从网络拓扑结构中退出，相邻的可控资源节点应修改相应的Laplace矩阵元素。
7.根据权利要求1所述的一种大规模电动汽车接入的主动配电网优化调度方法，其特征在于：在步骤S3.3中在整个实时充放电优化过程中，调度间隔Δt2为15min，具体步骤如下：
S3.3.1充电队列划分：
首先根据EV的充电裕度系数kx判断其是否有可调度的潜力，然后根据EV离开时间tlve对可调度的EVs进行队列划分，每整点时刻tq建立充电队列，不在整点离开的EV按离开时刻的前一个整点编入相应充电队列，即对于所有满足tq≤tlve﹤tq+1的EVs编入同一个队列q，将每个充电队列建模为虚拟电池，其电量为：
其中，分别为t-1和t时段的队列虚拟电池电量，/>充电队列在t时段的充电功率，/>分别为t时段由于新车辆编入队列而增加的虚拟电池电量及车辆离开队列而减少的虚拟电池电量；
S3.3.2队列充电功率优化调度：
各区域的EV-EMS将来自DEMS各时段的调度指令以优化的方式分配给各充电队列，假设从优化调度开始时段T0到区域EV集群统一期望充电完成时间Tq期间，设该时段集合为Ωq，有Nq个队列，队列q统一充电结束时刻为tq，以队列q为在t时段的充电功率为优化变量，优化目标为：队列充电成本最小、区域内队列的总充电功率偏离DEMS调度指令最小，目标函数为：
式中，为队列q在时段t的充电功率，Nq为时段Ωq内队列数量，ct为时段t的单位购电费用，α为调度偏差惩罚因子，/>为DEMS下达的tq时段区域j的总充电功率优化值，/>为区域j内不可调度的EVs在时段t的总充电功率；
充电队列功率约束：
式中，t0,q为队列q充电开始时刻，η为队列q的充电效率，EN,l、Send,l、Sini,l分别为车队内第l辆EV的电池容量、充电结束时所需的荷电状态及初始荷电状态，Nev为车队内EVs的数量，为队列q在t时段虚拟电池的电量，Sl,max、Sl,min、/>分别为第l辆EV的电池荷电状态上、下限值及充电功率极限；
其中，式(15)表示：EV离开电网前，要满足最低充电需求，式(16)用以防止过度充电，式(17)表示充电功率应满足功率极限的限制；
式(14)-(17)构成一个小规模的线性约束二次规划模型；
S3.3.3队列充电功率的再分配：
定义一个能够表征电池可充电能力的参数，称为充电潜力因子，如式(18)，然后以该参数为一致性变量，以EV-EMS为领导者，各充电桩控制器为跟随者，采用第二阶段校正调度中的一致性算法进行迭代计算，实现车队功率的再分配，其中，第k+1次迭代的充电功率及更新规则式(10)中的总功率偏差按式(19)计算，
充电潜力因子：
式中，为车队内第l辆EV在t时段的充电功率，
CN201911020061.3A 2019-10-24 2019-10-24 一种大规模电动汽车接入的主动配电网优化调度方法 Active CN110826880B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911020061.3A CN110826880B (zh) 2019-10-24 2019-10-24 一种大规模电动汽车接入的主动配电网优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911020061.3A CN110826880B (zh) 2019-10-24 2019-10-24 一种大规模电动汽车接入的主动配电网优化调度方法

Publications (2)

Publication Number Publication Date
CN110826880A CN110826880A (zh) 2020-02-21
CN110826880B true CN110826880B (zh) 2023-07-28

Family

ID=69550686

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911020061.3A Active CN110826880B (zh) 2019-10-24 2019-10-24 一种大规模电动汽车接入的主动配电网优化调度方法

Country Status (1)

Country Link
CN (1) CN110826880B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113675866B (zh) * 2020-05-15 2023-12-05 北京信息科技大学 一种规模化电动汽车的动态网格化金字塔调度方法
CN111799775B (zh) * 2020-06-03 2022-07-22 浙江清华长三角研究院 一种双层结构的pev能量调度算法
CN111723993B (zh) * 2020-06-24 2024-04-26 南方电网科学研究院有限责任公司 一种配电网双层协同调度方法、装置、终端及存储介质
CN115081777B (zh) * 2021-03-16 2024-05-31 中国科学院广州能源研究所 最大化运营商收益的v2g调度二阶段随机规划方法
CN113741190B (zh) * 2021-09-01 2022-06-21 南京辉强新能源科技有限公司 一种基于有向拓扑网络的微电网分布式电源合围控制方法和装置
CN113759847B (zh) * 2021-09-08 2023-07-18 重庆交通职业学院 一种大功率混合动力系统协作分布式热管理方法及系统
CN114022026B (zh) * 2021-11-18 2024-03-29 南京邮电大学 一种基于事件触发一致性算法的电动汽车充电调度方法
CN114626206B (zh) * 2022-02-22 2023-02-10 南京理工大学 一种面向交直流配电网的电动汽车时空调度建模方法
CN115378009B (zh) * 2022-04-12 2023-10-20 国网江苏省电力有限公司苏州供电分公司 一种基于电动汽车分群的日前调控计划生成方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106160091A (zh) * 2016-07-25 2016-11-23 东南大学 促进可再生能源消纳的电动汽车换电站充放电调度方法
CN108683179A (zh) * 2018-05-03 2018-10-19 国网山东省电力公司潍坊供电公司 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

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8630404B2 (en) * 2009-12-21 2014-01-14 Iex Corporation Iterative scheduling and campaign management
CN106786806B (zh) * 2016-12-15 2023-06-06 国网江苏省电力公司南京供电公司 一种基于模型预测控制的配电网有功无功协调调控方法
CN109484240B (zh) * 2018-10-26 2022-05-31 国网山东省电力公司日照供电公司 一种基于分群控制的电动汽车集群实时充电优化方法
CN110148969B (zh) * 2019-03-26 2023-07-21 上海电力学院 基于模型预测控制技术的主动配电网优化运行方法
CN110009262A (zh) * 2019-04-28 2019-07-12 国网福建省电力有限公司福州供电公司 一种主动配电网的日前-日内两阶段优化调度方法
CN110059897B (zh) * 2019-05-23 2021-03-09 合肥工业大学 基于混合整数pso算法的有源配电网日内滚动优化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106160091A (zh) * 2016-07-25 2016-11-23 东南大学 促进可再生能源消纳的电动汽车换电站充放电调度方法
CN108683179A (zh) * 2018-05-03 2018-10-19 国网山东省电力公司潍坊供电公司 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

Also Published As

Publication number Publication date
CN110826880A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN110826880B (zh) 一种大规模电动汽车接入的主动配电网优化调度方法
Cao et al. Battery energy storage sizing based on a model predictive control strategy with operational constraints to smooth the wind power
CN109559035B (zh) 一种考虑灵活性的城市配电网双层规划方法
Tian et al. A hierarchical energy management system based on hierarchical optimization for microgrid community economic operation
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
CN110322372B (zh) 区域电力系统中多级电网联动的机组组合调度方法
Xia et al. An autonomous real-time charging strategy for plug-in electric vehicles to regulate frequency of distribution system with fluctuating wind generation
CN108470239A (zh) 计及需求侧管理和储能的主动配电网多目标分层规划方法
CN110009262A (zh) 一种主动配电网的日前-日内两阶段优化调度方法
CN110676849B (zh) 一种孤岛微电网群能量调度模型的构建方法
CN111682536B (zh) 虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法
CN112085327B (zh) 一种配电商参与的主动配电网多层分区调控方法及系统
CN116090739A (zh) 一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法
CN116760008A (zh) 一种考虑负荷特性的多时间尺度有功无功协调调度方法
Hayajneh et al. Three birds one stone: A solution to maximize renewable generation, incentivize battery deployment, and promote green transportation
CN108390387A (zh) 一种动态自律分散协调的源荷调峰控制方法
CN117374975A (zh) 一种基于近似动态规划的配电网实时协同调压方法
Singh et al. Energy management of an active distribution network considering correlation between uncertain input variables
CN113837449B (zh) 虚拟电厂参与的电网系统集中优化调度方法
CN115693737A (zh) 一种基于v2g电动汽车聚合参与配电网调度的方法
Cuiqing et al. A hybrid ac/dc microgrid energy management strategy based on neural network
CN111555287A (zh) 考虑多参与主体的配电系统快速电压控制方法
CN117613919B (zh) 一种工商业园区用电峰谷差智能控制方法
CN117559438B (zh) 基于ems-lmp耦合的源网荷储一体化可再生能源消纳方法及装置
Xu Wind-solar-storage linkage configuration of carbon-neutral energy internet based on fuzzy control algorithm

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