CN110867901A - 一种均衡运行分布式电源发电并网的方法 - Google Patents
一种均衡运行分布式电源发电并网的方法 Download PDFInfo
- Publication number
- CN110867901A CN110867901A CN201911290137.4A CN201911290137A CN110867901A CN 110867901 A CN110867901 A CN 110867901A CN 201911290137 A CN201911290137 A CN 201911290137A CN 110867901 A CN110867901 A CN 110867901A
- Authority
- CN
- China
- Prior art keywords
- power
- vpp
- wpp
- calculating
- bpg
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000010248 power generation Methods 0.000 claims description 36
- 238000005457 optimization Methods 0.000 claims description 13
- 238000004146 energy storage Methods 0.000 claims description 10
- 239000002028 Biomass Substances 0.000 claims description 3
- 238000013486 operation strategy Methods 0.000 abstract description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 21
- 229910052799 carbon Inorganic materials 0.000 description 21
- 230000005611 electricity Effects 0.000 description 12
- 238000007599 discharging Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000009194 climbing Effects 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- CREMABGTGYGIQB-UHFFFAOYSA-N carbon carbon Chemical compound C.C CREMABGTGYGIQB-UHFFFAOYSA-N 0.000 description 1
- 239000011203 carbon fibre reinforced carbon Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000001046 rapid expansion of supercritical solution Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000008080 stochastic effect Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种均衡运行分布式电源发电并网的方法，包括：设立虚拟电厂、计算电源输出功率、优化多目标调度。通过本发明方法能实现VPP整体最优的运营策略；同时MTEA能够凸显清洁能源环境友好特性。
Description
技术领域
本发明属于电网调控技术领域。
背景技术
近年来，为应对能源短缺与环境恶化的双重压力，分布式能源发展速度十分迅猛。但是，因其自身小容量、分布分散及出力随机的禀赋，分布式能源规模化并网给系统安全稳定运行带来了极大的挑战。这就要求研究如何灵活、安全、可靠控制多类型分布式能源，虚拟电厂(Virtual power plant，VPP)能够利用先进的聚合手段，将风电、光伏发电、储能以及可控负荷等，进行优势互补和最优配置，以提升分布式能源的并网空间。因此，研究虚拟电厂的最优调度运行方法，对于实现分布式能源的优化利用有着重要的实践价值。
发明内容
本发明提供了一种均衡运行分布式电源发电并网的方法，包括：设立虚拟电厂、计算电源输出功率、优化多目标调度。
进一步地，所述的设立虚拟电厂是将风电场、生物质发电、储能系统、光伏电站、燃气轮机以及柔性负荷集成为虚拟电厂。
进一步地，所述的计算电源输出功率包括计算WPP/PV输出功率、计算ESS输出功率、计算BPG输出功率。
进一步地，所述的优化多目标调度包括优化常规调度、优化风险规避、计算程度优化数值。
通过本发明方法的能实现VPP整体最优的运营策略；同时MTEA能够凸显清洁能源环境友好特性。
附图说明
图1为虚拟电厂的基本结构图。
图2为改进IEEE30节点系统结构图。
图3为典型负荷日风、光及负荷数据图。
图4为综合最优模式下VPP调度优化结果图。
图5为不同参数下发电出力和运营收益图。
具体实施方式
实施例1
本发明选择改进的IEEE30节点系统作为仿真系统，最大和最小负荷为2.25MW和1.5MW。其中，在2号节点处增加1×1MWWPP，在6号节点增加1×0.5MW·h ESS，在5号节点增加1×0.5MWWPP，1×0.5MW PV和1×1MWCGT，在8号节点增加1×0.5MWWPP，1×0.5MW PV和1×1MWBPG。其中，CGT机组的向上爬坡速率为0.1MW/h，向下爬坡速率为0.2MW/h；CGT机组的启动时间和停机时间均为0.15h，将发电成本系数进行线性化，取两段参数分别为110￥/MW和362￥/MW；CGT机组单次的启动成本和停机成本均为0.102￥/kW·h。同样，设定储能系统的充电功率和放电功率分别为0.1MW和0.12MW，充放电过程中伴随的能量损耗率为4％，初始蓄能量为0。IBDR提供的输出功率上限为0.1MW，PBDR产生的负荷波动幅度也为0.1MW，参照文献[16]设定虚拟电厂不同类型电源的上网电价。同时，设定设定初始置信度β和鲁棒系数Γ均为0.9，风光预测精度e为0.9,进而进行多目标模型的求解。选取典型负荷日风、光及负荷数据作为模型输入数据。
1.设立虚拟电厂
为充分利用多种分布式电源，本发明将风电场(Wind power plant，WPP)、生物质发电(Biomass power generation，BPG)、储能系统(Energy storage system，ESS)、光伏电站(Photovoltaic generation，PV)、燃气轮机(Convention gas turbine，CGT)以及柔性负荷(Flexible load，FL)集成为虚拟电厂(Virtual power plant，VPP)。其中柔性负荷主要通过IBDR参与VPP调度优化运行。在上述虚拟电厂中，WPP、PV和CGT为主要的电源，BPG用来满足剩余负荷需求；同时，由于WPP和PV具有较强不确定性，故BPG和ESS被用来为其提供备用服务。从碳排放流来看，CGT和BPG为主要碳排放源，同时，VPP与外部电网相互链接，由于当前电力结构仍以火电为主，故VPP从外部电网购电间接产生的碳排放，也需被纳入其碳排放配额中。
2.计算电源输出功率
(1)计算WPP/PV输出功率
VPP中主要的清洁能源发电为WPP和PV，且由于外部自然条件多变性的影响，WPP和PV输出功率波动性很强。当获取风速和太阳辐射强度后，WPP和PV的出力，具体如公式(1)和公式(2)所示：
式中：gR为WPP的额定功率.vin,vR,vout为WPP的切入、额定和切出风速；vt为WPP在时刻t的实时风速；
为WPP在时刻t的可用出力。
式中：
表示PV在时刻t的最大出力；ηPV和SPV表示太阳能辐射效率和辐射面积.θt表示在时刻t的太阳能辐射强度。
(2)计算ESS输出功率
储能系统可以利用自身蓄电池进行充电和放电，为风电和光伏发电等非可控分布式电源提供备用服务，其输出功率可由公式(3)-公式(4)描述：
式中：gESS,t为ESS在时刻t净充放电功率；uch,udis为ESS充放电状态变量。ΔgNE,t为WPP和PV的出力偏差，等于
其中，
和
表示WPP和PV在时刻t的实际可用出力；
为ESS在时刻t的最大放电和充电功率。
(3)计算BPG输出功率
选择沼气发电作为生物能发电的研究对象,其发电出力与燃料消耗关系见公式(5):
式中：gBPG,t为沼气发电的输出功率；Fp为沼气发电的压强；FBPG,t为BPG在时刻t的发电的沼气消耗量；
为常数项系数.
和
为沼气发电压强和沼气消耗量的线性项系数；
为二次项系数。
3.优化多目标调度
3.1.优化常规调度
3.1.1.目标函数
(1)最大化运营收益
其中，RWPP,t、RPV,t、RBPG,t、RCGT,t、RESS,t和RIBDR,t分别表示WPP、PV、BPG、CGT、ESS和IBDR在时刻t的运营收益；PUG,t,、gUG,t为VPP向公共电网的购电价格和购电量；由于WPP和PV发电边际成本几乎为零，故其运营收益等于电量与电价的乘积。CGT的运营收益等于发电收入减去发电成本，其发电收入等于电量和电价乘积，而发电成本包括燃料成本和启停成本，具体计算如下：
式中：PCGT,t为CGT在时刻t的发电上网电价；gCGT,t为CGT在时刻t的发电出力；其中，
为CGT在时刻t的燃料成本和启停成本。
式中：
为CGT在时刻t的天然气消耗成本；
为CGT在时刻t的启停成本；aCGT、bCGT和cCGT为CGT的发电成本系数；μCGT为CGT在时刻t的的运营状态变量；
和
分别表示CGT的热启动成本和冷启动成本；
为CGT的最小运行停机时间；
为CGT的冷启动时间；
为CGT在时刻t的持续停机时间。
同样，对于BPG的运营收益等于发电收入减去发电成本，而发电收入等于电价和电量的乘积。发电成本同样包括燃料成本和启停成本,具体计算同公式(8)至公式(9)。进一步，ESS通过利用峰谷分时电价进行充电和放电，运营收益等于售电收入减去充电成本。IBDR一般由求响应供应商(Demand response provider，DRP)提供。ESS和IBDR的运营收益计算如下:
式中：
和
为ESS在时刻t的充放电价格；
和
为ESS在时刻t的充放电电量；ΔLi,t和
为DRP i在时刻t提供电量及其价格。
(2)最小化运营风险
如何度量VPP运营风险水平是制定最优决策方案的关键，本发明选择条件风险价值(conditional value at risk，CVaR)作为风险指标,并以最小化风险水平作为VPP运营目标，具体如下：
式中：α表示VPP运行损失的临界值，用以判定VPP运行整体风险状况。f(G,g)表示VPP运行的损失函数，等于-obj1，GT＝[gVPP,t(1),gVPP,t(2),…,gVPP,t(T)]为决策向量，yT＝[gWPP,t,gPV,t,Lt]为多元随机向量。β为VPP运行的置信度。由于公式(12)难以直接求解，可通过取随机向量g的N个样本值g1,g2,…,gN,代替期望值，具体如下：
(3)最小化碳排放总量
VPP碳排放包括两个来源，即自身CGT、BPG发电和上级能网供电，本发明选择最小碳排放总量作为目标函数，具体如下：
式中：f(gCGT,t)和f(gBPG,t)表示CGT和BPG在时刻t发电出力所产生的CO2排放；f(gUG,t)为VPP向公共电网购电间接承担的CO2排放总量。一般来说，发电出力与CO2排放关系为一元二次函数。以BPG为例，具体计算如下：
f(gBPG,t)＝aBPG+bBPGgBPG,t+cBPG(gBPG,t)2 (15)
式中：aBPG、bBPG、cBPG为BPG发电碳排放系数；进一步，f(gUG,t)主要根据当前电源结构中含碳电源占比及度电碳排放系数进行计算，具体如下：
式中：
为公共电网中含碳电源的平均占比及度电碳排放系数；对中国来说，当前燃煤发电占比约为70％，度电碳排放系数约为0.997。
3.1.2约束条件
VPP安全可靠运行需要满足负荷供需平衡约束、机组运行约束、负荷波动约束、碳排放总量约束以及系统旋转备用约束等.
(1)负荷供需平衡约束
式中：gWPP,t、gPV,t为WPP和PV在时刻t的发电出力；
为IBDR在时刻t的能量市场出力，IBDR运行面临着出力功率约束、爬坡约束等，
为WPP、PV、BPG和CGT的厂用电率。
(2)碳排放总量约束
VPP在运行时需要考虑其最大碳排放量不超过MTEA,具体约束条件如下：
obj3≤MTEA (18)
(3)机组出力约束
式中：gRE,t、gNRE,t表示可再生能源机组和非可再生能源机组在时刻t的发电出力；
表示可再生能源机组在时刻t的可用发电出力；
和
为非可再生能源机组在时刻t的最大和最小出力,；uNRE,t为非可再生能源机组的运行状态；
为ESS在时刻t的最大和最小可用出力；同时，CGT和BPG还需满足启停时间约束和上下爬坡约束。
(4)系统旋转备用约束
式中：
表示虚拟电厂在时刻t的出力上限；
表示虚拟电厂在时刻t的出力下限；gVPP,t表示虚拟电厂在时刻t的实际发电出力；ΔLPB,t为PBDR在时刻t对终端用户产生的负荷变动量；r表示旋转备用系数，下标1-3代表上旋转备用，下表4-5代表下旋转备用。
3.2.优化风险规避
本发明选择鲁棒随机优化理论转换含不确定性因素的目标函数，具体如下：
首先，设定WPP和PV预测误差为eWPP,t和ePV,t，相应的，gWPP,t和gPV,t将在区间[(1-eWPP,t)·gWPP,t,(1+eWPP,t)·gWPP,t]和[(1-ePV,t)·gPV,t,(1+ePV,t)·gPV,t]浮动，为便于表达，用eRE,t替代eWPP,t和ePV,t，gRE,t被用于替代gWPP,t和gPV,t。gRE,t将在区间[(1-eRE,t)·gRE,t,(1+eRE,t)·gRE,t]。浮动，若系统净负荷为Mt，具体计算如下：
然后，公式(17)可以被改写如下：
公式(25)表明随着随机特性的增强，不确定性约束也将变得更强。为了确保WPP和PV实际出力达到边界时，仍满足约束条件，引入辅助变量θRE,t(θ≥0)，并设定
相应的，公式(25)可以改写如下：
公式(26)描述了最严格鲁棒约束，但由于极端情景发生概率一般相对较低，故为了提升调度模型的灵活性，本发明引入鲁棒调节系数ΓRE，Γ∈[0,1]修改上述约束条件：
最终，结合公式(27)、公式(18)-(23)以及3个目标函数，能够建立VPP风险规避优化模型，具体模型构建如下：
综上，本发明所提风险规避模型能够实现为在系统运行信息掌握不完全情况下，在一定扰动范围内保证系统安全、稳定运行,提高系统对不确定性因素的免疫能力，并实现调度预定目标。
3.3计算程度优化数值
本发明分别选择升半直线形隶属度函数处理最大化运营收益目标，选择降半梯度隶属度函数处理最小化运营风险和最小化碳排放总量目标函数，具体如下：
式中：公式(30)为降半梯度隶属度函，主要用于处理最小化运营风险目标函数和最小化碳排放总量目标函数。ρ(obji)为目标函数obji的隶属度函数；obji为第i个目标函数值；
为第i个目标函数的理想值；
为决策者可接受的第i个目标的增加值，是将目标进行一定的伸缩。当对目标函数进行处理后，需对目标函数权重系数进行计算，从而将多目标模型转化为单目标模型，加权后的目标函数如下：
式中：λi为目标函数i的权重系数。
根据表1，各目标函数值达到最优在其自身优化模式下，相应的,可以确立不同优化目标的最大值和最小值.应用公式(,29)和公式(30)对目标函数进行模糊化处理，计算目标函数的权重系数,0.342、0.355、0.303。进一步,可以得到综合优化模式(OBJ)下的VPP调度方案,三个目标函数值分别为18587.667￥、5808.646￥、6.585ton。
表1 VPP运营投入产出表
根据图4，在综合优化模式下,WPP和PV的发电电量要高于obj2模式，CGT处于满发状态，而BPG则被用于为WPP和PV提供备用服务。从负荷分布来看，低谷时段,ESS进行充电蓄能，累计蓄能量为-0.5MW·h和IBDR提供负出力，累计出力-0.5MW·h，在峰时段,ESS进行释能放电，累计发电出力0.36MW·h和IBDR提供正出力，共计0.4MW·h。可知，为了兼顾不同目标函数的优化诉求，CGT、WPP和PV会被调用满足负荷需求，而BPG、ESS和IBDR则主要为WPP和PV提供备用服务。这意味着VPP能够利用不同分布式电源间的互补特性，利用WPP和PV的高环境友好特性追求经济效益和环境效益，利用CGT满足基荷需求,利用BPG、ESS和IBDR提供备用服务，最终实现VPP的最优化运行。
4.结果分析
本发明所提VPP调度模型包括运营收益最大化、运营风险最小化及碳排放总量最小化三个目标函数,并借助鲁棒随机优化理论描述WPP和PV的不确定性，故本节重点分析不确定性及MTEA对VPP运行的影响，具体如下：
(1)不确定性对VPP运行的影响
由于WPP、PV并网电量直接影响VPP运营收益、风险及碳排放总量，故分析不同预测误差e、置信度β和鲁棒系数Г对发电出力和运营风险的影响。图5为不同参数下发电出力和运营收益。
根据图5，分析预测误差e和鲁棒系数Г对可再生能源出力的影响。当e≤10％，Г增加所带来的RE出力降低幅度相对较低。当e≥15％，Г增加所带来的RE出力增长幅度相对较高，这表明较低的预测误差会放大不确定性所带来的风险。进一步，分析鲁棒系数Г和置信度β对VPP运行的影响。当Γ≤0.85时，β增长会导致CVaR增长幅度较大，表明当决策者考虑不确定性时，VPP运营方案会发生显著变动。当Γ∈(0.85,0.95)，β的增长带来的CVaR增长幅度较低。当Γ≥0.95，β的增长带来的CVaR增长幅度很大，此时决策者属于极度风险厌恶型，较小不确定性都会带来较大的运营风险。
(2)MTEA对VPP运行的影响
本发明设置了MTEA作为VPP运行的边界条件，MTEA会影响VPP的电源结构。当MTEA较低时，VPP会优先调用WPP，PV满足负荷需求，同时，而CGT和BPG的碳排放系数将决定CGT，BPG的调用次序。当MTEA较高时，VPP会优先追逐运营收益的最大化和风险的最小化，本节对MTEA进行敏感性分析，讨论不同MTEA下的弃能电量和目标函数值。表2为不同MTEA下VPP调度结果。
表2为不同MTEA下VPP调度优化结果
Table 2Scheduling results of VPP operation under different MTEA
根据表2，分析不同MTEA时的电源结构。随着MTEA的增加，WPP、PV出力会逐步降低，而BPG出力会逐步增加。这是由于BPG发电上网电价较高，故当MTEA较高时，决策者会优先追逐经济收益，故更多的调用BPG发电，这也使得ESS和IBDR出力有所降低，表明VPP对备用服务的需求有所降低。反之，当MTEA较低时，BPG发电的碳排放将会降低其发电优势，而更多的调用WPP和PV满足负荷需求，获取较高的经济效益和环境效益，但需制定合理的风险防控策略。
Claims (4)
1.一种均衡运行分布式电源发电并网的方法，其特征在于，包括：
设立虚拟电厂；
计算电源输出功率；
优化多目标调度。
2.依据权利要求1所述的方法，其特征在于，所述的设立虚拟电厂是将风电场、生物质发电、储能系统、光伏电站、燃气轮机以及柔性负荷集成为虚拟电厂。
3.依据权利要求1所述的方法，其特征在于，所述的计算电源输出功率包括计算WPP/PV输出功率、计算ESS输出功率、计算BPG输出功率。
4.依据权利要求1所述的方法，其特征在于，所述的优化多目标调度包括优化常规调度、优化风险规避、计算程度优化数值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911290137.4A CN110867901A (zh) | 2019-12-16 | 2019-12-16 | 一种均衡运行分布式电源发电并网的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911290137.4A CN110867901A (zh) | 2019-12-16 | 2019-12-16 | 一种均衡运行分布式电源发电并网的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110867901A true CN110867901A (zh) | 2020-03-06 |
Family
ID=69659466
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911290137.4A Pending CN110867901A (zh) | 2019-12-16 | 2019-12-16 | 一种均衡运行分布式电源发电并网的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110867901A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111382939A (zh) * | 2020-03-06 | 2020-07-07 | 国网冀北电力有限公司 | 虚拟电厂资源优化配置方法、装置及设备 |
| CN112531743A (zh) * | 2020-12-10 | 2021-03-19 | 深圳电网智慧能源技术有限公司 | 一种基于直流配电技术的虚拟电厂功率调节方法 |
| CN112598175A (zh) * | 2020-12-22 | 2021-04-02 | 上海电力大学 | 一种流域型虚拟电厂调度方法 |
-
2019
- 2019-12-16 CN CN201911290137.4A patent/CN110867901A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111382939A (zh) * | 2020-03-06 | 2020-07-07 | 国网冀北电力有限公司 | 虚拟电厂资源优化配置方法、装置及设备 |
| CN112531743A (zh) * | 2020-12-10 | 2021-03-19 | 深圳电网智慧能源技术有限公司 | 一种基于直流配电技术的虚拟电厂功率调节方法 |
| CN112531743B (zh) * | 2020-12-10 | 2022-11-11 | 深圳电网智慧能源技术有限公司 | 一种基于直流配电技术的虚拟电厂功率调节方法 |
| CN112598175A (zh) * | 2020-12-22 | 2021-04-02 | 上海电力大学 | 一种流域型虚拟电厂调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ghalelou et al. | A stochastic self-scheduling program for compressed air energy storage (CAES) of renewable energy sources (RESs) based on a demand response mechanism | |
| WO2023065113A1 (zh) | 风光水多能互补系统灵活性需求量化及协调优化方法 | |
| CN110867901A (zh) | 一种均衡运行分布式电源发电并网的方法 | |
| CN115271467A (zh) | 考虑电碳协同优化的虚拟电厂调度优化方法及应用 | |
| Büdenbender et al. | Improving PV-integration into the distribution grid-contribution of multifunctional PV-battery systems to stabilised system operation | |
| CN112886645B (zh) | 一种基于氢能超高比例的新能源电力系统运行模拟方法 | |
| Mladenov et al. | Characterisation and evaluation of flexibility of electrical power system | |
| CN113159423A (zh) | 基于风、火、光储协调的多能源联合优化调度运行方法 | |
| Chen et al. | Scheduling strategy of hybrid wind-photovoltaic-hydro power generation system | |
| US20240039295A1 (en) | Counter-solar power plant | |
| CN116599148A (zh) | 一种面向新能源消纳的氢电混合储能两阶段协同规划方法 | |
| CN109861292B (zh) | 一种基于多能源储能系统提高清洁能源消纳方法 | |
| CN113690925B (zh) | 一种基于微电网的能量交互优化方法及系统 | |
| CN114465226A (zh) | 一种电力系统多级备用获取联合优化模型的建立方法 | |
| CN112418537B (zh) | 一种面向多能源云储能系统的优化调度方法 | |
| Toma et al. | Sizing photovoltaic-wind smart microgrid with battery storage and grid connection | |
| CN117436773A (zh) | 一种含可中断负荷的独立微网资源规划方法和系统 | |
| CN116683461A (zh) | 一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法 | |
| CN110571868A (zh) | 微电网的优化配置方法 | |
| CN113725917B (zh) | 一种抽蓄电站向电网提供多时间尺度备用的优化建模方法 | |
| 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 | |
| Guoqiang et al. | A Multi-Source Dispatching Model with Considering the Nuclear Power Plants Dispatching and Wind Power Accommodation | |
| Fang et al. | Peak Shaving Strategy of Concentrating Solar Power Generation Based on Multi-Time-Scale and Considering Demand Response. | |
| Shuo et al. | Accommodated capacity for wind and solar power under the background of supply side reform: Model and empirical study | |
| CN110635496B (zh) | 一种考虑配电系统负荷波动的日前鲁棒调度方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200306 |
|
| WD01 | Invention patent application deemed withdrawn after publication |