CN111082467A - 一种微电网优化调度方法及系统 - Google Patents
一种微电网优化调度方法及系统 Download PDFInfo
- Publication number
- CN111082467A CN111082467A CN201911396965.6A CN201911396965A CN111082467A CN 111082467 A CN111082467 A CN 111082467A CN 201911396965 A CN201911396965 A CN 201911396965A CN 111082467 A CN111082467 A CN 111082467A
- Authority
- CN
- China
- Prior art keywords
- power
- microgrid
- grid
- cost
- micro
- 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
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
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及微电网调度技术领域,具体涉及一种微电网优化调度方法及系统,首先确定微电网系统中的子系统,接着根据光伏系统的物理参数计算光伏系统功率,根据风能系统的物理参数计算风能系统功率;根据微电网系统的成本组成建立综合成本最低的目标函数,并确定微电网系统的约束条件;将光伏系统功率、风能系统功率、负载功率作为输入,在满足目标函数和约束条件的情况下,通过改进的遗传退火算法求解微电网的调度方案,得到一个周期内蓄电池功率、电网交换功率、柴油发电机功率;最后根据所述微电网的调度方案对微电网进行调度,本发明能够快速有效地降低微电网的运行费用。
Description
技术领域
本发明涉及微电网调度技术领域,具体涉及一种微电网优化调度方法及系统。
背景技术
微电网从本质上改变了传统配电网单一电力潮流的拓扑结构,将连接在配电网等级的分布式电源与储能、负荷划分为一个小整体进行协同规划、设计、运行控制以及保护,微电网是当前重要的研究热点之一,内容涉及微电网的结构设计、运行控制、电能质量、经济运营、仿真分析、示范工程等诸多研究方面。随着分布式能源、储能装置和直流负荷的逐步渗透并与现有交流电力系统建立深度结合,可以最大程度地满足能源就地消纳、负荷需求响应等个性化需要,使电网规划设计更具灵活性。
因此推动微电网技术的广泛应用均具有十分重要的意义。为了进一步提高微电网系统的经济效益和环境效益,科学扩展储能系统的使用范围,需要解决基于电价及环境费用机制下微电网成本最低优化运行的问题。
发明内容
为解决上述问题,本发明提供一种微电网优化调度方法及系统,能够快速有效地降低微电网的运行费用。
为了实现上述目的,本发明提供以下技术方案:
根据本发明第一方面实施例提供的一种微电网优化调度方法,包括:
步骤S100、确定微电网系统中的子系统,所述子系统包括光伏系统、风能系统、柴油系统;
步骤S200、根据光伏系统的物理参数计算光伏系统功率,根据风能系统的物理参数计算风能系统功率;
步骤S300、根据微电网系统的成本组成建立综合成本最低的目标函数;
步骤S400、确定微电网系统的约束条件,所述微电网系统的约束条件包括:功率平衡、有功功率的约束和蓄电池放电限制;
步骤S500、将光伏系统功率、风能系统功率、负载功率作为输入,在满足目标函数和约束条件的情况下,通过改进的遗传退火算法求解微电网的调度方案,得到一个周期内蓄电池功率、电网交换功率、柴油发电机功率;
步骤S600、根据所述微电网的调度方案对微电网进行调度。
进一步,所述步骤S200具体为:
通过以下公式计算光伏系统功率Ppv:
式中,GSTC和TSTC分别为标准测试条件下的光照强度和环境温度,GC为当前工况下的光照强度,T1为当前工作环境的温度,Pstr为标准测试条件下光伏系统的额定发电功率,K为功率温度系数,TC为当前工作点的电池温度;
通过以下公式计算风能系统功率PWT:
式中,PWT,rate为风机额定输出功率,uci为切入风速,uco为切出风速,ur为额定风速,u为当前风速。
进一步,所述步骤S300具体为:
设Y表示时段的数量,1≤m≤Y,N表示子系统数量,1≤n≤N,通过以下公式计算初始成本C0:
通过以下公式计算燃料成本CDE:
通过以下公式计算可变成本:
C1[m,n]=COM[m,n]+CDE[m,n]+CEM[m,n]+Cgrid[m,n]
式中,COM表示运维成本、CDE表示燃料成本、CEM表示微电网与电网交换成本,Cgrid表示污染气体惩罚费用;
通过以下公式建立综合成本最低的目标函数:
式中,F表示综合成本;
通过以下公式计算蓄电池剩余电量比例:
将蓄电池在t时刻的储能状态表示为:
式中,E[t]和E[t-1]分别为蓄电池在t时刻和t-1时刻的负荷量;P(t)表示t时刻的蓄电池充放电功率,当P[t]≥0时表示充电,当P[t]<0时表示放电,ηc表示充电效率,ηd表示放电效率,SOC为蓄电池剩余电量比例。
进一步,所述步骤S400中,功率平衡的计算公式为:
Ppv+Pwt+Pba+PG+PMT=PL
式中,Ppv表示光伏系统功率、Pwt表示风能系统功率、Pba表示蓄电池功率、PG表示电网交换功率、PMT表示柴油发电机功率、PL表示负载功率;
有功功率的约束为:
Ppvmin≤Ppv≤Ppvmax
Pwtmin≤Pwt≤Pwtmax
Pbamin≤Pba≤Pbamax
PGmin≤PG≤PGmax
PMTmin≤PMT≤PMTmax
蓄电池放电限制的条件为:
SOCmin≤SOC≤SOCmax
其中,SOCmin表示蓄电池最小剩余电量比例,SOCmax表示蓄电池最大剩余电量比例。
根据本发明第二方面实施例提供的一种微电网优化调度系统,所述系统包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的微电网优化调度程序,所述微电网优化调度程序被所述处理器执行时实现如第一方面实施例所述的微电网优化调度方法的步骤。
本发明的有益效果是:本发明公开一种微电网优化调度方法及系统,所述方法为:首先确定微电网系统中的子系统,所述子系统包括光伏系统、风能系统、柴油系统;接着根据光伏系统的物理参数计算光伏系统功率,根据风能系统的物理参数计算风能系统功率;根据微电网系统的成本组成建立综合成本最低的目标函数,并确定微电网系统的约束条件;将光伏系统功率、风能系统功率、负载功率作为输入,在满足目标函数和约束条件的情况下,通过改进的遗传退火算法求解微电网的调度方案,得到一个周期内蓄电池功率、电网交换功率、柴油发电机功率;最后根据所述微电网的调度方案对微电网进行调度。本发明能够快速有效地降低微电网的运行费用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一种微电网优化调度方法的流程示意图;
图2是本发明实施例中各个子系统的功率及负载情况示意图;
图3是本发明实施例中优化求解后微电网系统的运行成本示意图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本公开的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
参考图1,如图1所示为一种微电网优化调度方法,包括以下步骤:
步骤S100、确定微电网系统中的子系统,所述子系统包括光伏系统、风能系统、柴油系统;
步骤S200、根据光伏系统的物理参数计算光伏系统功率,根据风能系统的物理参数计算风能系统功率;
步骤S300、根据微电网系统的成本组成建立综合成本最低的目标函数;
步骤S400、确定微电网系统的约束条件,所述微电网系统的约束条件包括:功率平衡、有功功率的约束和蓄电池放电限制;
步骤S500、将光伏系统功率、风能系统功率、负载功率作为输入,在满足目标函数和约束条件的情况下,通过改进的遗传退火算法求解微电网的调度方案,得到一个周期内蓄电池功率、电网交换功率、柴油发电机功率;
步骤S600、根据所述微电网的调度方案对微电网进行调度。
本发明实施例通过综合考虑各个子系统的功率,结合各项成本,形成综合成本最低的目标函数和微电网系统的约束条件,采用改进的遗传退火算法求解微电网的调度方案,从而对微电网中的各个子系统进行合理分配,可以快速有效地降低微电网的运行费用。
在一个优选的实施例中,所述步骤S200具体为:
通过以下公式计算光伏系统功率Ppv:
式中,GSTC和TSTC分别为标准测试条件下的光照强度和环境温度,GC为当前工况下的光照强度,T1为当前工作环境的温度,本领域技术人员可以通过设置相应的传感器获取上述数据;Pstr为标准测试条件下光伏系统的额定发电功率,K为功率温度系数,本领域技术人员可以通过读取光伏系统的参数获取上述数据;TC为当前工作点的电池温度;可见本领域技术人员在获取上述数据的基础上,通过以上公式计算得出光伏系统的发电量。
通过以下公式计算风能系统功率PWT:
式中,PWT,rate为风机额定输出功率,uci为切入风速,uco为切出风速,ur为额定风速,u为当前风速。本领域技术人员在获取当前风速u的基础上,通过以上公式可计算得出风机系统的发电量。
在一个优选的实施例中,所述微电网系统的成本组成包括:初始成本和可变成本,所述可变成本包括:运维成本、燃料成本、微电网与电网交换成本、污染气体惩罚费用;所述步骤S300具体为:
设Y表示时段的数量,1≤m≤Y,N表示子系统数量,1≤n≤N,通过以下公式计算初始成本C0:
通过以下公式计算燃料成本CDE:
通过以下公式计算可变成本:
C1[m,n]=COM[m,n]+CDE[m,n]+CEM[m,n]+Cgrid[m,n]
式中,COM表示运维成本、CDE表示燃料成本、CEM表示微电网与电网交换成本,Cgrid表示污染气体惩罚费用;其中,运维成本、微电网与电网交换成本以及污染气体惩罚费用均通过实际产生的费用直接获取,燃料成本通过计算获得。本实施例中,取N=5,Y=24。
通过以下公式建立综合成本最低的目标函数:
式中,F表示综合成本。
本实施例中,通过以下公式计算蓄电池的负荷量,即蓄电池剩余电量比例:
蓄电池在t时刻的储能状态可表示为:
式中,E[t]和E[t-1]分别为蓄电池在t时刻和t-1时刻的负荷量;P(t)表示t时刻的蓄电池充放电功率,当P[t]≥0时表示充电,当P[t]<0时表示放电,ηc表示充电效率,ηd表示放电效率,SOC为蓄电池剩余电量比例,本实施例中,取Δt=1小时。
作为本实施例的进一步改进,所述步骤S400中,所述微电网系统的约束条件包括:功率平衡、有功功率的约束和蓄电池放电限制。
其中,功率平衡的计算公式为:
Ppv+Pwt+Pba+PG+PMT=PL
式中,Ppv表示光伏系统功率、Pwt表示风能系统功率、Pba表示蓄电池功率、PG表示电网交换功率、PMT表示柴油发电机功率、PL表示负载功率;
有功功率的约束为:
Ppvmin≤Ppv≤Ppvmax
Pwtmin≤Pwt≤Pwtmax
Pbamin≤Pba≤Pbamax
PGmin≤PG≤PGmax
PMTmin≤PMT≤PMTmax
蓄电池放电限制的条件为:
SOCmin≤SOC≤SOCmax
其中,SOCmin表示蓄电池最小剩余电量比例,SOCmax表示蓄电池最大剩余电量比例。
在本实施例中,步骤S500中改进遗传退火算法的具体步骤如下:
(1)初始化输入参数,输入参数包括光伏系统功率、风能系统功率以及负载功率。
(2)建立优化调度模型,随机选择K个种群,计算并保存算法适应度。
(3)对种群进行选择、交叉和变异,使用轮盘赌的方法保留精英个体。
(4)将精英个体对应的适应度作为初始解,并在初始解周边生成新解。
(5)计算新解的适应度,根据Metropolis准则判断是否接受新解。
(6)判断是否达到最大迭代次数,是则回到步骤(3),其中,最大迭代次数设为200。
(7)温度是否最低,未到最低,则采用下述的退温函数进行退温,退温之后返回步骤(3)。
其中,退温函数为:
现有技术中,退温函数的一般模型为:TNEW=KT,K为常数,K∈(0,1)。K的取值越接近1,则迭代次数更多,搜索范围更全面。
为降低微电网的运行费用,在实际优化过程中,多采用智能优化算法求解,存在着收敛速度慢,精度低等问题。本实施例采用的退温函数根据初始温度和当前温度的差值进行动态调整,当差值较大时,扩大迭代步长,当差值较小时,减少迭代步长,这样可以保证搜索准确度的前提下减少迭代次数,提高本方法的效率。
(8)经过改进遗传退火算法的训练,当退温后的温度TNEW达到最低时,在约束条件下输出参数:蓄电池功率、电网交换功率、柴油发电机功率。
参考图2和图3,以某地区的微电网为例,主要负荷为光伏系统功率、风能系统功率与蓄电池。周期为1天,算法迭代次数为200次,种群规模为100。图2为各个子系统的出力及负载情况,图3是通过改进遗传退火算法进行优化求解后微电网系统的运行成本。
可以看出,采用本实施例提供的方案之后,改进遗传退火算法经多次迭代,各项子系统的功率得到降低,从而快速有效地降低了微电网的运行费用。
本发明实施例还提供一种微电网优化调度系统,所述系统包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的微电网优化调度程序,所述微电网优化调度程序被所述处理器执行时实现以上所述的微电网优化调度方法的步骤。
可见,上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件的实现方式,以软件形式加载到处理器中,进行微电网优化调度。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来。
所述处理器可以是中央处理单元(Central-Processing-Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital-Signal-Processor,DSP)、专用集成电路(Application-Specific-Integrated-Circuit,ASIC)、现场可编程门阵列(Field-Programmable-Gate-Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种微电网优化调度系统的控制中心,利用各种接口和线路连接整个微电网优化调度系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述微电网优化调度系统的各种功能。所述存储器可主要包括存储程序区和存储数据区,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart-Media-Card,SMC),安全数字(Secure-Digital,SD)卡,闪存卡(Flash-Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求,考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本公开的预定范围。此外,上文以发明人可预见的实施例对本公开进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (5)
1.一种微电网优化调度方法,其特征在于,包括:
步骤S100、确定微电网系统中的子系统,所述子系统包括光伏系统、风能系统、柴油系统;
步骤S200、根据光伏系统的物理参数计算光伏系统功率,根据风能系统的物理参数计算风能系统功率;
步骤S300、根据微电网系统的成本组成建立综合成本最低的目标函数;
步骤S400、确定微电网系统的约束条件,所述微电网系统的约束条件包括:功率平衡、有功功率的约束和蓄电池放电限制;
步骤S500、将光伏系统功率、风能系统功率、负载功率作为输入,在满足目标函数和约束条件的情况下,通过改进的遗传退火算法求解微电网的调度方案,得到一个周期内蓄电池功率、电网交换功率、柴油发电机功率;
步骤S600、根据所述微电网的调度方案对微电网进行调度。
3.根据权利要求2所述的一种微电网优化调度方法,其特征在于,所述步骤S300具体为:
设Y表示时段的数量,1≤m≤Y,N表示子系统数量,1≤n≤N,通过以下公式计算初始成本C0:
通过以下公式计算燃料成本CDE:
通过以下公式计算可变成本:
C1[m,n]=COM[m,n]+CDE[m,n]+CEM[m,n]+Cgrid[m,n]
式中,COM表示运维成本,CDE表示燃料成本,CEM表示微电网与电网交换成本,Cgrid表示污染气体惩罚费用;
通过以下公式建立综合成本最低的目标函数:
式中,F表示综合成本;
通过以下公式计算蓄电池剩余电量比例:
将蓄电池在t时刻的储能状态表示为:
式中,E[t]和E[t-1]分别为蓄电池在t时刻和t-1时刻的负荷量;P(t)表示t时刻的蓄电池充放电功率,当P[t]≥0时表示充电,当P[t]<0时表示放电,ηc表示充电效率,ηd表示放电效率,SOC为蓄电池剩余电量比例。
4.根据权利要求3所述的一种微电网优化调度方法,其特征在于,所述步骤S400中,功率平衡的计算公式为:
Ppv+Pwt+Pba+PG+PMT=PL
式中,Ppv表示光伏系统功率、Pwt表示风能系统功率、Pba表示蓄电池功率、PG表示电网交换功率、PMT表示柴油发电机功率、PL表示负载功率;
有功功率的约束为:
Ppvmin≤Ppv≤Ppvmax
Pwtmin≤Pwt≤Pwtmax
Pbamin≤Pba≤Pbamax
PGmin≤PG≤PGmax
PMTmin≤PMT≤PMTmax
蓄电池放电限制的条件为:
SOCmin≤SOC≤SOCmax
其中,SOCmin表示蓄电池最小剩余电量比例,SOCmax表示蓄电池最大剩余电量比例。
5.一种微电网优化调度系统,其特征在于,所述系统包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的微电网优化调度程序,所述微电网优化调度程序被所述处理器执行时实现如权利要求1至4中任一项所述的微电网优化调度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911396965.6A CN111082467A (zh) | 2019-12-30 | 2019-12-30 | 一种微电网优化调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911396965.6A CN111082467A (zh) | 2019-12-30 | 2019-12-30 | 一种微电网优化调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111082467A true CN111082467A (zh) | 2020-04-28 |
Family
ID=70319790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911396965.6A Pending CN111082467A (zh) | 2019-12-30 | 2019-12-30 | 一种微电网优化调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111082467A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116454987A (zh) * | 2023-03-17 | 2023-07-18 | 长电新能有限责任公司 | 一种用于与新能源联合调度的储能优化方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015048737A1 (en) * | 2013-09-30 | 2015-04-02 | Do Rosario Jackseario Antonio Dionisio | Power quality of service optimization for microgrids |
CN105139147A (zh) * | 2015-09-18 | 2015-12-09 | 北京北变微电网技术有限公司 | 微电网系统的经济调度方法 |
CN107425534A (zh) * | 2017-08-25 | 2017-12-01 | 电子科技大学 | 一种基于优化蓄电池充放电策略的微电网调度方法 |
-
2019
- 2019-12-30 CN CN201911396965.6A patent/CN111082467A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015048737A1 (en) * | 2013-09-30 | 2015-04-02 | Do Rosario Jackseario Antonio Dionisio | Power quality of service optimization for microgrids |
CN105139147A (zh) * | 2015-09-18 | 2015-12-09 | 北京北变微电网技术有限公司 | 微电网系统的经济调度方法 |
CN107425534A (zh) * | 2017-08-25 | 2017-12-01 | 电子科技大学 | 一种基于优化蓄电池充放电策略的微电网调度方法 |
Non-Patent Citations (2)
Title |
---|
戴海琪: "《交流微电网运行调控策略优化研究》", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
邱海伟: "《基于多目标的微电网优化调度研究》", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116454987A (zh) * | 2023-03-17 | 2023-07-18 | 长电新能有限责任公司 | 一种用于与新能源联合调度的储能优化方法及系统 |
CN116454987B (zh) * | 2023-03-17 | 2023-10-20 | 长电新能有限责任公司 | 一种用于与新能源联合调度的储能优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Berrueta et al. | Combined dynamic programming and region-elimination technique algorithm for optimal sizing and management of lithium-ion batteries for photovoltaic plants | |
García-Triviño et al. | Optimized operation combining costs, efficiency and lifetime of a hybrid renewable energy system with energy storage by battery and hydrogen in grid-connected applications | |
CN111340299B (zh) | 一种微电网多目标优化调度方法 | |
EP2919349A1 (en) | Power conserving electricity and heat storage optimization device, optimization method and optimization program | |
CN106953362A (zh) | 并网型微电网的能量管理方法及系统 | |
CN111210079B (zh) | 一种分布式能源虚拟电厂运行优化方法及系统 | |
Wu et al. | Optimal allocation of microgrid considering economic dispatch based on hybrid weighted bilevel planning method and algorithm improvement | |
CN108985524A (zh) | 一种多能互补系统的协调控制方法 | |
CN109546689A (zh) | 一种适用于大规模系统的两阶段机组组合运行控制方法 | |
Zhang et al. | Deep reinforcement learning based Bi-layer optimal scheduling for microgrids considering flexible load control | |
Monteiro et al. | Long-term sizing of lead–acid batteries in order to reduce technical losses on distribution networks: A distributed generation approach | |
Fan et al. | Scheduling framework using dynamic optimal power flow for battery energy storage systems | |
CN114595891A (zh) | 一种配电网电压及潮流越界风险评估方法、系统及设备 | |
CN112131712A (zh) | 客户侧多能源系统多目标优化方法和系统 | |
CN111126675A (zh) | 多能互补微网系统优化方法 | |
CN114118532A (zh) | 孤岛微网的调度方法、装置、计算机设备、存储介质 | |
CN104112168B (zh) | 一种基于多代理系统的智能家居优化方法 | |
Samantaray et al. | Capacity assessment and scheduling of battery storage systems for performance and reliability improvement of solar energy enhanced distribution systems | |
CN111082467A (zh) | 一种微电网优化调度方法及系统 | |
Liang et al. | Real-time optimization of large-scale hydrogen production systems using off-grid renewable energy: Scheduling strategy based on deep reinforcement learning | |
CN112613656A (zh) | 一种基于鱼群算法的家庭用电需求响应优化系统 | |
CN108009684A (zh) | 一种包含短期负荷预测的微电网并网状态能量管理方法 | |
Welch et al. | Comparison of two optimal control strategies for a grid independent photovoltaic system | |
CN115513949B (zh) | 含微网接入的配电系统运行控制方法、装置以及程序产品 | |
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 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200428 |