CN111062514A - 一种电力系统规划方法及系统 - Google Patents

一种电力系统规划方法及系统 Download PDF

Info

Publication number
CN111062514A
CN111062514A CN201911117910.7A CN201911117910A CN111062514A CN 111062514 A CN111062514 A CN 111062514A CN 201911117910 A CN201911117910 A CN 201911117910A CN 111062514 A CN111062514 A CN 111062514A
Authority
CN
China
Prior art keywords
power
planning
generator
power supply
scene
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
CN201911117910.7A
Other languages
English (en)
Inventor
栗楠
张富强
鲁刚
冯君淑
傅观君
郑宽
闫晓卿
张晋芳
伍声宇
元博
金艳鸣
刘俊
谭雪
弭辙
赵秋莉
焦冰琦
王晓晨
徐志成
杨捷
王芃
李卓男
肖鑫利
徐沈智
徐波
杨建林
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 Energy Research Institute Co Ltd
State Grid Shanghai Electric Power Co Ltd
Original Assignee
State Grid Energy Research Institute Co Ltd
State Grid Shanghai 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 Energy Research Institute Co Ltd, State Grid Shanghai Electric Power Co Ltd filed Critical State Grid Energy Research Institute Co Ltd
Priority to CN201911117910.7A priority Critical patent/CN111062514A/zh
Publication of CN111062514A publication Critical patent/CN111062514A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • 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)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种电力系统规划方法及系统，包括获取规划周期内的发电商电力生产参数和负荷需求参数；将规划周期内的所述发电商电力生产参数和负荷需求参数带入预先构建的电源电网协调规划模型，获得电网规划方案、各发电商的电源规划方案和各投入成本；所述电源电网协调规划模型是基于电力市场、电源信息和负荷信息进行构建。本发明提供的技术方案对电源电网进行统一协调规划，能够降低全社会成本，提高了经济效益。

Description

一种电力系统规划方法及系统
技术领域
本发明涉及电力系统规划领域，具体涉及一种电力系统规划方法及系统。
背景技术
现有技术研究电力系统规划时，仅针对电源或者电网独立研究，两者协调规划的成果较少。针对电源和电网协调规划方面，两者协调规划的模式包括电源主导模式、输电主导模式、参考规划模式和统一规划模式。文献《计及高比例可再生能源运行特性的中长期电力发展分析》以电源规划为主导，根据用能需求和发电资源的开发潜力、开发条件，以规划期内全社会电力供应总成本最低为目标，求解电源开发规模、时序和跨省区电力输送规模；文献《Proactive transmission investment in competitive power systems》和《一种新的促进厂网规划协调的整体框架与模型》以输电规划为主导，前者比较了主动式电网规划者、集中式资源规划者以及被动式电网规划者的投资决策，得到主动式电网规划可以通过主动扩展网络容量的办法，在一定程度上消除由于发输电分离而产生的社会福利损失；后者以缺电成本和输电成本作为规划协调变量，引入协调因子来促进厂网协调规划，提出了共同分担规划风险机制，采用蒙特卡罗模拟法进行风险分析，建立厂网协调规划数学模型；
针对电力市场对电力规划的影响方面，文献《电力市场化改革对电力规划的影响》、《电力体制改革背景下的电力系统规划设计思路》给出了一些定性描述，认为电力市场主体之间的竞争与合作关系将给电力规划带来很多不确定性。在具体模型构建方面，现有文献在考虑电力市场环境下的电力规划时，往往只针对电源规划，例如文献《电力市场环境下大规模风电并网系统电源规划研究》构建了一种满足电力市场环境约束的，包含火电、水电、大规模风电等多种类型机组并网的电源规划模型；文献《市场环境下计及多主体收益的分布式电源优化配置和定价决策方法》针对分布式电源，将分布式电源业主和配网运营商将分化为2个不同的利益主体，将分布式电源优化配置问题由传统的优化问题向多主体博弈问题转变；文献《期权理论在电源规划投资模型中的应用》建立了考虑延期选择权价值和未来不确定风险下,基于期望净现值最大化的电源投资模型。以上文献在电源规划中仅考虑了电力市场的部分影响，并没有综合考虑电力市场对规划的全部因素。
综上，现有的电力系统规划方法从单一方面进行规划，导致规划方案存在资源利用效率低，社会投入成本高的问题。
发明内容
为了解决现有技术中所存在的上述不足，本发明提供一种电力系统的规划方法及系统，将电力市场与电源、电网规划结合进行统一规划，在规划方案中提高了资源利用效率，减少了社会投入成本。本发明提供一种电力系统规划方法，包括：
获取规划周期内的发电商电力生产参数和负荷需求参数；
将规划周期内的所述发电商电力生产参数和负荷需求参数带入预先构建的电源电网协调规划模型，获得电网规划方案、各发电商的电源规划方案和各投入成本；
其中，所述电源电网协调规划模型是基于电力市场、电源信息和负荷信息进行构建。
优选的，所述电源电网协调规划模型的构建，包括：
基于风电出力、光伏出力和负荷曲线的时序耦合关系，生成多个场景；
模拟风电出力、光伏出力和负荷在实际环境中的不确定性，将所述多个场景进行聚类得到典型场景；
基于各典型场景进行电网规划、电源规划和运行模拟的闭环调整，得到最优的电源、电网规划方案和投入成本。
优选的，所述基于风电出力、光伏出力和负荷曲线的时序耦合关系，生成多个场景，包括：
对风电出力、光伏出力和负荷需求的历史数据进行统计分析，提取风电出力、光伏出力和负荷需求在不同典型日的各时段数据，并假设现实中各时段数据误差服从概率分布函数，获得每个场景的风电出力、光伏出力和负荷需求；
将已知的连续概率分布函数离散化为多个区间，获得每个区间的概率；
基于不同场景不同时段下的概率误差，将每个区间的概率标准化；
基于所有场景中的风电出力、光伏出力和负荷需求确定风电出力、光伏出力及负荷需求的功率误差被选中的区间；
计算每个场景的概率并将场景概率标准化。
优选的，所述每个场景的风电出力、光伏出力和负荷需求，如下式所示：
Figure BDA0002273069300000031
式中：PX,t,s为s场景中t时刻的第X个风电出力，PY,t,s为s场景中t时刻的第Y个光伏出力，PZ,t,s为s场景中t时刻的第Z个节点上的负荷需求，
Figure BDA0002273069300000032
为典型日中t时刻的第X个风电出力，
Figure BDA0002273069300000033
为典型日中t时刻的第Y个光伏出力，
Figure BDA0002273069300000034
为典型日中t时刻的第Z个节点上的负荷需求；ΔPX,t,s为s场景中t时刻的第X个风电出力的误差值，ΔPY,t,s为s场景中t时刻的第Y个光伏出力的误差值，ΔPZ,t,s为s场景中t时刻的第Z个节点上的负荷需求的误差值，s＝1,2,...,Ns，Ns为场景总数；t＝1,2,...,NT，NT为时间段总数，NWG为风电个数，NPV为光伏个数，NXL为负荷节点个数。
优选的，所述每个场景的概率，按下式计算：
Figure BDA0002273069300000035
式中，ω为每一个场景s的可能发生概率；
Figure BDA0002273069300000036
为s场景下时段t的第x个风电功率误差区间的选中情况，αx,t为场景s中时段t的第x个风电功率误差区间的概率，
Figure BDA0002273069300000037
为s场景下时段t的第y个风电功率误差区间的选中情况，αy,t为场景s中时段t的第y个光伏功率误差区间的概率，
Figure BDA0002273069300000038
为s场景下时段t的第Z个节点第z个负荷需求功率误差区间的选中情况，αz,Z,t为场景s中时段t的第Z个节点第z个负荷需求功率误差区间的概率，NT为时间段总数，NXL为负荷节点个数。
优选的，按下式将场景概率标准化：
Figure BDA0002273069300000041
式中，Pr为每个场景下的标准化概率；ω为每一个场景s的可能发生概率；Ns为场景总数。
优选的，所述电网规划、电源规划和运行模拟的构建，包括：
基于电力系统成本最小化的目标构建电网规划目标函数，并由总投资和候选输电线路状态为所述电网规划目标函数构建约束条件；
以发电利益最大化为优化目标构建电源规划目标函数，并基于发电机组出力和候选发电机组状态为所述电源规划目标函数构建约束条件；
基于整个电力系统总运行成本最低构建运行模拟目标函数，并为所述运行模拟目标函数构建约束条件；
其中，所述运行模拟目标函数的约束条件包括：线路潮流和节点电压相角约束、网络功率平衡约束、系统旋转备用约束、火电机组出力及爬坡约束、机组状态指示变量约束和火电机组最小开停机时间约束。
优选的，所述电网规划目标函数，如下式所示；
Figure BDA0002273069300000042
式中：CS为电力系统成本，NT为规划期总年数，NG为发电商个数，NL为候选输电线路数量，d为折现率，CGh为第h个发电商管辖下的候选发电机组总台数，Xyhi为第y年第h个发电商管辖下第i个候选发电机组的候选状态，PIChi为发电商h管辖下候选发电机组i的单位容量投资成本，SGh C i为候选发电机组i的容量，αyhi为该机组在第y年的投资比例，FICj为候选输电线路j的单位容量投资成本，SFj为线路容量，βyj为第j条候选输电线路在第y年的投资比例，Yyj为第y年第j条候选输电线路的候选状态，CO为电力系统运行成本。
优选的，所述电源规划目标函数，如下式所示：
Figure BDA0002273069300000051
式中：FGh为第h个发电商的发电利润，NT为规划期总年数，NG为发电商个数，d为折现率，CGh为第h个发电商管辖下的候选发电机组总台数，NS为场景数，Ts为第s个场景持续的时间，EGh为第h个发电商管辖下的已有发电机组台数，
Figure BDA0002273069300000052
为第y年第s个场景时段t下发电商h管辖下已有发电机组i的销售电价，
Figure BDA0002273069300000053
为在E时段的成本；
Figure BDA0002273069300000054
为第y年第s个场景时段t下发电商h管辖下候选发电机组i的销售电价，
Figure BDA0002273069300000055
为在C时段的成本；
Figure BDA0002273069300000056
为发电机组在E时段的发电功率，
Figure BDA0002273069300000057
为发电机组在C时段的发电功率，αyhi为该机组在第y年的投资比例，Xyhi为第y年第h个发电商管辖下第i个候选发电机组的候选状态。
优选的，所述运行模拟目标函数，如下式所示：
Figure BDA0002273069300000058
式中：CO为电力系统运行成本，NT为规划期总年数，NS为场景数，Ts为第s个场景持续的时间，NG为发电商个数，EGh为第h个发电商管辖下的已有发电机组台数，
Figure BDA0002273069300000059
为在E时段的成本，
Figure BDA00022730693000000510
为相应发电机组在E时段的发电功率，d为折现率，CGh为第h个发电商管辖下的候选发电机组总台数，
Figure BDA0002273069300000061
为在C时段的成本，
Figure BDA0002273069300000062
为相应发电机组在C时段的发电功率，Xyhi为第y年第h个发电商管辖下第i个候选发电机组的候选状态，Ccl为切负荷成本。
优选的，所述将规划周期内的所述发电商电力生产参数和负荷需求参数带入预先构建的电源电网协调规划模型，获得电网规划方案、各发电商的电源规划方案和各投入成本，包括：
基于电网规划目标函数和为所述电网规划目标函数构建约束条件，获得电网规划方案；
基于电源规划目标函数和为所述电源规划目标函数构建约束条件，获得各发电商电源规划方案和机组信息；
基于所述电网规划方案和各发电商电源规划方案进行运行模拟，获得节点边际电价和系统运行成本；
根据系统运行成本、节点边际电价分别对电网规划方案和电源规划方案进行修改，直到满足设置的收敛标准，得到电网规划方案、各发电商的电源规划方案和各投入成本；
所述各投入成本包括：电网投资成本、各发电商投资成本、系统投资运行总成本、系统运行成本、可靠性成本和碳排放成本。
优选的，所述基于电源规划目标函数和为所述电源规划目标函数构建约束条件，获得各发电商电源规划方案和机组信息之后，包括：
检查所述各发电商电源规划方案是否满足可再生能源的发展目标要求，如果不满足则重新进行规划；否则得到各发电商电源规划方案和机组信息。
基于同一发明构思，本发明还提供了一种电力系统规划系统，包括：
数据输入模块，用于将获取的规划周期内的发电商电力生产参数和负荷需求参数带入预先构建的电源电网协调规划模型；
运行计算模块，用于基于规划周期内的发电商电力生产参数和负荷需求参数在电源电网协调规划模型中进行运行计算，获得电网规划方案、各发电商的电源规划方案和各投入成本；
结果输出模块，用于输出电网规划方案、各发电商的电源规划方案和各投入成本；
其中，所述电源电网协调规划模型是基于电力市场、电源信息和负荷信息进行构建。
优选的，所述运行计算模块，包括：
场景聚类子模块，用于根据风电出力、光伏出力、负荷曲线的时序耦合关系，并模拟风电出力、光伏出力和负荷在实际环境中的不确定性生成典型场景；
三层优化子模块，用于基于各典型场景进行电网规划、电源规划和运行模拟，得到最优的电源、电网规划方案和投入成本。
优选的，所述场景聚类子模块，包括：
场景生成单元，用于基于风电出力、光伏出力和负荷曲线生成多个场景；
场景缩减单元，用于模拟风电出力、光伏出力和负荷在实际环境中的不确定性，将所述多个场景进行聚类得到典型场景。
优选的，所述三层优化子模块，包括：
电网规划单元，用于基于电网规划目标函数和为所述电网规划目标函数构建约束条件获得电网候选方案，并将电网候选方案传递给电源规划单元和运行模拟单元；
电源规划单元，用于基于电源规划目标函数和为所述电源规划目标函数构建约束条件，获得电源建设方案，并将电源建设方案传递给运行模拟单元；
运行模拟单元，用于基于所述电网规划方案和各发电商电源规划方案进行运行模拟，获得节点边际电价和系统运行成本；还用于根据系统运行成本、节点边际电价分别对电网规划方案和电源规划方案进行修改，直到满足设置的收敛标准，得到电网规划方案、各发电商的电源规划方案和各投入成本。
与现有技术相比，本发明的有益效果为：
本发明提供的技术方案包括：获取规划周期内的发电商电力生产参数和负荷需求参数；将规划周期内的所述发电商电力生产参数和负荷需求参数带入预先构建的电源电网协调规划模型，获得电网规划方案、各发电商的电源规划方案和各投入成本；所述电源电网协调规划模型是基于电力市场、电源信息和负荷信息进行构建，通过电源电网协调规划模型对电源电网进行统一协调规划，能够降低全社会成本，提高经济效率。
本发明提供的技术方案构建的电源电网协调规划模型在规划中考虑电力系统实际运行场景，将规划与运行有机结合进行详细模拟，模拟结果更加精确。
本发明提供的技术方案构建的电源电网协调规划模型综合考虑了电力市场环境下的多种因素，包括节点电价机制、需求侧管理机制等，具有前瞻性。
本发明提供的技术方案构建的电源电网协调规划模型考虑了各发电商综合统筹了多个利益主体，模型更具适应性。
本发明提供的技术方案构建的电源电网协调规划模型考虑了可再生能源发展目标和环保因素，更加符合实际。
附图说明
图1为本发明提供的一种电力系统规划方法的流程图；
图2为本发明的电源电网协调规划框架示意图；
图3为本发明中三层优化子模块的示意图。
具体实施方式
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。
电源、电网统一规划能够有效提高资源利用效率、促进电力系统协调运行。在市场条件下进行电力系统规划工作，与计划经济体制下相比有很大的不同。在市场环境下，电源和电网的地位可能发生重要的变化。对电网来说，电网不仅是电力市场的主体之一，也是电力市场交易的重要载体，连接着电力生产者和电力消费者，掌握的市场信息最为丰富。对电源来说，发电侧由许多相互间无利益关联的发电公司构成，他们是独立追求其自身效益的个体，不能采取传统方式来强制和统一发电侧的发电策略和投资策略。因此，在电力市场环境下，需要综合考虑不同利益主体的诉求，以及在满足各方利益、满足系统可靠运行的情况下追求电源、电网的协调规划。而现有的电源规划中仅考虑了电力市场的部分影响，但是没有综合考虑现货市场、利益主体对规划的影响，没有将电力市场与电源、电网规划结合进行统一规划。
针对电力市场环境为电力规划带来的不确定影响以及考虑多个相互制约的规划主体的利益，基于上述不足，本发明提供了如图1所示的一种电力系统规划方法，包括：
S1、获取规划周期内的发电商电力生产参数和负荷需求参数；
S2、将规划周期内的所述发电商电力生产参数和负荷需求参数带入预先构建的电源电网协调规划模型，获得电网规划方案、各发电商的电源规划方案和各投入成本；
其中，所述电源电网协调规划模型是基于电力市场、电源信息和负荷信息进行构建。
本实施例对上述步骤进行具体分析，S1、获取规划周期内的发电商电力生产参数和负荷需求参数，包括：
步骤1、获取输入电源电网协调规划模型所需要的基础数据包括：发电商电力生产参数、负荷需求参数和规划周期信息；
负荷需求参数包括：负荷预测信息、需求侧管理信息；
电力生产参数包括：各发电商的候选电源信息、机组运行技术参数、候选网架信息、系统运行参数。
本实施例中电源电网协调规划模型的构建，包括：
基于风电出力、光伏出力和负荷曲线的时序耦合关系，生成多个场景；
模拟风电出力、光伏出力和负荷在实际环境中的不确定性，将所述多个场景进行聚类得到典型场景；
基于各典型场景进行电网规划、电源规划和运行模拟的闭环调整，得到最优的电源、电网规划方案和投入成本。
S2、将规划周期内的所述发电商电力生产参数和负荷需求参数带入预先构建的电源电网协调规划模型，获得电网规划方案、各发电商的电源规划方案和各投入成本，具体包括：
步骤2、考虑风电、光伏出力和负荷需求等随机变量，通过生成规模足够大的场景来满足模拟不确定性模型的精度，主要内容是依据随机变量功率误差的统计特性确定功率误差值的大小，从而将不确定性问题合理地转化为确定性问题，步骤如下：
(1)对风电、光伏出力和负荷数据等历史数据进行整理，通过统计分析提取出各随机变量在不同典型日的各时段数据，并假设现实中各时段数据误差服从一定的概率分布函数，则每个场景的随机变量如下式所示。
Figure BDA0002273069300000101
式中：PX,t,s为s场景中t时刻的第X个风电出力，PY,t,s为s场景中t时刻的第Y个光伏出力，PZ,t,s为s场景中t时刻的第Z个节点上的负荷需求，
Figure BDA0002273069300000102
为典型日中t时刻的第X个风电出力，
Figure BDA0002273069300000103
为典型日中t时刻的第Y个光伏出力，
Figure BDA0002273069300000104
为典型日中t时刻的第Z个节点上的负荷需求；ΔPX,t,s为s场景中t时刻的第X个风电出力的误差值，ΔPY,t,s为s场景中t时刻的第Y个光伏出力的误差值，ΔPZ,t,s为s场景中t时刻的第Z个节点上的负荷需求的误差值，s＝1,2,...,Ns，Ns为场景总数；t＝1,2,...,NT，NT为时间段总数，NWG为风电个数，NPV为光伏个数，NXL为负荷节点个数。
(2)将已知的连续概率分布函数离散化为m个区间，每个区间的宽度为功率误差的标准差σ，每个区间相对应的概率为αb,t，其中b＝1,2,...,m。
(3)将每个区间的概率标准化，采用轮盘赌的方式，在0到1之间生成一个随机数r，从区间1开始一次判断随机数与区间累计概率的大小，确定随机数r所落在的区间置为1(即可确定选中的概率误差)，其余的区间置为0，以确定不同场景不同时段下的概率误差。
(4)按照上述方法生成所需数量的场景，每个场景均包含一组二进制数，由此确定风电、光伏输出及负荷需求的功率误差被选中的区间。
Figure BDA0002273069300000105
式中，
Figure BDA0002273069300000106
分别代表s场景下时段t的第x个风电功率误差区间、第y个光伏功率误差区间和第Z个节点第z个负荷需求功率误差区间的选中情况；D表示负荷的类型。
(5)计算每个场景的概率，并将场景概率标准化。
Figure BDA0002273069300000107
式中，ω为每一个场景s的可能发生概率；αx,t,αy,t,αz,Z,t分别表示场景s中时段t的第x个风电功率误差区间、第y个光伏功率误差区间和第Z个节点第z个负荷需求功率误差区间的概率。本实施例中根据3σ原则，共设定7个误差区间，因此风电个数NWG，光伏个数NPV取7。
Figure BDA0002273069300000111
式中，Pr为每个场景下的标准化概率。
步骤3、将大规模的场景缩减为若干个典型场景，其核心环节是将具有相似特征的场景归为一簇，并从中选出中心场景作为簇的典型场景。
(1)随机选取Ms个场景作为簇心，簇心场景的集合为
Figure BDA0002273069300000112
(2)根据簇心集合，可确立剩余场景集合为
Figure BDA0002273069300000113
分别计算剩余场景到簇心场景的场景距离：
Figure BDA0002273069300000114
(3)根据DTs,s'距离矩阵，将剩余场景归类到距离最近的簇心。此次聚类后的聚类集合为：
Cluster＝{Ci}(i＝1,...,Ms)
其中Ci表示同类中的场景集合；
(4)簇心计算方法：假设某聚类Ci中有LS个场景，计算每个场景与其他场景的距离之和：
Figure BDA0002273069300000115
选取CTk＝Min(CTs)的场景ξk为新的聚类中心；按上述方法重新确定簇心集合。
(5)重复(2)到(4)步骤，知道簇心和聚类结果不再变化，场景缩减结束。每个场景的概率值即为该类中所有场景的概率之和。
步骤4、根据节点边际电价(Locational marginal price，LMP)和一些相关信息，国家监管机构给出电网规划决策，内容如下：
(1)电网规划的目标是全系统成本最小化，如式(5)所示。
Figure BDA0002273069300000121
式中第一行为新建发电机组的投资成本，第二行为新建输电线路的投资成本，第三行为系统运行成本。CS为全系统成本，NT为规划期总年数，NG为发电商个数，NL为候选输电线路数量，d为折现率，CGh为第h个发电商管辖下的候选发电机组总台数，Xyhi为第y年第h个发电商管辖下第i个候选发电机组的候选状态，Xyhi＝1表示被选中，Xyhi＝0表示没有被选中；PIChi为发电商h管辖下候选发电机组i的单位容量投资成本，
Figure BDA0002273069300000122
为机组容量，αyhi为该机组在第y年的投资比例，FICj为候选输电线路j的单位容量投资成本，SFj为线路容量，βyj为该线路在第y年的投资比例，Yyj为第y年第j条输电线路的候选状态，Yyj＝1表示被选中，Yyj＝0表示没有被选中；CO为系统运行成本，系统运行成本值由ISO提供。
(2)约束条件由电网总投资限制和候选输电线路状态约束，内容如下：
A、电网的投资决策受到投资成本总额的限制，如式(6)所示。
Figure BDA0002273069300000123
式中，
Figure BDA0002273069300000124
为电网投资金额上限。
B、候选输电线路状态约束
Yyj≤Y(y+1)j (7)
(3)将电网规划决策分别传递给发电商和ISO。
步骤5、发电商根据电网规划方案和LMP信息，以自身效益最大化制定电源规划方案X，内容如下：
(1)各发电商以利益最大化为优化目标，发电商收入主要是为电力市场提供电能和服务所获得的收入，成本主要包括投资成本和运行成本，目标函数如下：
Figure BDA0002273069300000131
式中第一行为已有发电机组的运行利润，第二行为新建发电机组的运行利润，第三行为新建发电机组的投资成本。FGh为第h个发电商的发电利润，NT为规划期总年数，NG为发电商个数，d为折现率，CGh为第h个发电商管辖下的候选发电机组总台数，NS为场景数，Ts为第s个场景持续的时间，EGh为第h个发电商管辖下的已有发电机组台数，
Figure BDA0002273069300000132
为第y年第s个场景时段t下发电商h管辖下已有发电机组i的销售电价，
Figure BDA0002273069300000133
为在E时段的成本；
Figure BDA0002273069300000134
为第y年第s个场景时段t下发电商h管辖下候选发电机组i的销售电价，
Figure BDA0002273069300000135
为在C时段的成本；
Figure BDA0002273069300000136
为相应发电机组在E时段的发电功率，
Figure BDA0002273069300000137
为相应发电机组在C时段的发电功率，αyhi为该机组在第y年的投资比例，Xyhi为第y年第h个发电商管辖下第i个候选发电机组的候选状态。
在电源规划中决策变量是发电商发电功率
Figure BDA0002273069300000138
和候选发电机组状态Xyhi。
(2)约束条件有发电机组出力约束、候选发电机组状态约束，内容如下：
A、发电机组出力约束
Figure BDA0002273069300000141
Figure BDA0002273069300000142
式中，
Figure BDA0002273069300000143
和
Figure BDA0002273069300000144
分别为发电商h管辖内第i个已有发电机组的装机容量和第i个候选发电机组的装机容量。
B、候选发电机组状态约束
Xiht≤Xih(t+1) (11)
(3)检查各发电商的电源规划满不满足可再生能源的发展目标要求，如果不满足重新进行规划。
(4)如果满足可再生能源发展目标要求，则将各发电商电源规划方案和投运机组的运行成本等信息传递给ISO。
步骤6、ISO在获得电源和电网规划方案后，进行生产模拟，内容如下：
(1)计算系统的可靠性，并将其转化为缺电损失；
(2)ISO生产模拟的目标函数为整个系统总运行成本最低。
其中，总运行成本包括所有发电机组的发电成本、启停成本和碳排放成本，可表示为：
Figure BDA0002273069300000145
式中第一行为已有发电机组规划期运行总成本，第二行为新建发电机组规划期运行总成本。第三行Ccl为切负荷成本。
(3)ISO生产运行优化问题的约束条件主要有：
A、线路潮流和节点电压相角约束；B、网络功率平衡约束；C、系统旋转备用约束；D、火电机组出力及爬坡约束；E、机组状态指示变量约束；火电机组最小开停机时间约束。
步骤7、ISO将节点边际电价和运行成本等信息反馈给国家监管机构和各个发电商。
步骤8、国家监管机构和发电商根据最新信息分别修改电网和电源规划方案，重复步骤5～7，直到满足收敛标准即可。
步骤9、将电网规划方案、各发电商的电源规划方案、电网投资成、各发电商投资成本、系统投资运行总成本、系统运行成本、可靠性成本和碳排放成本等计算结果输出。
基于同一发明构思，本发明还提供了一种电力系统规划系统，包括：
(1)如图2所示，一种电力系统规划系统由数据输入模块、运行计算模块、结果输出模块三部分组成。
(2)数据输入模块主要作用为输入电源电网协调规划模型所需要的基础数据，主要包括：发电商电力生产参数、负荷需求参数和规划周期信息；负荷需求参数包括：负荷预测信息、需求侧管理信息；电力生产参数包括：各发电商的候选电源信息、机组运行技术参数、候选网架信息、系统运行参数。
(3)运行计算模块主要作用为根据构建的电源电网协调规划模型进行运行模拟与计算，主要包括：场景聚类子模块和三层优化子模块，用于根据风光出力和负荷曲线进行场景聚类、规划期内的三层优化和结果统计。
(4)场景聚类子模块根据风光出力、负荷曲线等时序耦合关系，充分模拟随机变量在实际环境中的不确定性，将全年不确定性聚类成数种具有代表性的确定场景，包括场景生成和场景缩减。
(5)三层优化子模块综合考虑整个规划期内全社会投资运行成本、各发电商收益和电力系统运行成本，将规划问题分为三层：分别为电网规划、电源规划和运行模拟。主要内容是采用优化算法从候选电源和网架中求解出最优的电源、电网规划方案，其具体实施如下：
如图3所示，三层优化子模块由电网规划单元、电源规划单元、运行模拟单元3部分组成，具体包括：
电网规划单元主要内容是电力规划责任主体给出电网候选方案，并将电网建设方案传递给电源规划模块和运行模拟模块。
电源规划单元主要内容是多个发电商根据自身效益最大化进行自主决策，并将电源建设方案传递给运行模拟模块。
运行模拟单元主要内容是独立系统操作员(Independent System Operator，ISO)的生产运行模拟，包括可靠性计算和生产模拟，并将系统运行成本传递给电网规划模块，节点边际电价传递给电源规划模块，以供电网规划模块和电源规划模块重新优化，闭环调整。
(6)数据输出模块的输出内容包括电网规划方案、各发电商的电源规划方案、电网投资成、各发电商投资成本、系统投资运行总成本、系统运行成本、可靠性成本和碳排放成本。
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 (16)

1.一种电力系统规划方法，其特征在于，包括：
获取规划周期内的发电商电力生产参数和负荷需求参数；
将规划周期内的所述发电商电力生产参数和负荷需求参数带入预先构建的电源电网协调规划模型，获得电网规划方案、各发电商的电源规划方案和各投入成本；
其中，所述电源电网协调规划模型是基于电力市场、电源信息和负荷信息进行构建。
2.如权利要求1所述的方法，其特征在于，所述电源电网协调规划模型的构建，包括：
基于风电出力、光伏出力和负荷曲线的时序耦合关系，生成多个场景；
模拟风电出力、光伏出力和负荷在实际环境中的不确定性，将所述多个场景进行聚类得到典型场景；
基于各典型场景进行电网规划、电源规划和运行模拟的闭环调整，得到最优的电源、电网规划方案和投入成本。
3.如权利要求2所述的方法，其特征在于，所述基于风电出力、光伏出力和负荷曲线的时序耦合关系，生成多个场景，包括：
对风电出力、光伏出力和负荷需求的历史数据进行统计分析，提取风电出力、光伏出力和负荷需求在不同典型日的各时段数据，并假设现实中各时段数据误差服从概率分布函数，获得每个场景的风电出力、光伏出力和负荷需求；
将已知的连续概率分布函数离散化为多个区间，获得每个区间的概率；
基于不同场景不同时段下的概率误差，将每个区间的概率标准化；
基于所有场景中的风电出力、光伏出力和负荷需求确定风电出力、光伏出力及负荷需求的功率误差被选中的区间；
计算每个场景的概率并将场景概率标准化。
4.如权利要求3所述的方法，其特征在于，所述每个场景的风电出力、光伏出力和负荷需求，如下式所示：
Figure FDA0002273069290000011
式中：PX,t,s为s场景中t时刻的第X个风电出力，PY,t,s为s场景中t时刻的第Y个光伏出力，PZ,t,s为s场景中t时刻的第Z个节点上的负荷需求，
Figure FDA0002273069290000021
为典型日中t时刻的第X个风电出力，
Figure FDA0002273069290000022
为典型日中t时刻的第Y个光伏出力，
Figure FDA0002273069290000023
为典型日中t时刻的第Z个节点上的负荷需求；ΔPX,t,s为s场景中t时刻的第X个风电出力的误差值，ΔPY,t,s为s场景中t时刻的第Y个光伏出力的误差值，ΔPZ,t,s为s场景中t时刻的第Z个节点上的负荷需求的误差值，s＝1,2,...,Ns，Ns为场景总数；t＝1,2,...,NT，NT为时间段总数，NWG为风电个数，NPV为光伏个数，NXL为负荷节点个数。
5.如权利要求3所述的方法，其特征在于，所述每个场景的概率，按下式计算：
Figure FDA0002273069290000024
式中，ω为每一个场景s的可能发生概率；
Figure FDA0002273069290000025
为s场景下时段t的第x个风电功率误差区间的选中情况，αx,t为场景s中时段t的第x个风电功率误差区间的概率，
Figure FDA0002273069290000026
为s场景下时段t的第y个风电功率误差区间的选中情况，αy,t为场景s中时段t的第y个光伏功率误差区间的概率，
Figure FDA0002273069290000027
为s场景下时段t的第Z个节点第z个负荷需求功率误差区间的选中情况，αz,Z,t为场景s中时段t的第Z个节点第z个负荷需求功率误差区间的概率，NT为时间段总数，NXL为负荷节点个数。
6.如权利要求3所述的方法，其特征在于，按下式将场景概率标准化：
Figure FDA0002273069290000028
式中，Pr为每个场景下的标准化概率；ω为每一个场景s的可能发生概率；Ns为场景总数。
7.如权利要求2所述的方法，其特征在于，所述电网规划、电源规划和运行模拟的构建，包括：
基于电力系统成本最小化的目标构建电网规划目标函数，并由总投资和候选输电线路状态为所述电网规划目标函数构建约束条件；
以发电利益最大化为优化目标构建电源规划目标函数，并基于发电机组出力和候选发电机组状态为所述电源规划目标函数构建约束条件；
基于整个电力系统总运行成本最低构建运行模拟目标函数，并为所述运行模拟目标函数构建约束条件；
其中，所述运行模拟目标函数的约束条件包括：线路潮流和节点电压相角约束、网络功率平衡约束、系统旋转备用约束、火电机组出力及爬坡约束、机组状态指示变量约束和火电机组最小开停机时间约束。
8.如权利要求7所述的方法，其特征在于，所述电网规划目标函数，如下式所示；
Figure FDA0002273069290000031
式中：CS为电力系统成本，NT为规划期总年数，NG为发电商个数，NL为候选输电线路数量，d为折现率，CGh为第h个发电商管辖下的候选发电机组总台数，Xyhi为第y年第h个发电商管辖下第i个候选发电机组的候选状态，PIChi为发电商h管辖下候选发电机组i的单位容量投资成本，
Figure FDA0002273069290000032
为候选发电机组i的容量，αyhi为该机组在第y年的投资比例，FICj为候选输电线路j的单位容量投资成本，SFj为线路容量，βyj为第j条候选输电线路在第y年的投资比例，Yyj为第y年第j条候选输电线路的候选状态，CO为电力系统运行成本。
9.如权利要求7所述的方法，其特征在于，所述电源规划目标函数，如下式所示：
Figure FDA0002273069290000041
式中：FGh为第h个发电商的发电利润，NT为规划期总年数，NG为发电商个数，d为折现率，CGh为第h个发电商管辖下的候选发电机组总台数，NS为场景数，Ts为第s个场景持续的时间，EGh为第h个发电商管辖下的已有发电机组台数，
Figure FDA0002273069290000042
为第y年第s个场景时段t下发电商h管辖下已有发电机组i的销售电价，
Figure FDA0002273069290000043
为在E时段的成本；
Figure FDA0002273069290000044
为第y年第s个场景时段t下发电商h管辖下候选发电机组i的销售电价，
Figure FDA0002273069290000045
为在C时段的成本；
Figure FDA0002273069290000046
为发电机组在E时段的发电功率，
Figure FDA0002273069290000047
为发电机组在C时段的发电功率，αyhi为该机组在第y年的投资比例，Xyhi为第y年第h个发电商管辖下第i个候选发电机组的候选状态。
10.如权利要求7所述的方法，其特征在于，所述运行模拟目标函数，如下式所示：
Figure FDA0002273069290000048
式中：CO为电力系统运行成本，NT为规划期总年数，NS为场景数，Ts为第s个场景持续的时间，NG为发电商个数，EGh为第h个发电商管辖下的已有发电机组台数，
Figure FDA0002273069290000049
为在E时段的成本，
Figure FDA00022730692900000410
为相应发电机组在E时段的发电功率，d为折现率，CGh为第h个发电商管辖下的候选发电机组总台数，
Figure FDA00022730692900000411
为在C时段的成本，
Figure FDA00022730692900000412
为相应发电机组在C时段的发电功率，Xyhi为第y年第h个发电商管辖下第i个候选发电机组的候选状态，Ccl为切负荷成本。
11.如权利要求7所述的方法，其特征在于，所述将规划周期内的所述发电商电力生产参数和负荷需求参数带入预先构建的电源电网协调规划模型，获得电网规划方案、各发电商的电源规划方案和各投入成本，包括：
基于电网规划目标函数和为所述电网规划目标函数构建约束条件，获得电网规划方案；
基于电源规划目标函数和为所述电源规划目标函数构建约束条件，获得各发电商电源规划方案和机组信息；
基于所述电网规划方案和各发电商电源规划方案进行运行模拟，获得节点边际电价和系统运行成本；
根据系统运行成本、节点边际电价分别对电网规划方案和电源规划方案进行修改，直到满足设置的收敛标准，得到电网规划方案、各发电商的电源规划方案和各投入成本；
所述各投入成本包括：电网投资成本、各发电商投资成本、系统投资运行总成本、系统运行成本、可靠性成本和碳排放成本。
12.如权利要求11所述的方法，其特征在于，所述基于电源规划目标函数和为所述电源规划目标函数构建约束条件，获得各发电商电源规划方案和机组信息之后，包括：
检查所述各发电商电源规划方案是否满足可再生能源的发展目标要求，如果不满足则重新进行规划；否则得到各发电商电源规划方案和机组信息。
13.一种电力系统规划系统，其特征在于，包括：
数据输入模块，用于将获取的规划周期内的发电商电力生产参数和负荷需求参数带入预先构建的电源电网协调规划模型；
运行计算模块，用于基于规划周期内的发电商电力生产参数和负荷需求参数在电源电网协调规划模型中进行运行计算，获得电网规划方案、各发电商的电源规划方案和各投入成本；
结果输出模块，用于输出电网规划方案、各发电商的电源规划方案和各投入成本；
其中，所述电源电网协调规划模型是基于电力市场、电源信息和负荷信息进行构建。
14.如权利要求13所述的系统，其特征在于，所述运行计算模块，包括：
场景聚类子模块，用于根据风电出力、光伏出力、负荷曲线的时序耦合关系，并模拟风电出力、光伏出力和负荷在实际环境中的不确定性生成典型场景；
三层优化子模块，用于基于各典型场景进行电网规划、电源规划和运行模拟，得到最优的电源、电网规划方案和投入成本。
15.如权利要求14所述的系统，其特征在于，所述场景聚类子模块，包括：
场景生成单元，用于基于风电出力、光伏出力和负荷曲线生成多个场景；
场景缩减单元，用于模拟风电出力、光伏出力和负荷在实际环境中的不确定性，将所述多个场景进行聚类得到典型场景。
16.如权利要求14所述的系统，其特征在于，所述三层优化子模块，包括：
电网规划单元，用于基于电网规划目标函数和为所述电网规划目标函数构建约束条件获得电网候选方案，并将电网候选方案传递给电源规划单元和运行模拟单元；
电源规划单元，用于基于电源规划目标函数和为所述电源规划目标函数构建约束条件，获得电源建设方案，并将电源建设方案传递给运行模拟单元；
运行模拟单元，用于基于所述电网规划方案和各发电商电源规划方案进行运行模拟，获得节点边际电价和系统运行成本；还用于根据系统运行成本、节点边际电价分别对电网规划方案和电源规划方案进行修改，直到满足设置的收敛标准，得到电网规划方案、各发电商的电源规划方案和各投入成本。
CN201911117910.7A 2019-11-14 2019-11-14 一种电力系统规划方法及系统 Pending CN111062514A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911117910.7A CN111062514A (zh) 2019-11-14 2019-11-14 一种电力系统规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911117910.7A CN111062514A (zh) 2019-11-14 2019-11-14 一种电力系统规划方法及系统

Publications (1)

Publication Number Publication Date
CN111062514A true CN111062514A (zh) 2020-04-24

Family

ID=70297959

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911117910.7A Pending CN111062514A (zh) 2019-11-14 2019-11-14 一种电力系统规划方法及系统

Country Status (1)

Country Link
CN (1) CN111062514A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112381421A (zh) * 2020-11-17 2021-02-19 三峡大学 一种考虑电力市场全维度的源网荷多主体博弈规划方法
CN113222233A (zh) * 2021-04-30 2021-08-06 中国石油天然气股份有限公司 一种天然气多主体能源博弈分析方法及系统
CN113592673A (zh) * 2021-08-05 2021-11-02 国网冀北电力有限公司经济技术研究院 一种电力市场环境下的输电网规划成本效益评估方法
CN113837511A (zh) * 2020-06-23 2021-12-24 电力规划总院有限公司 能源规划方法及装置
CN114552672A (zh) * 2022-04-26 2022-05-27 阿里巴巴（中国）有限公司 电力系统的数据处理方法和存储介质
CN114548485A (zh) * 2022-01-06 2022-05-27 华能威海发电有限责任公司 一种电力生产的大数据应用系统

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113837511A (zh) * 2020-06-23 2021-12-24 电力规划总院有限公司 能源规划方法及装置
CN113837511B (zh) * 2020-06-23 2023-05-16 电力规划总院有限公司 能源规划方法及装置
CN112381421A (zh) * 2020-11-17 2021-02-19 三峡大学 一种考虑电力市场全维度的源网荷多主体博弈规划方法
CN113222233A (zh) * 2021-04-30 2021-08-06 中国石油天然气股份有限公司 一种天然气多主体能源博弈分析方法及系统
CN113222233B (zh) * 2021-04-30 2024-05-07 中国石油天然气股份有限公司 一种天然气多主体能源博弈分析方法及系统
CN113592673A (zh) * 2021-08-05 2021-11-02 国网冀北电力有限公司经济技术研究院 一种电力市场环境下的输电网规划成本效益评估方法
CN113592673B (zh) * 2021-08-05 2024-03-22 国网冀北电力有限公司经济技术研究院 一种电力市场环境下的输电网规划成本效益评估方法
CN114548485A (zh) * 2022-01-06 2022-05-27 华能威海发电有限责任公司 一种电力生产的大数据应用系统
CN114552672A (zh) * 2022-04-26 2022-05-27 阿里巴巴（中国）有限公司 电力系统的数据处理方法和存储介质

Similar Documents

Publication Publication Date Title
de Quevedo et al. Impact of electric vehicles on the expansion planning of distribution systems considering renewable energy, storage, and charging stations
CN111062514A (zh) 一种电力系统规划方法及系统
Zamani et al. Day-ahead resource scheduling of a renewable energy based virtual power plant
Toutounchi et al. A stochastic bilevel model to manage active distribution networks with multi-microgrids
Reddy et al. Optimal posturing in day-ahead market clearing for uncertainties considering anticipated real-time adjustment costs
Song et al. Economic-environmental equilibrium-based bi-level dispatch strategy towards integrated electricity and natural gas systems
Santos et al. Impacts of operational variability and uncertainty on distributed generation investment planning: A comprehensive sensitivity analysis
Kalakova et al. A novel genetic algorithm based dynamic economic dispatch with short-term load forecasting
CN104377693A (zh) 一种发电生产模拟模型
Dadashi et al. Coordination of wind power producers with an energy storage system for the optimal participation in wholesale electricity markets
Tian et al. Coordinated planning with predetermined renewable energy generation targets using extended two-stage robust optimization
KR20210100699A (ko) 하이브리드 발전소
Petrichenko et al. Modelling the Future of the Baltic Energy Systems: A Green Scenario
CN110400056A (zh) 基于风光时空特性的梯级水电日前优化调度方法及装置
CN113159366A (zh) 一种多微电网系统多时间尺度自适应优化调度方法
Izzatillaev et al. Short-term load forecasting in grid-connected microgrid
Dvorkin et al. A consensus-ADMM approach for strategic generation investment in electricity markets
Aburiyana et al. Direct net load forecasting using adaptive neuro fuzzy inference system
Aghajani et al. Optimal energy storage sizing and offering strategy for the presence of wind power plant with energy storage in the electricity market
CN113364043A (zh) 一种基于条件风险价值的微电网群优化方法
Rafique et al. Energy management system design and testing for smart buildings under uncertain generation (wind/photovoltaic) and demand
Ignat-Balaci et al. Day-Ahead Scheduling, Simulation, and Real-Time Control of an Islanded Microgrid.
Zeinal-Kheiri et al. Robust energy management of a microgrid with uncertain price, renewable generation, and load using Taguchi’s orthogonal array method
CN115115276A (zh) 考虑不确定性和隐私保护的虚拟电厂调度方法及系统
Jasemi et al. Optimal operation of micro-grids considering the uncertainties of demand and renewable energy resources generation

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