CN111245025A - 综合能源系统运行策略的优化方法、终端设备及存储介质 - Google Patents
综合能源系统运行策略的优化方法、终端设备及存储介质 Download PDFInfo
- Publication number
- CN111245025A CN111245025A CN202010079877.XA CN202010079877A CN111245025A CN 111245025 A CN111245025 A CN 111245025A CN 202010079877 A CN202010079877 A CN 202010079877A CN 111245025 A CN111245025 A CN 111245025A
- Authority
- CN
- China
- Prior art keywords
- power
- photovoltaic
- output power
- scene
- energy
- 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
- 238000013486 operation strategy Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000005457 optimization Methods 0.000 title abstract description 17
- 238000005315 distribution function Methods 0.000 claims abstract description 23
- 238000012795 verification Methods 0.000 claims abstract description 23
- 238000009826 distribution Methods 0.000 claims description 35
- 239000002918 waste heat Substances 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 25
- 239000007789 gas Substances 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 238000005057 refrigeration Methods 0.000 claims description 16
- 238000010438 heat treatment Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000001816 cooling Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 7
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 6
- 239000003546 flue gas Substances 0.000 claims description 6
- 238000009987 spinning Methods 0.000 claims description 5
- 238000005338 heat storage Methods 0.000 claims description 4
- 230000002040 relaxant effect Effects 0.000 claims description 4
- 238000012886 linear function Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000005611 electricity Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004146 energy storage Methods 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- H02J3/46—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
本发明提供了一种综合能源系统运行策略的优化方法、终端设备及存储介质，该方法包括：计算所述综合能源系统中的光伏能源的预测输出功率；基于所述光伏能源的预测输出功率，得到所述综合能源系统的初始运行策略；根据所述光伏能源的预测输出功率和预设的误差概率分布函数，得到目标光伏出力场景；基于预设的目标函数和预设的约束条件，根据所述目标光伏出力场景对所述初始运行策略进行可行性验证；若可行性验证未通过，则松弛约束条件，并基于松弛后的约束条件对所述初始运行策略进行调整，获得目标运行策略，利用本发明得到的综合能源系统的运行策略更稳定，使电网运行更安全。
Description
技术领域
本发明属于能源利用技术领域，尤其涉及一种综合能源系统运行策略的优化方法、终端设备及存储介质。
背景技术
泛在电力物联网，是围绕电力系统各环节，充分应用移动互联、人工智能等现代信息技术、先进通信技术，实现电力系统各环节万物互联、人机交互，具有状态全面感知、信息高效处理、应用便捷灵活特征的智慧服务系统。其中，传统的电力生产、传输、消费的所有环节信息化，都可以称为泛在电力物联网。
在泛在电力物联网建设中，综合能源服务将会成为重要的应用领域，所述综合能源系统，包含了大量的低压小范围分布式能源、能源储存设备和可控负荷。分布式光伏等可再生能源在电网中的渗透率不断提升，并逐渐成为泛在电力物联网中的主要电能供应源。但由于部分可再生能源的输出功率受到天气因素的显著影响，可能存在较大随机性和波动性，因此可能对电网的电压稳定和潮流分布产生较大的影响。
目前综合能源系统的运行策略由于设计不合理，对电网造成不良影响，造成综合能源系统的运行不稳定。
发明内容
有鉴于此，本发明实施例提供了一种综合能源系统运行策略的优化方法、终端设备及存储介质，以解决目前综合能源系统运行不稳定的问题。
本发明实施例的第一方面提供了一种综合能源系统运行策略的优化方法，包括：
计算所述综合能源系统中的光伏能源的预测输出功率；
基于所述光伏能源的预测输出功率，得到所述综合能源系统的初始运行策略；
根据所述光伏能源的预测输出功率和预设的误差概率分布函数，得到目标光伏出力场景；
基于预设的目标函数和预设的约束条件，根据所述目标光伏出力场景对所述初始运行策略进行可行性验证；
若可行性验证未通过，则松弛约束条件，并基于松弛后的约束条件对所述初始运行策略进行调整，获得目标运行策略。
本发明实施例的第二方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述综合能源系统运行策略的优化方法的步骤。
本发明实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述综合能源系统运行策略的优化方法的步骤。
本发明实施例计算所述综合能源系统中的光伏能源的预测输出功率；基于所述光伏能源的预测输出功率，得到所述综合能源系统的初始运行策略；根据所述光伏能源的预测输出功率和预设的误差概率分布函数，得到目标光伏出力场景；基于预设的目标函数和预设的约束条件，根据所述目标光伏出力场景对所述初始运行策略进行可行性验证；若可行性验证未通过，则松弛约束条件，并基于松弛后的约束条件对所述初始运行策略进行调整，获得目标运行策略。由于本申请首先计算出光伏能源的预测输出功率，然后根据预测输出功率可以得到综合能源系统的初始运行策略，然后根据所述目标光伏出力场景对所述初始运行策略进行可行性验证，在可不行时优化初始运行策略，使获得的目标运行策略满足所有的目标光伏出力场景，利用本发明得到的综合能源系统的运行策略更稳定，使电网运行更安全。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述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是本发明的一个实施例提供的综合能源系统运行策略的优化方法的实现流程示意图；
图2是本发明的一个实施例提供的基于多种概率分布函数对样本数据进行拟合的效果图；
图3是本发明实施例提供的某地电网的结构示意图；
图4是本发明实施例提供的配电网典型日负荷曲线；
图5是本发明的一个实施例提供的优化系统的示意框图
图6是本发明的一个实施例提供的终端设备的示意框图。
具体实施方式
本发明的说明书和权利要求书中的术语“包括”以及其他任何变形，是指“包括但不限于”，意图在于覆盖不排他的包含。例如包含一系列步骤的方法，没有限定于已列出的步骤，而是可选的还包括没有列出的步骤；包含一系列模块的装置，没有限定于已列出的模块，而是可选的还包括没有列出的模块。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
在本申请实施例中，所述综合能源系统可以是多源微电网，例如泛在电力物联网，包含了低压小范围分布式能源、能源储存设备和可控负荷。所述泛在电力物联网中多种能源(冷、热、电、气等)彼此耦合，热源、电源、储能和负荷之间特性互补，整体关系较为复杂。需要提供一种运行策略以实现整体系统的经济高效运行，利用多种能源之间的协同关系实现能源综合利用。
作为举例，冷热电联供系统运行时，对天然气燃烧产生的机械能和热能都加以充分利用：高温段的热能用于带动发电机转动产生电能，中温段和低温段的热能用于供应冷热能源，保证天然气燃烧产生能量的最大化利用。冷热电联供机组可以根据功能的不同分为原动机、余热锅炉、余热制冷设备和调峰设备四部分组成。
联供系统在电价高峰时段通过联供机组发电同时直接供应冷热需求，可以明显减少高峰时段的用电量；在用电低谷时段，可以通过调峰设备使用低谷电制冷热，并通过储热设备进行存储并在高峰时段释放。利用以上两种方式，联供系统可以显著减少日运行成本。
图1示出了本发明一实施例所提供的综合能源系统运行策略的优化方法的实现流程图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
如图1所示，本发明实施例所提供的一种综合能源系统运行策略的优化方法，包括：
步骤S101，计算所述综合能源系统中的光伏能源的预测输出功率。
在本申请实施例中，所述光伏能源的预测输出功率为预测的在预设的时间段内随时间变化的输出功率。
作为本申请另一实施例，所述计算所述综合能源系统中的光伏能源的预测输出功率包括：
构建SVR预测模型；
获取训练样本，并基于所述训练样本对所述SVR预测模型进行训练，获得训练后的SVR预测模型，其中，所述训练样本为以光伏能源的历史输出功率为样本标签，以与所述光伏能源的历史输出功率对应的环境数据为输入数据；
获取预测的预设的时间段的环境数据，将所述环境数据输入所述训练后的SVR预测模型，获得所述光伏能源的预设的时间段的预测输出功率。
在本申请实施例中，本文采用支持向量回归模型(Support Vector Regression,SVR)，这种机器学习的方式具有处理大量数据和高效计算的能力，对于处理分布式光伏发电功率这类具有周期性和随天气条件波动特征的数据具有较强的适用性。
所述支持向量回归模型的一般形式为：
式中：ω为各变量的拟合系数；b模型常量；C为正则化常数；
从而可得到拟合函数的最优解形式如下：
式中：
和αi为对偶最优问题的互补松弛条件的Lagrange乘子；f(x)为拟合函数的最优解。
支持向量回归计算过程中，为了确定函数值与变量之间的高阶关系，通常需要将自变量x映射到高维特征空间中，并且算法要求映射后的样本线性可分，通过映射的方法，SVR算法使用线性回归公式求解非线性回归的问题。因此SVR模型中的x实际上需要用其映射后的高维特征空间向量φ(x)进行代替，因此可转化为如下形式：
κ(x,xi)＝φ(xi)Tφ(x)；
其中：κ(x,xi)为核函数。
在对SVR预测模型进行上述处理后，就可以选择样本数据，对所述SVR预测模型进行训练，本申请采用2010-2013年的数据对SVR模型进行训练，在获得训练后的SVR预测模型进行训练后，还通过2014年的数据进行验证，以确定所述SVR模型训练后符合预期的预测精度。
本申请中的环境数据包括：太阳辐照度、云层类型、相对湿度、太阳天顶角、气压、温度、降水量以及风速和风向等，对其中有部分无法用数值衡量的天气条件，使用评估等级的方法对其定值，如NSRDB中云层类型分为12级，云层类型变化并非是一个递进的过程，而只是单纯的一一对应的关系，传统的回归算法对此数据类型并不适用，而SVR模型可将云层类型变量映射至高维空间后，在回归公式中体现这种一一对应的关系。
示例性的，本申请将某地区2014年冬季晴天天气的预测曲线与实际曲线的对比，在相对难以预测的阴雨天气条件下，本文使用的预测方法的精确度能达到80％以上。
步骤S102，基于所述光伏能源的预测输出功率，得到所述综合能源系统的初始运行策略。
在本申请实施例中，所述综合能源不仅包括光伏能源，还包括了其它能源或者一些储能设备等。在考虑所述综合能源的初始运行策略时，需要综合考虑其它能源或储能设备的运行模型。根据综合能源中的多个能源以及储能设备综合考虑初始运行策略。
作为本申请另一实施例，获得初始运行策略时可以通过以下方式：
获取所述综合能源中所述光伏能源以外的运行模型，其中，所述光伏能源以外的运行模型包括：燃气联供系统的热电输出比例模型、余热制冷机组的余热制冷模型和调峰设备的功率模型；
基于所述光伏能源的预测输出功率，以及获取的所述综合能源系统中所述光伏能源以外的运行模型，得到所述综合能源系统的初始运行策略。
在本申请实施例中，余热锅炉及制冷设备的特性由燃气轮机的运行状态决定。燃气轮机的热电输出功率比近似为分段线性函数，余热可用功率略大于燃气轮机的电功率，且可用余热量上下限随功率变化的百分比基本固定。所述燃气联供系统的热电输出比例模型为：
式中：
为燃气轮机余热烟气输出功率的最大值；
为联供系统实际输出功率的标幺值；
和
为燃气轮机热电输出比所对应的分段线性函数的第i段的系数；
为联供系统的的额定容量；
为燃气轮机余热烟气输出功率的最小值；αi为第i段中上下限比值的系数；Ph为燃气轮机余热烟气输出功率的实际值；
吸收式余热制冷机组通过吸收原动机余热产生冷冻水，所述余热制冷机组的余热制冷模型为：
COPCCHP＝Qc/Qh；
式中：
为联供系统的制冷量，
为联供系统消耗的热量，COPCCHP冷热转换能效比；Qc为余热制冷过程中生成的制冷量；Qh余热制冷过程中消耗的热量；COPCCHP冷热转换能效比由余热制冷过程中生成的制冷量和消耗的热量之间的比例决定。
由于各类能源负荷通常会在一个周期内存在波动，联供机组常规条件下仅完成对基础负荷或适当负荷的供应，而高峰时段的负荷则由调峰设备供应。因此冷热电联供系统中除了承担基础负荷的联供机组，还必须配置容量较大，调节灵活的调峰设备，常见的调峰设备为可以进行电热转化的空调和热泵设备以及储存能量的储能设备等。
对于调峰设备来说，其具有与余热制冷设备近似的功能，主要区别在于调峰设备主要靠电力驱动，所述调峰设备的功率模型为：
其中，
为调峰消耗功率，
为调峰机组的等效功率，COPP为能量转换比。
步骤S103，根据所述光伏能源的预测输出功率和预设的误差概率分布函数，得到目标光伏出力场景。
在本申请实施例中，在光伏发电预测基础上，通过统计分析预测光伏出力与实际光伏出力之间的误差，可以得到分布式光伏预测误差的实际分布情况。这样就可以获得目标光伏出力场景。
作为本申请另一实施例，在获得目标光伏出力场景的过程中可以按照如下步骤：
根据所述预设的误差概率分布函数，获得预设的时间段的误差分布数据；
基于所述误差分布数据对所述预测输出功率进行修正，获得修正后的预测输出功率；
根据所述修正后的预测输出功率获得候选光伏出力场景；
对所述候选光伏出力场景进行聚类，获得目标光伏出力场景。
在本申请实施例中，对预测精度尚可的冬季阴雨天气及夏季阴天天气条件下的分布式光伏预测误差进行了概率分布统计拟合，而对概率分布相对分散的夏季雨天天气仍采用高斯分布进行拟合。对冬季阴雨天气及夏季阴天天气条件下的分布式光伏预测误差采用误差概率分布函数为：
所述误差概率分布函数为：
其中，连续变量x服从适应概率分布，σ为拉普拉斯概率分布函数的尺度参数，χ,γ为误差概率分布函数的形状参数。
需要说明的是，实际应用中，对于夏季雨天天气可采用所述误差概率分布函数也可采用高斯分布进行拟合。
示例性的，图2为基于多种概率分布函数对样本数据进行拟合的效果图，以对比本申请采用的误差概率分布函数(适用概率分布函数)的拟合效果。可以发现本申请采用的误差概率分布函数可以较好地匹配精准预测的峰值，并且在样本范围内都可以取得良好的拟合效果。
在基于所述误差分布数据对所述预测输出功率进行拟合修正后，获得拟合修正后的预测输出功率，就可采用抽样的方法生成多个光伏出力场景。本申请中使用上述方法生成了某日的1000个光伏出力场景。
当前生成的1000个光伏出力场景并不具有严格的代表性，为了提高效率，可以将多个光伏出力场景聚类得到数量较少的具有典型的光伏出力场景，本申请以云层类型和相对湿度为聚类依据，采用最小生成树算法对上述1000个光伏出力场景进行聚类，得到10个分布式光伏输出功率典型场景数。
为了避免混淆，本申请将聚类前的光伏出力场景记为候选光伏出力场景，将聚类后的记为目标光伏出力场景。
步骤S104，基于预设的目标函数和预设的约束条件，根据所述目标光伏出力场景对所述初始运行策略进行可行性验证。
在本申请实施例中，建立双层优化求解模型。其中，主问题的分布式综合能源系统最优潮流模型，优化目标为运行成本最低，最优潮流模型可参照现有的模型，在此不再赘述；子问题为各个典型光伏处理场景s下通过联供机组、储电储热装置和其他调峰设备的调节能力应对分布式光伏输出功率波动的可行性检验问题。
作为本申请另一实施例，所述基于预设的目标函数验证所述综合能源的初始运行策略在所述目标光伏出力场景下，是否满足约束条件；
若满足，则表示所述初始运行策略在当前目标光伏出力场景下可行，并确定可行性验证通过；
若不满足，则表示所述初始运行策略在当前目标光伏出力场景下不可行，并确定可行性验证未通过：
其中，所述目标函数为：
式中，t为当前时间；T为总时间；i为综合能源系统中联供系统对应的节点编号；Ωb为综合能源系统节点的集合；
为在t时间s场景下时的节点i的电压不平衡变量；
为在t时间s场景下时的节点i的电压不平衡变量；NCCHP为综合能源系统中联供系统的线路；
为联供机组在t时间s场景下时的节点i的输出功率超出上限；
为大电网联络线的交换功率超出上限；
为制冷或制热需求不足功率；
所述约束条件为：
式中，
为联供机组在t时间s场景下时的节点i的输出功率；
为大电网联络线的交换功率的实时变化量分布；
为旋转备用容量；vrate为爬坡速率；Δt为调整时间；t为时刻；s为场景；N表示大电网联络线；i为联供机组对应的节点。
在本申请实施例中，针对可行的场景，继续通过下一个场景进行可行性验证，针对不可行的场景，优先调整冷热电联供机组，然后再增加系统调峰和旋转备用。在将所有的目标光伏出力场景验证结束后，就可以得到最终的运行策略。
步骤S105，若可行性验证未通过，则松弛约束条件，并基于松弛后的约束条件对所述初始运行策略进行调整，获得目标运行策略。
在本申请实施例中，第一约束条件：
其中，
为联供机组在t时间s场景下时的节点i的制冷或制热功率；
为综合能源系统中热泵机组中在t时间s场景下时的制冷或制热功率；
为综合能源系统中储热设备在t时间s场景下时的制冷或制热功率；
为综合能源系统中负荷在t时间s场景下时的制冷或制热功率；
第二约束条件：
vrate为爬坡速率；Δt为调整时间；
为旋转备用容量的上限；
为联供机组在t时间s场景下时的节点i的输出功率；
为联供机组的初始运行策略下的输出功率；
为旋转备用容量的下限；
第三约束条件：
在实际应用中，可以优先修正第一约束条件，然后在修正第二约束条件，最后在修正第三约束条件，最终得到松弛后的约束条件。
为了更清楚的理解本方案，通过举例进行说明，本文以某地52节点电网作为冷/热网架构进行分布式综合能源系统的鲁棒运行策略设计分析，如图3所示。其中5个热网节点包含两节点联供机组(36、40)，1个节点热泵设备(5)和两节点相变储热设备(8、30)。光伏输出功率场景采用前文聚类生成的典型场景，主要设备参数如表1所示。
表1分布式综合能源系统主要设备参数
为验证综合能源系统鲁棒运行策略对配电网运行安全性的提升效果，本文对传统配电网、综合能源系统经济最优运行方式和综合能源系统的鲁棒运行方式(本申请实施例提供的获得目标运行策略的方式)三种情况下各机组负荷情况及系统电压情况进行了对比。电负荷、冷热负荷均参照该地区当日的实际负荷进行计算，本文假定在传统配电网中，所有冷热负荷均有热泵或电制冷空调供应，通过5号节点热泵进行区域内所有用户供应冷热需求，由于供热范围相对较小，本文暂不将冷热能源传输过程中的能量损耗计入模型。
在常规配电网运行条件下，其负载及电压情况如图4所示，电能供应主要依赖主变提供，负荷较大，在整个系统中存在着电压过低的情况。
分布式能源系统中由于安置了联供机组，可以大幅削减变电站主变压器的容量，并且对系统节点的电压起到一定的调节作用。加入联供机组后，主变负荷仅为常规配电网中的一半，可以有效缓解主变供应压力，减少变电站建设成本并提高提设备的利用率。
就节点电压而言，由于常规配电网基本是一个放射状的配电网，因此每条馈线上节点电压会越降越低，而在综合能源系统中潮流相对可控，因此能更好地稳定各点电压。
然而在以成本最低策略运行的综合能源系统中，由于光伏的预测误差，在图中所示时刻调节能力不足，从而可能影响配电网的安全运行：在正午12：00时36号节点联供机组的负旋转备用容量不足，可能导致光伏并网节点出现过电压现象，本算例中的不足容量为0.149MW，相对较小。
为了改善运行的安全性，应用鲁棒运行策略重新安排运行计划(本申请实施例提供的获得目标运行策略的方法)。其中，为了避免负旋转备用容量不足现象的产生，鲁棒运行策略下调了36号节点的联供机组的计划输出功率，从而保证了系统的安全稳定运行，同时进一步缓解了过电压的现象。
三种运行策略的具体效果对比如表2所示，综合能源系统能够有效地较少主变供电的压力，同时缓建电压越限等问题。而鲁棒运行策略能够进一步适应光伏预测存在的误差，进一步改善系统的电压分布情况。
表2三种方式的运行效果对比
在经济性方面，大电网电价和天然气价格参考某地使用的非尖峰时段分时电价和商业用气价格3.23元/m3，分时电价数据如下表3所示。
表3分时电价表
计算三种方式下的运行成本如表4所示。综合能源系统的运行成本明显小于常规配电网，而经济性最优和鲁棒运行策略安排下的成本相差不大，均能起到较好的节约成本的作用。
表4三种方式的运行经济性对比
本文针对含有光伏电站的综合能源系统设计了鲁棒运行策略。首先调研了综合能源系统中包含的主要设备的工作原理和运行方式，并据此建立相应模型，其次分析了分布式光伏输出功率的波动对配电网安全运行产生的影响，并结合分布式光伏的支持向量回归模型的预测误差统计分布情况拟合了较为精确的概率密度函数对其进行描述，并以此为基础聚类生成了光伏的随机出力场景，对综合能源系统的原始运行计划进行了典型场景的可行性检验，进而实现了不可行情况的反馈功能，并以此设计了可以应对光伏出力波动的综合能源系统鲁棒运行策略。
利用本文提出的综合能源系统鲁棒运行策略，可以辅助运行决策者制定计划安排，减少分布式光伏出力波动对配电网产生的不良影响和损失，适合于推广到实际工程应用中。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
如图5所示，本发明的一个实施例提供的优化系统的示意框图，如图所示，其包括：
预测输出功率获得模块51，用于计算所述综合能源系统中的光伏能源的预测输出功率；
初始运行策略获得模块52，用于基于所述光伏能源的预测输出功率，得到所述综合能源系统的初始运行策略；
目标光伏出力场景获得模块53，根据所述光伏能源的预测输出功率和预设的误差概率分布函数，得到目标光伏出力场景；
可行性验证模块54，用于基于预设的目标函数和预设的约束条件，根据所述目标光伏出力场景对所述初始运行策略进行可行性验证；
目标运行策略获得模块55，用于若可行性验证未通过，则松弛约束条件，并基于松弛后的约束条件对所述初始运行策略进行调整，获得目标运行策略。
作为本申请另一实施例，所述光伏能源的预测输出功率为预测的在预设的时间段内随时间变化的输出功率。
作为本申请另一实施例，所述预测输出功率获得模块还用于：
构建SVR预测模型；
获取训练样本，并基于所述训练样本对所述SVR预测模型进行训练，获得训练后的SVR预测模型，其中，所述训练样本为以光伏能源的历史输出功率为样本标签，以与所述光伏能源的历史输出功率对应的环境数据为输入数据；
获取预测的预设的时间段的环境数据，将所述环境数据输入所述训练后的SVR预测模型，获得所述光伏能源的预设的时间段的预测输出功率。
作为本申请另一实施例，所述初始运行策略获得模块还用于：
获取所述综合能源中所述光伏能源以外的运行模型，其中，所述光伏能源以外的运行模型包括：燃气联供系统的热电输出比例模型、余热制冷机组的余热制冷模型和调峰设备的功率模型；
基于所述光伏能源的预测输出功率，以及获取的所述综合能源系统中所述光伏能源以外的运行模型，得到所述综合能源系统的初始运行策略。
作为本申请另一实施例，所述目标光伏出力场景获得模块还用于：
根据所述预设的误差概率分布函数，获得预设的时间段的误差分布数据；
基于所述误差分布数据对所述预测输出功率进行修正，获得修正后的预测输出功率；
根据所述修正后的预测输出功率获得候选光伏出力场景；
对所述候选光伏出力场景进行聚类，获得目标光伏出力场景。
作为本申请另一实施例，所述可行性验证模块还用于：
基于预设的目标函数验证所述综合能源的初始运行策略在所述目标光伏出力场景下，是否满足约束条件；
若满足，则表示所述初始运行策略在当前目标光伏出力场景下可行，并确定可行性验证通过；
若不满足，则表示所述初始运行策略在当前目标光伏出力场景下不可行，并确定可行性验证未通过。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即所述系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中模块的具体工作过程，可以参考前述方法实施例1中的对应过程，在此不再赘述。
图6是本发明一实施例提供的终端设备的示意图。如图6所示，该实施例的终端设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现所述优化方法的各实施例中的步骤，例如图1所示的步骤S101至S105。或者，所述处理器60执行所述计算机程序62时实现所述优化系统的各系统实施例中的各模块/单元的功能，例如图5所示模块51至55的功能。
所述终端设备6是指具有数据处理能力的终端，包括但不限于计算机、工作站、服务器，甚至是一些性能优异的智能手机、掌上电脑、平板电脑、个人数字助理(PDA)、智能电视(Smart TV)等。终端设备上一般都安装有操作系统，包括但不限于：Windows操作系统、LINUX操作系统、安卓(Android)操作系统、Symbian操作系统、Windows mobile操作系统、以及iOS操作系统等等。以上详细罗列了终端设备6的具体实例，本领域技术人员可以意识到，终端设备并不限于上述罗列实例。
所述终端设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是终端设备6的示例，并不构成对终端设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备6还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60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)、现成可编程门阵列(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。
所述存储器61可以是所述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备，例如所述终端设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备6所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如所述优化方法的各实施例中的步骤，例如图1所示的步骤S101至步骤S105。或者，所述计算机程序被处理器执行时实现如实施例5中所述的各优化系统实施例中的各模块/单元的功能，例如图5所示的模块51至55的功能。
所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
在上述实施例中，对各个实施例的描述都各有侧重，实施例之间可以任意组合，组合后形成的新的实施例也在本申请的保护范围之内。某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的终端设备和方法，可以通过其它的方式实现。例如，以上所描述的系统/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (11)
1.一种综合能源系统运行策略的优化方法，其特征在于，包括：
计算所述综合能源系统中的光伏能源的预测输出功率；基于所述光伏能源的预测输出功率，得到所述综合能源系统的初始运行策略；
根据所述光伏能源的预测输出功率和预设的误差概率分布函数，得到目标光伏出力场景；
基于预设的目标函数和预设的约束条件，根据所述目标光伏出力场景对所述初始运行策略进行可行性验证；若可行性验证未通过，则松弛约束条件，并基于松弛后的约束条件对所述初始运行策略进行调整，获得目标运行策略。
2.如权利要求1所述的综合能源系统运行策略的优化方法，其特征在于，所述光伏能源的预测输出功率为预测的在预设的时间段内随时间变化的输出功率。
3.如权利要求2所述的综合能源系统运行策略的优化方法，其特征在于，所述计算所述综合能源系统中的光伏能源的预测输出功率包括：
构建SVR预测模型；
获取训练样本，并基于所述训练样本对所述SVR预测模型进行训练，获得训练后的SVR预测模型，其中，所述训练样本为以光伏能源的历史输出功率为样本标签，以与所述光伏能源的历史输出功率对应的环境数据为输入数据；
获取预测的预设的时间段的环境数据，将所述环境数据输入所述训练后的SVR预测模型，获得所述光伏能源的预设的时间段的预测输出功率。
4.如权利要求1所述的综合能源系统运行策略的优化方法，其特征在于，所述基于所述光伏能源的预测输出功率，得到所述综合能源系统的初始运行策略包括：
获取所述综合能源中所述光伏能源以外的运行模型，其中，所述光伏能源以外的运行模型包括：燃气联供系统的热电输出比例模型、余热制冷机组的余热制冷模型和调峰设备的功率模型；
基于所述光伏能源的预测输出功率，以及获取的所述综合能源系统中所述光伏能源以外的运行模型，得到所述综合能源系统的初始运行策略。
5.如权利要求4所述的综合能源系统运行策略的优化方法，其特征在于，所述燃气联供系统的热电输出比例模型为：
式中：
为燃气轮机余热烟气输出功率的最大值；
为联供系统实际输出功率的标幺值；
和
为燃气轮机热电输出比所对应的分段线性函数的第i段的系数；
为联供系统的的额定容量；
为燃气轮机余热烟气输出功率的最小值；αi为第i段中上下限比值的系数；Ph为燃气轮机余热烟气输出功率的实际值；
所述余热制冷机组的余热制冷模型为：
COPCCHP＝Qc/Qh；
式中：
为联供系统的制冷量，
为联供系统消耗的热量，COPCCHP冷热转换能效比；Qc为余热制冷过程中生成的制冷量；Qh余热制冷过程中消耗的热量；
所述调峰设备的功率模型为：
其中，
为调峰消耗功率，
为调峰机组的等效功率，COPP为能量转换比。
6.如权利要求2所述的综合能源系统运行策略的优化方法，其特征在于，所述根据所述光伏能源的预测输出功率和预设的误差概率分布函数，得到目标光伏出力场景，包括：
根据所述预设的误差概率分布函数，获得预设的时间段的误差分布数据；
基于所述误差分布数据对所述预测输出功率进行修正，获得修正后的预测输出功率；
根据所述修正后的预测输出功率获得候选光伏出力场景；
对所述候选光伏出力场景进行聚类，获得目标光伏出力场景。
7.如权利要求1所述的综合能源系统运行策略的优化方法，其特征在于，所述误差概率分布函数为：
其中，连续变量x服从适应概率分布，σ为拉普拉斯概率分布函数的尺度参数，χ,γ为误差概率分布函数的形状参数。
8.如权利要求1所述的综合能源系统运行策略的优化方法，其特征在于，所述基于预设的目标函数和预设的约束条件，根据所述目标光伏出力场景对所述初始运行策略进行可行性验证包括：
基于预设的目标函数验证所述综合能源的初始运行策略在所述目标光伏出力场景下，是否满足约束条件；
若满足，则表示所述初始运行策略在当前目标光伏出力场景下可行，并确定可行性验证通过；
若不满足，则表示所述初始运行策略在当前目标光伏出力场景下不可行，并确定可行性验证未通过；
其中，所述目标函数为：
式中，t为当前时间；T为总时间；i为综合能源系统中联供系统对应的节点编号；Ωb为综合能源系统节点的集合；
为在t时间s场景下时的节点i的电压不平衡变量；
为在t时间s场景下时的节点i的电压不平衡变量；NCCHP为综合能源系统中联供系统的线路；
为联供机组在t时间s场景下时的节点i的输出功率超出上限；
为大电网联络线的交换功率超出上限；
为制冷或制热需求不足功率；
所述约束条件为：
式中，
为联供机组在t时间s场景下时的节点i的输出功率；ΔPt N为大电网联络线的交换功率的实时变化量分布；
为旋转备用容量；vrate为爬坡速率；Δt为调整时间；t为时刻；s为场景；N表示大电网联络线；i为联供机组对应的节点。
9.如权利要求1所述的综合能源系统运行策略的优化方法，其特征在于，所述松弛后的约束条件包括：
第一约束条件：
其中，
为联供机组在t时间s场景下时的节点i的制冷或制热功率；
为综合能源系统中热泵机组中在t时间s场景下时的制冷或制热功率；
为综合能源系统中储热设备在t时间s场景下时的制冷或制热功率；
为综合能源系统中负荷在t时间s场景下时的制冷或制热功率；
第二约束条件：
vrate为爬坡速率；Δt为调整时间；
为旋转备用容量的上限；
为联供机组在t时间s场景下时的节点i的输出功率；
为联供机组的初始运行策略下的输出功率；
为旋转备用容量的下限；
第三约束条件：
ΔPt N为大电网联络线的交换功率的实时变化量分布；
为大电网联络线在s场景下的交换功率；
为大电网联络线在初始运行策略下的交换功率；
为大电网联络线的交换功率的最大值。
10.一种终端设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至9任一项所述综合能源系统运行策略的优化方法的步骤。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至9任一项所述综合能源系统运行策略的优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010079877.XA CN111245025A (zh) | 2020-02-04 | 2020-02-04 | 综合能源系统运行策略的优化方法、终端设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010079877.XA CN111245025A (zh) | 2020-02-04 | 2020-02-04 | 综合能源系统运行策略的优化方法、终端设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111245025A true CN111245025A (zh) | 2020-06-05 |
Family
ID=70865816
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010079877.XA Pending CN111245025A (zh) | 2020-02-04 | 2020-02-04 | 综合能源系统运行策略的优化方法、终端设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111245025A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112950063A (zh) * | 2021-03-29 | 2021-06-11 | 国网河北省电力有限公司经济技术研究院 | 区域能源互补方法和装置 |
| CN113536694A (zh) * | 2021-08-03 | 2021-10-22 | 国网北京市电力公司 | 综合能源系统鲁棒优化运行方法、系统、装置及存储介质 |
| CN114662922A (zh) * | 2022-03-24 | 2022-06-24 | 国网江苏省电力有限公司南通供电分公司 | 考虑光伏不确定性的居民需求响应潜力评估方法及系统 |
| CN116231763A (zh) * | 2023-05-08 | 2023-06-06 | 广州三晶电气股份有限公司 | 具备自学习能力的家庭能源管理系统优化调度方法及装置 |
| CN116595896A (zh) * | 2023-07-17 | 2023-08-15 | 合肥顺昌分布式能源综合应用技术有限公司 | 一种基于大数据的能源管理系统 |
| CN116697567A (zh) * | 2023-07-07 | 2023-09-05 | 广东技术师范大学 | 一种中央空调水系统节能优化控制方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104283236A (zh) * | 2014-10-25 | 2015-01-14 | 国网重庆武隆县供电有限责任公司 | 一种风光储能并网发电智能优化调度方法 |
| CN104319768A (zh) * | 2014-11-03 | 2015-01-28 | 四川慧盈科技有限责任公司 | 一种微电网供电及监控方法 |
| CN106527135A (zh) * | 2016-11-21 | 2017-03-22 | 云南电网有限责任公司电力科学研究院 | 一种建筑能量管理系统优化控制方法和装置 |
| CN109038646A (zh) * | 2018-06-29 | 2018-12-18 | 中国电力科学研究院有限公司 | 一种光伏发电场景构造方法及系统 |
| CN110504716A (zh) * | 2019-08-27 | 2019-11-26 | 国网河北省电力有限公司邢台供电分公司 | 光伏逆变器无功模式优化选择方法、终端设备及存储介质 |
-
2020
- 2020-02-04 CN CN202010079877.XA patent/CN111245025A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104283236A (zh) * | 2014-10-25 | 2015-01-14 | 国网重庆武隆县供电有限责任公司 | 一种风光储能并网发电智能优化调度方法 |
| CN104319768A (zh) * | 2014-11-03 | 2015-01-28 | 四川慧盈科技有限责任公司 | 一种微电网供电及监控方法 |
| CN106527135A (zh) * | 2016-11-21 | 2017-03-22 | 云南电网有限责任公司电力科学研究院 | 一种建筑能量管理系统优化控制方法和装置 |
| CN109038646A (zh) * | 2018-06-29 | 2018-12-18 | 中国电力科学研究院有限公司 | 一种光伏发电场景构造方法及系统 |
| CN110504716A (zh) * | 2019-08-27 | 2019-11-26 | 国网河北省电力有限公司邢台供电分公司 | 光伏逆变器无功模式优化选择方法、终端设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 刘志欣等: "基于场景聚类分析的综合能源系统鲁棒运行策略", 《电工电能新技术》 * |
| 赵唯嘉等: "光伏发电出力的条件预测误差概率分布估计方法", 《电力系统自动化》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112950063A (zh) * | 2021-03-29 | 2021-06-11 | 国网河北省电力有限公司经济技术研究院 | 区域能源互补方法和装置 |
| CN112950063B (zh) * | 2021-03-29 | 2023-05-09 | 国网河北省电力有限公司经济技术研究院 | 区域能源互补方法和装置 |
| CN113536694A (zh) * | 2021-08-03 | 2021-10-22 | 国网北京市电力公司 | 综合能源系统鲁棒优化运行方法、系统、装置及存储介质 |
| CN114662922A (zh) * | 2022-03-24 | 2022-06-24 | 国网江苏省电力有限公司南通供电分公司 | 考虑光伏不确定性的居民需求响应潜力评估方法及系统 |
| CN114662922B (zh) * | 2022-03-24 | 2023-12-26 | 国网江苏省电力有限公司南通供电分公司 | 考虑光伏不确定性的居民需求响应潜力评估方法及系统 |
| CN116231763A (zh) * | 2023-05-08 | 2023-06-06 | 广州三晶电气股份有限公司 | 具备自学习能力的家庭能源管理系统优化调度方法及装置 |
| CN116231763B (zh) * | 2023-05-08 | 2023-08-04 | 广州三晶电气股份有限公司 | 具备自学习能力的家庭能源管理系统优化调度方法及装置 |
| CN116697567A (zh) * | 2023-07-07 | 2023-09-05 | 广东技术师范大学 | 一种中央空调水系统节能优化控制方法及装置 |
| CN116595896A (zh) * | 2023-07-17 | 2023-08-15 | 合肥顺昌分布式能源综合应用技术有限公司 | 一种基于大数据的能源管理系统 |
| CN116595896B (zh) * | 2023-07-17 | 2023-09-22 | 合肥顺昌分布式能源综合应用技术有限公司 | 一种基于大数据的能源管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111245025A (zh) | 综合能源系统运行策略的优化方法、终端设备及存储介质 | |
| Sun et al. | Optimal local volt/var control for photovoltaic inverters in active distribution networks | |
| CN109361242B (zh) | 一种光伏发电自动电压控制方法 | |
| CN112491043B (zh) | 一种新能源富集电网电源规划方法及系统 | |
| CN103473393B (zh) | 一种考虑随机概率的输电裕度控制模型建模方法 | |
| CN111859683B (zh) | 基于动态能量集线器的园区综合能源系统优化配置方法 | |
| CN113659572B (zh) | 考虑网络重构和需求响应的气电综合能源配网鲁棒优化方法 | |
| CN110808597A (zh) | 主动配电网中考虑三相不平衡的分布式电源规划方法 | |
| CN112950098A (zh) | 基于综合能源系统的能源规划方法、装置及终端设备 | |
| CN105207274A (zh) | 一种自适应调节无功输出的分布式光伏发电控制方法 | |
| Reiman et al. | Power factor correction in feeders with distributed photovoltaics using residential appliances as virtual batteries | |
| CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
| CN105162129A (zh) | 计及分布式电源最优配置的配网无功电压控制方法 | |
| CN114322044A (zh) | 一种综合能源系统及其运行控制方法 | |
| Jonas | Predictive power dispatch for 100% renewable electricity scenarios using power nodes modeling framework | |
| Zhang et al. | Equalizing multi-temporal scale adequacy for low carbon power systems by co-planning short-term and seasonal energy storage | |
| CN113609699A (zh) | 辐射状配电网交流潮流模型的计算方法和系统 | |
| Zhang et al. | Multi–objective cluster partition method for distribution network considering uncertainties of distributed generations and loads | |
| CN107528352B (zh) | 一种基于可再生能源高渗透率的配电网有功优化方法 | |
| CN115659098A (zh) | 一种分布式新能源消纳能力计算方法、装置、设备及介质 | |
| Aryandoust | Modelling and Optimization Based Control for Demand Response in Active Distribution Networks | |
| CN108418213B (zh) | 一种基于源荷互动电力系统调度的方法 | |
| Guo et al. | Wind-Solar Power Consumption Strategy Based on Neural Network Prediction and Demand-side Response | |
| Chen et al. | Optimal Power Flow Under Renewable Enery Integrated For AC/DC Grids With VSC-HVDC | |
| CN110690719B (zh) | 一种微电网电池储能配置方法及可读存储介质 |
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: 20200605 |