CN111224431A - 一种基于数值天气预报的海岛微电网风储联合优化调度算法 - Google Patents

一种基于数值天气预报的海岛微电网风储联合优化调度算法 Download PDF

Info

Publication number
CN111224431A
CN111224431A CN201911297396.XA CN201911297396A CN111224431A CN 111224431 A CN111224431 A CN 111224431A CN 201911297396 A CN201911297396 A CN 201911297396A CN 111224431 A CN111224431 A CN 111224431A
Authority
CN
China
Prior art keywords
wind
grid
weather forecast
fan
numerical weather
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
CN201911297396.XA
Other languages
English (en)
Inventor
陈泳洁
尹旭
廖一旭
刘扬扬
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.)
Shenzhen Horizon Energy Technology Co ltd
Original Assignee
Shenzhen Horizon Energy Technology 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 Shenzhen Horizon Energy Technology Co ltd filed Critical Shenzhen Horizon Energy Technology Co ltd
Priority to CN201911297396.XA priority Critical patent/CN111224431A/zh
Publication of CN111224431A publication Critical patent/CN111224431A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

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

Abstract

本发明公开了一种基于数值天气预报的海岛微电网风储联合调度优化方法。其包括以下步骤：首先，基于海岛微电网风机坐标，生成数值天气预报最小分辨率网格坐标；其次，基于WRF模式生成最小分辨率网格坐标的天气预报数据，其中预报数据为含风机轮毂高度在内的3层高度的风速和和风向，将其数据整合成一维向量，作为表征该时刻点风速特征向量；再次，基于预测风速特征向量进行风功率预测，生成未来24小时96个点的风功率预测数据；最后，以风储最小波动为目标，储能充电功率和SOC限制为约束，建立风储联合调度优化算法的二次规划数学模型；对风储联合调度优化算法进行求解，将求解结果作为风储联合调度指令输出。

Description

一种基于数值天气预报的海岛微电网风储联合优化调度算法
技术领域
本发明涉及新能源并网与微电网领域，尤其是一种基于数值天气预报的海岛 微电网风储联合优化调度方法。
背景技术
近年来，各级政府对海洋经济开发、海岛资源利用、海岛居民生活条件的提 高日益重视，开发规模和力度空前。海岛地区虽电力紧缺，但风能、太阳能、海 洋能等可再生能源十分丰富，有效开发可再生能源以解决岛上电力不足，对海岛 可持续发展具有明显的实际意义。近年来，分布式可再生能源发电技术发展迅速， 在这种背景下，使用可再生能源加柴油发电机的海岛独立型微电网模式应运而生。
受气象条件，地理环境等一系列因素的影响，风力发电输出功率具有较强的 波动性和间歇性。在海岛微电网系统中，风力发电的输出电能在电力系统中所占 比重的较大，其输出功率的波动性给微电网运行带来日趋严重的不利影响。
因此，海岛独立型微电网通常需要配置储能系统来调节发电与负荷之间的平 衡，从而最大化地利用可再生能源。目前有不少研究人员对该领域展开了技术研 究工作，如文献1“孤立型海岛微电网稳定控制策略研究[J](余畅,雷金勇,杨苹, 供用电,2015(1):28-33)”针对不同的频率和电压变化范围对微电网稳定性影响程 度的不同，提出一种对微电网频率和电压的变化范围进行分区控制的稳定控制策 略，分别设立频率和电压的预警区与紧急区，根据本区域频率和电压的变化特点 对微源、储能单元、负荷进行协调控制。东澳岛微电网试验结果表明，该控制策 略能使波动的频率和电压快速恢复稳定。文献2“独立风光储微电网中混合储能 的管理控制策略[J](张海燕,秦亚斌,肖春,电气应用,2017(01):21-28.)”针对独 立风光储微电网中混合储能功率分配和电压频率稳定两大问题，提出了混合储能 管理和控制策略。该策略将混合储能中的锂电池采取功率控制方式，靠发电预测和负荷预测结果制定充放电计划以平复系统波动。然而以上方法，都没有充分考 虑到储能充放电系统的效率对电池的影响，对新能源系统的预测多采用时间序列 法，未能高度融合天气数据参与预测，同时系统的优化也着眼于实时控制，未能 从长时间尺度挖掘储能对风电功率波动的抑制能力。
针对以上问题，根据海岛微电网中的风机坐标，生成风机坐标网格，采用WRF模式生成数值天气预报数据，作为风电功率预测的精准气象来源。建立二 次优化规划模型对优化调度问题进行准确描述，通过求解得到准确的储能动作指 令值，实现对海岛微电网风储联合系统的长时间尺度优化调度。
发明内容
本发明的目的是提供一种基于数值天气预报的海岛微电网风储联合优化调 度方法，旨在基于最小分辨率网格坐标和WRF模式数值天气预报结果，生成风 速特征向量，建立风储联合系统的优化调度二次规划模型，基于风机功率预测结 果进行求解，得到储能优化调度指令，有效地实现对海岛微电网内部风储联合系 统的长时间尺度优化控制。
为了实现上述目的，本发明的技术方案为：一种基于数值天气预报的海岛微 电网风储风储联合优化调度范方法，其步骤包括如下：
步骤一：基于海岛微电网风机坐标，生成数值天气预报最小分辨率网格坐标。 以数值天气预报最小经纬分辨率为网格长度，计算得到风机坐标所在网格的四个 顶点经纬度；
步骤二：基于WRF模式生成最小分辨率网格坐标的天气预报数据，其中预 报数据为含风机轮毂高度在内的3层高度的风速和和风向，将其数据整合成一维 向量，作为表征该时刻点风速特征向量；
步骤三，基于预测风速特征向量作为风功率预测算法的输入，利用风机预测 算法生成未来24小时96个点的风功率预测数据，作为联合优化调度算法中风机 的功率参考值；
步骤四，以风储最小波动为目标，储能充电功率和SOC限制为约束，建立 风储联合调度优化算法的二次规划数学模型；并对风储联合调度优化算法进行求 解，将求解结果作为风储联合调yo度指令输出。
所述的一种基于数值天气预报的海岛微电网风储联合优化调度方法，其特征 在于，所述步骤二中，风机坐标网格定义如下：
[[lat1,lon1]，[lat2,lon2]，[lat3,lon3]，[lat4,lon4]]
其中，下标1到4分别代表网格西北角、西南角、东北角、东南角的坐标。
所述的风机坐标网格，其特征在于，风机坐标网格满足以下约束条件：
网格坐标的纬度满足以下条件：
Figure BDA0002319656470000031
网格坐标的经度满足以下条件：
Figure BDA0002319656470000032
其中，fjlat为风机坐标的纬度，fjlon为风机坐标的经度。
所述的一种基于数值天气预报的海岛微电网风储联合优化调度方法，其特征 在于，所述步骤三中，该风速特征向量表示如下：
[WShj1 WDhj1 WShj2 WDhj2 WShj3 WDhj3 WShj4 WDhj4]j＝1,2,3
其中，WShj1～WShj4分别代表网格四个顶点的风速，WDhj1～WDhj4分别代表 网格四个顶点的风向。hj代表不同的层高。
所述的风速特征向量层高，其特征在于选取风机轮毂高度附近的3个高度， 作为风速特征向量的层高点，其特征在于：
Figure BDA0002319656470000033
其中，hhub为风机轮毂高度，hj代表数值天气预报不同的层高。
所述的一种基于数值天气预报的海岛微电网风储联合优化调度方法，其特征 在于，所述的步骤四中，优化调度的目标为通过储能调节，使得风机出力的波动 率降到最低，数学模型如下：
Figure BDA0002319656470000034
其中，i为时间序列，范围在1-96，颗粒度为15min/点，代表未来1天对应 时间。pwi、pdhi、pchi为第i时间点上风机的预测功率、储能放电功率和充电功 率。delt为波动范围的死区，在此范围内的波动不进行调度。
所述的一种基于数值天气预报的海岛微电网风储联合优化调度方法，其特征 在于，所述的步骤四中，优化调度模型充分考虑的储能在充电和放电状态下的约 束条件，数学表达式如下所示：
Figure RE-GDA0002448184310000041
其中，i为时间序列，范围在1-96，颗粒度为15min/点，代表未来1天对应 时间。pdhi、pchi为第i时间点上储能放电功率和充电功率，ε为储能充放电功率 效率；Soc0、Soch和Socl分别为储能初始化SOC、SOC上限、SOC下限。
附图说明
图1是本发明的步骤流程图；
图2是海岛微电网风储联合优化调度变化曲线图；
图3是海岛微电网风储联合优化调度过程中储能SOC变化曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举 实施例对本发明进一步详细说明。以某大型海岛微电网为案例，该海岛配置有大 型风电场，容量为49.5MW，配置储能20MW，储能充放电效率为95％，储能初 始SOC为60％，SOC上限值为90％，下限值为20％。
如图1所示，本发明公开了一种基于数值天气预报的海岛微电网方法。步骤 包括如下：
步骤一：基于海岛微电网风机坐标，生成数值天气预报最小分辨率网格坐标。 以数值天气预报最小经纬分辨率为网格长度，计算得到风机坐标所在网格的四个 顶点经纬度；
步骤二：基于WRF模式生成最小分辨率网格坐标的天气预报数据，其中预 报数据为含风机轮毂高度在内的3层高度的风速和和风向，将其数据整合成一维 向量，作为表征该时刻点风速特征向量；
步骤三，基于预测风速特征向量作为风功率预测算法的输入，利用风机预测 算法生成未来24小时96个点的风功率预测数据，作为联合优化调度算法中风机 的功率参考值，如下表所示：
Figure BDA0002319656470000051
Figure BDA0002319656470000061
步骤四，以风储最小波动为目标，储能充电功率和SOC限制为约束，建立 风储联合调度优化算法的二次规划数学模型；并对风储联合调度优化算法进行求 解，将求解结果作为风储联合调度指令输出。
所述的一种基于数值天气预报的海岛微电网风储联合优化调度方法，其特征 在于，所述步骤二中，风机坐标网格定义如下：
[[lat1,lon1]，[lat2,lon2]，[lat3,lon3]，[lat4,lon4]]
其中，下标1到4分别代表网格西北角、西南角、东北角、东南角的坐标。
所述的风机坐标网格，其特征在于，风机坐标网格满足以下约束条件：
网格坐标的纬度满足以下条件：
Figure BDA0002319656470000062
网格坐标的经度满足以下条件：
Figure BDA0002319656470000063
其中，fjlat为风机坐标的纬度，fjlon为风机坐标的经度。
所述的一种基于数值天气预报的海岛微电网风储联合优化调度方法，其特征 在于，所述步骤三中，该风速特征向量表示如下：
[WShj1 WDhj1 WShj2 WDhj2 WShj3 WDhj3 WShj4 WDhj4]j＝1,2,3
其中，WShj1～WShj4分别代表网格四个顶点的风速，WDhj1～WDhj4分别代表 网格四个顶点的风向。hj代表不同的层高。
所述的风速特征向量层高，其特征在于选取风机轮毂高度附近的3个高度， 作为风速特征向量的层高点，其特征在于：
Figure BDA0002319656470000071
其中，hhub为风机轮毂高度，hj代表数值天气预报不同的层高。
所述的一种基于数值天气预报的海岛微电网风储联合优化调度方法，其特征 在于，所述的步骤四中，优化调度的目标为通过储能调节，使得风机出力的波动 率降到最低，数学模型如下：
Figure BDA0002319656470000072
其中，i为时间序列，范围在1-96，颗粒度为15min/点，代表未来1天对应 时间。pwi、pdhi、pchi为第i时间点上风机的预测功率、储能放电功率和充电功 率。delt为波动范围的死区，在此范围内的波动不进行调度。
所述的一种基于数值天气预报的海岛微电网风储联合优化调度方法，其特征 在于，所述的步骤四中，优化调度模型充分考虑的储能在充电和放电状态下的约 束条件，数学表达式如下所示：
Figure RE-GDA0002448184310000073
其中，i为时间序列，范围在1-96，颗粒度为15min/点，代表未来1天对应 时间。pdhi、pchi为第i时间点上储能放电功率和充电功率，ε为储能充放电功率 效率；Soc0、Soch和Socl分别为储能初始化SOC、SOC上限、SOC下限。
对该问题进行求解，储能调度指令及风储联合系统功率变化结果如下图2 所示，储能SOC变化如图3所示。从图中可以看出，通过本发明提出的风储联 合优化调度方法后，风机输出功率波动得到了较好抑制，降低了对海岛微电网运 行稳定性的影响，实现了海岛微电网安全、稳定和经济与运行。

Claims (7)

1.一种基于数值天气预报的海岛微电网风储风储联合优化调度方法，其特征在于，包括以下步骤：
步骤一：基于海岛微电网风机坐标，生成数值天气预报最小分辨率网格坐标；以数值天气预报最小经纬分辨率为网格长度，计算得到风机坐标所在网格的四个顶点经纬度；
步骤二：基于WRF模式生成最小分辨率网格坐标的天气预报数据，其中预报数据为含风机轮毂高度在内的3层高度的风速和和风向，将其数据整合成一维向量，作为表征该时刻点风速特征向量；
步骤三，基于预测风速特征向量作为风功率预测算法的输入，利用风机预测算法生成未来24小时96个点的风功率预测数据，作为联合优化调度算法中风机的功率参考值；
步骤四，以风储最小波动为目标，储能充电功率和SOC限制为约束，建立风储联合调度优化算法的二次规划数学模型；并对风储联合调度优化算法进行求解，将求解结果作为风储联合调度指令输出。
2.根据权利要求1所述的一种基于数值天气预报的海岛微电网风储联合优化调度方法，其特征在于，所述步骤二中，风机坐标网格定义如下：
[[lat1,lon1]，[lat2,lon2]，[lat3,lon3]，[lat4,lon4]]
其中，[lat1,lon1]分别代表网格西北角纬度和经度，[lat2,lon2]分别代表网格西南角纬度和经度，[lat3,lon3]分别代表网格东北角纬度和经度，[lat4,lon4]分别代表网格东南角纬度和经度。
3.根据权利要求2所述的一种基于数值天气预报的海岛微电网风储联合优化调度方法，其特征在于，风机坐标网格满足以下约束条件：
网格坐标的纬度满足以下条件：
Figure FDA0002319656460000011
网格坐标的经度满足以下条件：
Figure FDA0002319656460000012
其中，fjlat为风机坐标的纬度，fjlon为风机坐标的经度。
4.根据权利要求1所述的一种基于数值天气预报的海岛微电网风储联合优化调度方法，其特征在于，所述步骤三中，该风速特征向量表示如下：
[WShj1 WDhj1 WShj2 WDhj2 WShj3 WDhj3 WShj4 WDhj4]j＝1,2,3
其中，WShj1～WShj4分别代表网格四个顶点的风速，WDhj1～WDhj4分别代表网格四个顶点的风向；hj代表不同的层高。
5.根据权利要求4所述的一种基于数值天气预报的海岛微电网风储联合优化调度方法，其特征在于，选取风机轮毂高度附近的3个高度，作为风速特征向量的层高点，其特征在于：
Figure FDA0002319656460000021
其中，hhub为风机轮毂高度，hj代表数值天气预报不同的层高，h2代表最接近风机轮毂高度的层高，h3代表WRF模式下仅次于h2的层高，h1代表WRF模式下仅高于h2的层高。
6.根据权利要求1所述的一种基于数值天气预报的海岛微电网风储联合优化调度方法，其特征在于，所述的步骤四中，优化调度的目标为通过储能调节，使得风机出力的波动率降到最低，数学模型如下：
Figure FDA0002319656460000022
其中，i为时间序列，范围在1-96，颗粒度为15min/点，代表未来1天对应时间。pwi、pdhi、pchi为第i时间点上风机的预测功率、储能放电功率和充电功率。delt为波动范围的死区，在此范围内的波动不进行调度。
7.根据权利要求1所述的一种基于数值天气预报的海岛微电网风储联合优化调度方法，其特征在于，所述的步骤四中，优化调度模型充分考虑的储能在充电和放电状态下的约束条件，数学表达式如下所示：
Figure FDA0002319656460000031
其中，i为时间序列，范围在1-96，颗粒度为15min/点，代表未来1天对应时间。pdhi、pchi为第i时间点上储能放电功率和充电功率，ε为储能充放电功率效率；Soc0、Soch和Socl分别为储能初始化SOC、SOC上限、SOC下限。
CN201911297396.XA 2019-12-16 2019-12-16 一种基于数值天气预报的海岛微电网风储联合优化调度算法 Pending CN111224431A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911297396.XA CN111224431A (zh) 2019-12-16 2019-12-16 一种基于数值天气预报的海岛微电网风储联合优化调度算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911297396.XA CN111224431A (zh) 2019-12-16 2019-12-16 一种基于数值天气预报的海岛微电网风储联合优化调度算法

Publications (1)

Publication Number Publication Date
CN111224431A true CN111224431A (zh) 2020-06-02

Family

ID=70827794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911297396.XA Pending CN111224431A (zh) 2019-12-16 2019-12-16 一种基于数值天气预报的海岛微电网风储联合优化调度算法

Country Status (1)

Country Link
CN (1) CN111224431A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112350435A (zh) * 2020-10-16 2021-02-09 湖北华夏明源能源管理有限公司 一种基于微电网群和电力可控负荷的虚拟电厂管控装置
CN112348292A (zh) * 2021-01-07 2021-02-09 中国电力科学研究院有限公司 一种基于深度学习网络的短期风电功率预测方法和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101794996A (zh) * 2010-02-10 2010-08-04 华东电网有限公司 风电场出力实时预测方法
KR20160010789A (ko) * 2014-07-18 2016-01-28 전자부품연구원 신재생 에너지 기반 마이크로 그리드의 경제적 급전 방법 및 이를 적용한 ess
CN108054784A (zh) * 2018-01-09 2018-05-18 河海大学常州校区 一种海岛微电网多源协调优化控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101794996A (zh) * 2010-02-10 2010-08-04 华东电网有限公司 风电场出力实时预测方法
KR20160010789A (ko) * 2014-07-18 2016-01-28 전자부품연구원 신재생 에너지 기반 마이크로 그리드의 경제적 급전 방법 및 이를 적용한 ess
CN108054784A (zh) * 2018-01-09 2018-05-18 河海大学常州校区 一种海岛微电网多源协调优化控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黎嘉明等: "独立海岛微网分布式电源容量优化设计", 《电工技术学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112350435A (zh) * 2020-10-16 2021-02-09 湖北华夏明源能源管理有限公司 一种基于微电网群和电力可控负荷的虚拟电厂管控装置
CN112348292A (zh) * 2021-01-07 2021-02-09 中国电力科学研究院有限公司 一种基于深度学习网络的短期风电功率预测方法和系统
CN112348292B (zh) * 2021-01-07 2021-08-06 中国电力科学研究院有限公司 一种基于深度学习网络的短期风电功率预测方法和系统

Similar Documents

Publication Publication Date Title
Yang et al. Disturbance observer based fractional-order integral sliding mode frequency control strategy for interconnected power system
CN106451566B (zh) 一种海岛智能微电网多源协调控制方法
CN111900721B (zh) 一种基于风水协同发电模式下的智能电网频率控制方法
CN108092324B (zh) 一种风电参与调峰调频的agc控制系统和控制方法
CN107104462B (zh) 一种用于风电场储能调度的方法
Teng et al. Key technologies and the implementation of wind, PV and storage co-generation monitoring system
Zia et al. An energy management system for hybrid energy sources-based stand-alone marine microgrid
An et al. Coordinative optimization of hydro-photovoltaic-wind-battery complementary power stations
Mladenov et al. Characterisation and evaluation of flexibility of electrical power system
CN111224431A (zh) 一种基于数值天气预报的海岛微电网风储联合优化调度算法
Zhang et al. Wind/PV/diesel energy system: Modeling and sizing optimization
Li et al. Optimal dispatching method for smoothing power fluctuations of the wind-photovoltaic-battery hybrid generation system
Han et al. Multi-View clustering and discrete consensus based tri-level coordinated control of wind farm and adiabatic compressed air energy storage for providing frequency regulation service
Belkhier et al. Novel design and adaptive coordinated energy management of hybrid fuel‐cells/tidal/wind/PV array energy systems with battery storage for microgrids
Nowdeh et al. Economic designing of pv/fc/wind hybrid system considering components availability
Johnson et al. Feasibility study of a 200 kW solar wind hybrid system
Zhang et al. Research on frequency regulation strategy based on model predictive control for wind-hydro-storage complementary microgrid
Wang et al. Multi-objective optimal dispatch of wind-integrated power system based on distributed energy storage
Wang et al. Improved PSO-based energy management of Stand-Alone Micro-Grid under two-time scale
Zhang et al. Hierarchical MPC-based energy management and frequency regulation participation of a virtual power plant
Sun et al. Hierarchical Scheduling Control Method for Cascade Hydro-PV-Pumped Storage Generation System
Belfkira et al. Design study and optimization of a grid independent wind/PV/Diesel system
Santoso et al. Data mining and analysis techniques in wind power system applications: abridged
Luo et al. The Research on High Proportion Wind Power Integration in China’s Power System
Ramesh et al. Cost Optimization by Integrating PV-System and Battery Energy Storage System into Microgrid using Particle Swarm Optimization

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
AD01 Patent right deemed abandoned
AD01 Patent right deemed abandoned

Effective date of abandoning: 20220107