CN111478325B - 一种氢-电混合储能微电网能量调度方法及系统 - Google Patents
一种氢-电混合储能微电网能量调度方法及系统 Download PDFInfo
- Publication number
- CN111478325B CN111478325B CN202010397148.9A CN202010397148A CN111478325B CN 111478325 B CN111478325 B CN 111478325B CN 202010397148 A CN202010397148 A CN 202010397148A CN 111478325 B CN111478325 B CN 111478325B
- Authority
- CN
- China
- Prior art keywords
- control model
- time
- market control
- day
- grid
- 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.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000011214 deviation management Methods 0.000 claims abstract description 86
- 230000006870 function Effects 0.000 claims description 94
- 239000000446 fuel Substances 0.000 claims description 78
- 238000003860 storage Methods 0.000 claims description 68
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 56
- 239000001257 hydrogen Substances 0.000 claims description 55
- 229910052739 hydrogen Inorganic materials 0.000 claims description 55
- 238000013461 design Methods 0.000 claims description 49
- 238000009826 distribution Methods 0.000 claims description 37
- 239000003990 capacitor Substances 0.000 claims description 33
- 230000015654 memory Effects 0.000 claims description 21
- 230000005611 electricity Effects 0.000 claims description 20
- 239000000126 substance Substances 0.000 claims description 11
- 238000005457 optimization Methods 0.000 abstract description 7
- 210000004027 cell Anatomy 0.000 description 91
- 238000006731 degradation reaction Methods 0.000 description 12
- 238000010248 power generation Methods 0.000 description 12
- 230000015556 catabolic process Effects 0.000 description 11
- 210000002569 neuron Anatomy 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000005868 electrolysis reaction Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000002035 prolonged effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 150000002431 hydrogen Chemical class 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000764238 Isis Species 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000003828 downregulation Effects 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000003827 upregulation Effects 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
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
-
- 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
-
- 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
-
- 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)
- Fuel Cell (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种氢‑电混合储能微电网能量调度方法及系统，该方法包括：建立四级级联控制模型；计算日前市场控制模型的最小值，根据最小值时的参数进行调度；根据日前市场控制模型在最小值时的交换电量计算日内市场控制模型的最小值，根据最小值时的参数数据进行调度；根据日内市场控制模型在最小值时的交换电量计算偏差管理市场控制模型的最小值，根据最小值时的参数数据进行调度；根据偏差管理市场控制模型在最小值时的交换电量及微电网状态变量计算辅助服务市场控制模型的最小值，根据最小值时的参数数据进行调度。通过实施本发明，实现了氢‑电混合储能微电网与主网的能量优化调度，降低了混合储能系统成本。
Description
技术领域
本发明涉及微电网领域，具体涉及一种氢-电混合储能微电网能量调度方法及系统。
背景技术
电力市场是一个复杂的过程，在这个过程中，电力生产系统在每一时刻提供的总电量，都对应着不同负荷的用电量。智能电网模式下，储能系统(ESS，EnergyStorageSystem)的引入为电力市场带来了新的可能性。高能量密度的氢作为能量载体将发挥重要作用。然而瞬态条件下的鲁棒性能和慢响应是其技术实现的主要障碍。电池和超级电容器有更好的瞬态响应，然而它们的低能量密度并没有给系统足够的自主能力。每一个ESS都有自己的约束条件，并且由于资金成本、运营、维护成本或退化问题等不同方面的原因，ESS也存在着一定的功能成本。
微电网的出现为可再生能源的综合利用提供了一种有效手段，其通过高效的能量管理与协调控制技术，将分布式电源、负荷、储能装置以及控制装置等结合起来，形成一个单一可控的单元，是解决分布式可再生能源集中并网供电的一种有效方式。将氢这种可再生能源应用于微电网中构成氢-电混合储能微电网成为了一种新的发展趋势，目前，现有的微电网能量优化调度方法由于不涉及氢这类可再生能源，而仅能适用于不包含氢储能的微电网，因此，如何实现氢-电混合储能微电网与主网进行能量交换的能量优化调度是可再生能源微电网优化的重要一环。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中的缺少实现氢-电混合储能微电网与主网的能量优化调度的方法，从而提供一种氢-电混合储能微电网能量调度方法及系统。
为达到上述目的，本发明提供如下技术方案：
第一方面，本发明实施例提供一种氢-电混合储能微电网能量调度方法，包括：
根据微电网能量调度参数建立依次级联的日前市场控制模型、日内市场控制模型、偏差管理市场控制模型以及辅助服务市场控制模型，所述微电网能量调度参数，包括：电网成本信息、蓄电池成本信息、电解槽成本信息、燃料电池成本信息、超级电容器成本信息及氢成本信息；
获取微电网剩余电量，根据所述微电网剩余电量计算所述日前市场控制模型的最小值，并根据此时所述日前市场控制模型的参数数据进行日前市场能量调度分配；
根据所述日前市场控制模型在最小值时的微电网与主网交换的电量计算所述日内市场控制模型的最小值，并根据此时所述日内市场控制模型的参数数据进行日内市场能量调度分配；
根据所述日内市场控制模型在最小值时的微电网与主网交换的电量计算所述偏差管理市场控制模型的最小值，并根据此时所述偏差管理市场控制模型的参数数据进行偏差管理市场能量调度分配；
根据所述偏差管理市场控制模型在最小值时的微电网与主网交换的电量及微电网状态变量计算所述辅助服务市场控制模型的最小值，并根据此时所述辅助服务市场控制模型的参数数据进行辅助服务市场能量调度分配，所述微电网状态变量包括：蓄电池剩余电量、超级电容器剩余电量以及氢气剩余量。
在一实施例中，所述日前市场控制模型为：
其中，JD为日前市场控制模型；hi为小时时刻值；Jgrid(hi)为时刻为hi时电网成本函数；Jbat(hi)为时刻为hi时蓄电池成本函数；Jelz(hi)为时刻为hi时电解槽的成本函数；Jfc(hi)为时刻为hi时燃料电池的成本函数；i为标识变量，取值为正整数；
所述日内市场控制模型为：
其中，JI为日内市场控制模型；SH为离散预测总时长；hi为小时时刻值；Jgrid(hi)为时刻为hi时电网成本函数；Jbat(hi)为时刻为hi时蓄电池成本函数；Jelz(hi)为时刻为hi时电解槽的成本函数；Jfc(hi)为时刻为hi时燃料电池的成本函数；i为标识变量，取值为正整数；
所述偏差管理市场控制模型为：
其中，JM为偏差管理市场控制模型；to为初始时刻值；SH为离散预测总时长；hi为小时时刻值；Jgrid(hi)为时刻为hi时电网成本函数；Jbat(hi)为时刻为hi时蓄电池成本函数；Jelz(hi)为时刻为hi时电解槽的成本函数；JfC(hi)为时刻为hi时燃料电池的成本函数；i为标识变量，取值为正整数；
所述辅助服务市场控制模型为：
其中，JR为辅助服务市场控制模型；
为电网成本函数；
为超级电容器的成本函数；
为蓄电池的成本函数；
为氢成本函数；hi为小时时刻值；mj为分钟时刻值；i以及j为标识变量，取值均为正整数。
在一实施例中，所述根据所述微电网剩余电量计算所述日前市场控制模型的最小值，并根据此时所述日前市场控制模型的参数数据进行日前市场能量调度分配，包括：
将所述微电网剩余电量作为所述日前市场控制模型的输入参数；
调整所述日前市场控制模型中各个参数值使得所述日前市场控制模型取得最小值；
将此时所述日前市场控制模型中对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率作为日前市场的能量调度分配方案。
在一实施例中，所述根据所述日前市场控制模型在最小值时的微电网与主网交换的电量计算所述日内市场控制模型的最小值，并根据此时所述日内市场控制模型的参数数据进行日内市场能量调度分配，包括：
将所述日前市场控制模型在最小值时的微电网与主网交换的电量作为所述日内市场控制模型的输入参数；
调整所述日内市场控制模型中各个参数值使得日内市场控制模型取得最小值；
将此时所述日内市场控制模型中对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率作为日内市场的能量调度分配方案。
在一实施例中，所述根据所述日内市场控制模型在最小值时的微电网与主网交换的电量计算所述偏差管理市场控制模型的最小值，并根据此时所述偏差管理市场控制模型的参数数据进行偏差管理市场能量调度分配，包括：
将所述日内市场控制模型在最小值时的微电网与主网交换的电量作为所述偏差管理市场控制模型的输入参数；
调整所述偏差管理市场控制模型中各个参数值使得偏差管理市场控制模型取得最小值；
将此时所述偏差管理市场控制模型中对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率作为偏差管理市场的能量调度分配方案。
在一实施例中，所述根据所述偏差管理市场控制模型在最小值时的微电网与主网交换的电量及所述微电网状态变量计算所述辅助服务市场控制模型的最小值，并根据此时所述辅助服务市场控制模型的参数数据进行辅助服务市场能量调度分配，包括：
将所述偏差管理市场控制模型在最小值时的微电网与主网交换的电量、蓄电池剩余电量、超级电容器剩余电量以及氢气剩余量作为所述辅助服务市场控制模型的输入参数；
调整所述服务市场控制模型中各个参数值使得服务市场控制模型取得最小值；
将所述服务市场控制模型中对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率作为服务市场的能量调度分配方案。
在一实施例中，根据如下公式确定微电网剩余电量：
Prem(tk)＝Ppv(tk)+Pwt(tk)-Pload(tk)
其中，Prem(tk)为时刻为tk时剩余的电量；Ppv(tk)为时刻为tk时光伏阵列的发电量；Pwt(tk)为时刻为tk时风力涡轮发电机的发电量；Pload(tk)为时刻为tk时负载消耗的电量；tk为第k个时刻；k为正整数；
计算微电网剩余电量时，对应的约束条件为：
其中，Ppv(tk)为时刻为tk时光伏阵列的发电量；Pwt(tk)为时刻为tk时风力涡轮发电机的发电量；Pload(tk)为时刻为tk时负载消耗的电量；Pgrid(tk)为时刻为tk时微电网与主网交换的电量；zelz(tk)为时刻为tk时电解槽的逻辑电源；zfc(tk)为时刻为tk时燃料电池的逻辑电源；Pbat(tk)为时刻为tk时蓄电池功率；Puc(tk)为时刻为tk时超级电容器功率；Pi min为设备最小功率；Pi max为设备最大功率；Pi(tk)为时刻为tk时设备功率；i为设备类型，取值为grid表示电网，取值为elz表示电解槽，取值为fc表示燃料电池，取值为bat表示蓄电池，取值为uc表示超级电容器；
根据如下公式确定蓄电池剩余电量以及超级电容器剩余电量：
其中，α为设备类型，取值为bat表示蓄电池，取值为uc表示超级电容器；SOCα(tk+1)为时刻为tk+1时设备剩余电量；SOCα(tk)为时刻为tk时设备剩余电量；tk+1为第k+1个时刻；ηch,α为场景α下设备充电效率；ηdis,α为场景α下设备放电效率；Pch,α(tk)为场景α下时刻为tk时装置的充电功率；Pdis,α(tk)为场景α下时刻为tk时装置的放电功率；Ts为调度时段；s为标识变量，取值为正整数；Cα为设备额定容量；
计算剩余电量SOCα(tk+1)时，对应的约束条件为：
其中，
为允许的最小储电量；
为允许的最大储电量；SOCi(tk)为时刻为tk时设备剩余电量；i为设备类型，取值为bat表示蓄电池，取值为uc表示超级电容器；
根据如下公式确定氢气剩余量：
其中，LOH(tk+1)为时刻为tk+1时氢气剩余量；LOH(tk)为时刻为tk时氢气剩余量；Pelz(tk)为时刻为tk时电解槽的功率；Pfc(tk)为时刻为tk时燃料电池的功率；δelz(tk)为时刻为tk时电解槽的开关状态；δfc(tk)为时刻为tk时燃料电池的开关状态；
为电解槽的效率；
为燃料电池的效率；Ts为调度时段；s为标识变量，取值为正整数；
计算氢气剩余量LOH(tk+1)时，对应的约束条件为：
其中，LOHmin为允许的最小氢气剩余量；LOHmax为允许的最大氢气剩余量；δi(tk)为时刻为tk时设备的开关状态；i为设备类型，取值为elz表示电解槽，取值为fc表示燃料电池。
第二方面，本发明实施例提供一种氢-电混合储能微电网能量调度系统，包括：
建模模块，用于根据微电网能量调度参数建立依次级联的日前市场控制模型、日内市场控制模型、偏差管理市场控制模型以及辅助服务市场控制模型，所述微电网能量调度参数，包括：电网成本信息、蓄电池成本信息、电解槽成本信息、燃料电池成本信息、超级电容器成本信息及氢成本信息；
日前市场能量调度分配模块，用于获取微电网剩余电量，根据所述微电网剩余电量计算所述日前市场控制模型的最小值，并根据此时所述日前市场控制模型的参数数据进行日前市场能量调度分配；
日内市场能量调度分配模块，用于根据所述日前市场控制模型在最小值时的微电网与主网交换的电量计算所述日内市场控制模型的最小值，并根据此时所述日内市场控制模型的参数数据进行日内市场能量调度分配；
偏差管理市场能量调度分配模块，用于根据所述日内市场控制模型在最小值时的微电网与主网交换的电量计算所述偏差管理市场控制模型的最小值，并根据此时所述偏差管理市场控制模型的参数数据进行偏差管理市场能量调度分配；
辅助服务市场能量调度分配模块，用于根据所述偏差管理市场控制模型在最小值时的微电网与主网交换的电量及微电网状态变量计算所述辅助服务市场控制模型的最小值，并根据此时所述辅助服务市场控制模型的参数数据进行辅助服务市场能量调度分配，所述微电网状态变量包括：蓄电池剩余电量、超级电容器剩余电量以及氢气剩余量。
第三方面，本发明实施例提供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指令，所述计算机指令用于使所述计算机执行本发明实施例第一方面所述的氢-电混合储能微电网能量调度方法。
第四方面，本发明实施例提供一种计算机设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行本发明实施例第一方面所述的氢-电混合储能微电网能量调度方法。
本发明技术方案，具有如下优点：
本发明提供的氢-电混合储能微电网能量调度方法及系统，提出一种集风力发电、光伏发电、超级电容器、蓄电池、燃料电池、电解槽为一体的并网微电网控制策略。通过为微电网能量调度设置多级控制器，构建微电网调度的多个控制模型，根据微电网剩余电量信息依次求取各个控制模型的最优解，该最优解对应最低的运行成本，并按照取得最优解时的模型参数数据进行能量调度分配，从而能够有效地对微电网与主网的能量交换进行优化，实现了氢-电混合储能微电网与主网的能量优化调度，降低了混合储能系统的整体成本，并且通过对氢基混合ESS内不同储能设备储能进行合理分配，有利于保障各个储能设备在最佳工作状态下运行，进而提高整个氢基混合ESS的使用寿命。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中氢-电混合储能微电网能量调度方法的一个具体示例的流程图；
图2为本发明实施例中氢-电混合储能微电网能量调度系统的一个具体示例的原理框图；
图3为本发明实施例提供的计算机设备一个具体示例的组成图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例提供一种氢-电混合储能微电网能量调度方法，如图1所示，包括如下步骤：
步骤S1：根据微电网能量调度参数建立依次级联的日前市场控制模型、日内市场控制模型、偏差管理市场控制模型以及辅助服务市场控制模型，微电网能量调度参数，包括：电网成本信息、蓄电池成本信息、电解槽成本信息、燃料电池成本信息、超级电容器成本信息及氢成本信息。
本发明实施例中，整个电力市场的不同时间尺度使得需要一个整体的控制算法，来解决日前市场制定的长期计划(提前38h)，日内市场(也称盘中市场)的不同的会话(28-29h)，偏差管理市场(5h)和辅助服务市场(3h)。水平时间表也决定了使用最适当的ESS技术。每个ESS的成本和约束是基于每个ESS的寿命和负载循环退化问题决定的，以及相对于主网的偏差调度惩罚机制，因此考虑使用一个四级级联MPC(模型预测控制)控制器进行微电网能量调度，四级级联MPC控制器是上下级串联关系，上层控制器给下层控制器指令。四级级联控制器对应四个控制模型，包括：日前市场控制模型(Daily Market MPC)、日内市场控制模型(Intraday Market MPC)、偏差管理市场控制模型(Deviation Management MPC)以及辅助服务市场控制模型(Regulation Service MPC)，其中，日前市场控制模型负责在运行日前24小时，预测日前市场的电量出清价格和储能SOC(剩余容量)；日内市场控制模型负责在日内市场的运行期间内，每4个小时预测一次后4个小时的日内市场电量出清价格和储能SOC；偏差管理市场控制模型负责市场的实时运行，每5分钟根据市场的电量实时平衡情况，获得市场的现货交易价格；辅助服务市场控制模型负责电力而非电量市场的交易，涉及到以调频服务为主的市场交易，在日前或日内运行，获得参与辅助服务市场的交易与控制。
步骤S2：获取微电网剩余电量，根据微电网剩余电量计算日前市场控制模型的最小值，并根据此时日前市场控制模型的参数数据进行日前市场能量调度分配。
本发明实施例中，日前市场的目的是透过市场参与者提交的电力销量及购电标书，处理翌日的电力交易。这些卖方的投标将提交给市场经营者，并将包括在一个匹配流程中，该流程将影响到第二天相应的每日规划时间表。市场经营者匹配电力买卖报价(每天上午10点前收到)。将微电网剩余电量作为日前市场控制模型的输入参数，根据微电网剩余电量对日前市场控制模型的参数数据进行约束，得到日前市场能量调度分配。日前市场控制模型的输出为一天中每小时所有ESS的参考功率值。
步骤S3：根据日前市场控制模型在最小值时的微电网与主网交换的电量计算日内市场控制模型的最小值，并根据此时日内市场控制模型的参数数据进行日内市场能量调度分配。
本发明实施例中，日内市场的目的是通过市场参与者的电力销售和购买投标，来响应对最终可行的每日计划的调整。它被组织成不同的部分，市场参与者只能通过日前市场中几个小时进行参与。相似地，日前市场的输出被视为日内市场控制模型的输入，其他交易日的输入与前一交易日的输出相对应。
步骤S4：根据日内市场控制模型在最小值时的微电网与主网交换的电量计算偏差管理市场控制模型的最小值，并根据此时偏差管理市场控制模型的参数数据进行偏差管理市场能量调度分配。
本发明实施例中，代理商必须将生产偏差的预测传达给操作系统(OS)。如果这些偏差，再加上操作系统在两个盘中时段之间完成的风电产量预测的变化超过平均300MW/h，将导致管理市场的偏差。发电机的报价被要求在系统层面上提供相反的偏差，偏差管理的报酬是一个有竞争力的双价格体系，给予交付时间表更强的激励。
步骤S5：根据偏差管理市场控制模型在最小值时的微电网与主网交换的电量及微电网状态变量计算辅助服务市场控制模型的最小值，并根据此时辅助服务市场控制模型的参数数据进行辅助服务市场能量调度分配，微电网状态变量包括：蓄电池剩余电量、超级电容器剩余电量以及氢气剩余量。
本发明实施例中，调节服务有助于匹配发电和负荷，调整发电输出以保持所需的频率。市场有惩罚偏差成本以此利于市场参与者维持平衡。必须考虑以前的控制器每小时为每个ESS标记的参考水平的重要性。控制器每10分钟执行一次，进行以10分钟为单位的三个小时的离散预测，来跟踪前一个控制器设置的参考。有一个预留的可从1-N立方米调节的储氢段，预留的储氢段不被其他控制器使用，其目的是用于处理较坏的预测情况。
本发明提供的氢-电混合储能微电网能量调度方法及系统，提出一种集风力发电、光伏发电、超级电容器、蓄电池、燃料电池、电解槽为一体的并网微电网控制策略。通过为微电网能量调度设置多级控制器，构建微电网调度的多个控制模型，根据微电网剩余电量信息依次求取各个控制模型的最优解，该最优解对应最低的运行成本，并按照取得最优解时的模型参数数据进行能量调度分配，从而能够有效地对微电网与主网的能量交换进行优化，实现了氢-电混合储能微电网与主网的能量优化调度，降低了混合储能系统的整体成本，并且通过对氢基混合ESS内不同储能设备储能进行合理分配，有利于保障各个储能设备在最佳工作状态下运行，进而提高整个氢基混合ESS的使用寿命。
在一具体实施例中，日前市场控制模型为：
其中，JD为日前市场控制模型；hi为小时时刻值；Jgrid(hi)为时刻为hi时电网成本函数；Jbat(hi)为时刻为hi时蓄电池成本函数；Jelz(hi)为时刻为hi时电解槽的成本函数；Jfc(hi)为时刻为hi时燃料电池的成本函数；i为标识变量，取值为正整数。
本发明实施例中，在日前市场控制模型中，以1h为样本周期。由于超级电容器没有足够的能量密度来安排长期的控制期，因此在日前市场控制模型中不考虑超级电容器。
在日前市场控制模型中，电网成本信息由电网的成本函数体现，电网的成本函数由向电网出售能源的经济收益和从电网购买能源的经济成本给出，根据如下公式确定时刻为hi时电网成本函数Jgrid(hi)：
其中，
为时刻为hi时日前市场向电网出售能源的价格；
为时刻为hi时日前市场向电网购买能源的价格；Psale(hi)为时刻为hi时日前市场向电网出售能源的电量；Ppur(hi)为时刻为hi时日前市场向电网购买能源的电量；Ts为调度时段；s为标识变量，取值为正整数。
能源与电网的买卖由下列方程表示：
其中，Pα(tk)、Pβ(tk)以及Pγ(tk)表示价格，α表示销售，β表示购买，γ表示电网。
将上述式(1)与式(2)引入到日前市场控制模型，可以得到以下约束：
0≤δsale(tk)+δpur(tk)≤1；
Psale(tk)-Ppur(tk)＝Pgrid(tk)；
其中，δsale(tk)为销售状态，δpur(tk)为购买状态，Psale(tk)为销售价格，Ppur(tk)为购买价格，Pgrid(tk)电网用电价格，
为电网用电最低价格，
为电网用电最高价格。
蓄电池成本信息由蓄电池成本函数体现。蓄电池的寿命取决于蓄电池电流和一系列常数参数,蓄电池的寿命由蓄电池本身决定，蓄电池制造商根据充放电循环次数的函数来量化蓄电池的寿命。考虑到与蓄电池相关的退化问题，将蓄电池退化模拟为薄膜生长的函数，其增加了锂离子电池的内阻，由下式表示：
其中，
为薄膜生长函数；Ibat为蓄电池电流；κ是一个参数,取决于制造商的设计。
考虑到蓄电池的寿命这一事实，在与蓄电池有关的成本函数中引入了第二项，其中成本不仅取决于使用的周期，而且还量化了薄膜的生长，根据如下公式确定时刻为hi时蓄电池成本函数Jbat(hi)：
其中，CCbat为蓄电池购置成本；Cyclesbat为蓄电池充放电循环次数；Pbat,ch(hi)为时刻为hi时蓄电池充电功率；Pbat,dis(hi)为时刻为hi时蓄电池放电功率；ηbat,ch为蓄电池充电效率；ηdis,bat为蓄电池放电效率；costdegr,ch为蓄电池充电状态下的退化成本；costdegr,dis为蓄电池放电状态下的退化成本；Ts为调度时段；s为标识变量，取值为正整数。
蓄电池的充电和放电用式(1)和式(2)表示,更改下标α、β以及γ的值，其中，α表示充电，β表示放电，γ表示蓄电池。则会产生如下约束：
0≤δch,i(tk)+δdis,i(tk)≤1|i＝uc,bat；
Pch,i(tk)-Pdis,i(tk)＝Pi(tk)|i＝uc,bat；
其中，δch,i(tk)为设备充电状态，δdis,i(tk)为设备放电状态，Pch,i(tk)为设备充电功率，Pdis,i(tk)为设备放电功率，Pi(tk)为设备功率，Pi min为设备最小功率，Pi max为设备最大功率，i为设备类型，取值为uc表示超级电容器，取值为bat表示蓄电池。
电解槽成本信息由电解槽的成本函数体现，燃料电池成本信息由燃料电池的成本函数体现。对于电解质和燃料电池，制造商给出了这类系统的使用寿命小时数函数表示的寿命表达式。启动和关闭的循环和负载条件波动会严重影响这些设备。因此，根据如下公式确定时刻为hi时电解槽的成本函数Jelz(hi)：
其中，CCelz为电解槽购置成本；Hourselz为电解槽的使用寿命；Costo&m,elz为电解槽的运行维护成本；δelz(hi)为时刻为hi时电解槽的开关状态；Coststartup,elz为电解槽的启动成本；
为时刻为hi时电解槽的启动逻辑变量；Costshutdown,elz为电解槽的停止成本；
为时刻为hi时电解槽的关闭逻辑变量；Costdegr,elz为电解槽的退化成本；θelz(hi)为时刻为hi时电解槽的逻辑功率变化量。
根据如下公式确定时刻为hi时燃料电池的成本函数Jfc(hi)：
其中，CCfc为燃料电池购置成本；Hoursfc为燃料电池的使用寿命；Costo&m,fc为燃料电池的运行维护成本；δfc(hi)为时刻为hi时燃料电池的开关状态；Coststartup,fc为燃料电池的启动成本；
为时刻为hi时燃料电池的启动逻辑变量；Costshutdown,fc为燃料电池的停止成本；
为时刻为hi时燃料电池的关闭逻辑变量；Costdegr,fc为燃料电池的退化成本；θfc(hi)为时刻为hi时燃料电池的逻辑功率变化量。
在式(3)和式(4)中引入了一系列辅助逻辑变量，如启动on以及关闭off。电解槽和燃料电池的状态是由下式定义：
利用卡诺图规则，上述方程可以表示为逻辑关系，即有：
根据式(5)和式(6)，则引入如下约束：
其中，δi(tk)为设备开关状态，
为设备启动状态，
为设备关闭状态，tk为时刻值，k为标识变量；i为设备类型，取值为elz表示电解槽，取值为fc表示燃料电池。
电解槽和燃料电池的逻辑功率变化量θ由除设备开启或关闭的瞬间以外的所有瞬间的逻辑功率变化来定义：
θj(tk)＝Δz(tk)·(δj(tk)∨δj(tk-1))|j＝elz,fc；
其中，每个设备的逻辑电源z(tk)可定义为电源参考值与逻辑开/关状态的乘积，即是zj(tk)＝Pj(tk)·δj(tk)|j＝elz,fc，从而引入如下约束：
设置一个新的辅助变量χj(tk)，该辅助变量表示为功率变化的逻辑退化状态，其中，χj(tk)＝(δj(tk)∨δj(tk-1))，从而引入如下约束：
-δi(tk)+χi(tk)≤0|i＝elz,fc；
-δi(tk-1)+χi(tk)≤0|i＝elz,fc；
δi(tk)+δi(tk-1)-χi(tk)≤1|i＝elz,fc；
其中，
为设备的逻辑电源步长的最小值，
为设备的逻辑电源步长的最大值，Δzi为设备的逻辑电源步长；θi(tk)为设备的逻辑功率变化量。
通过引入约束条件：0≤δelz(tk)+δfc(tk)≤1，避免了燃料电池和电解槽同时工作。
日内市场控制模型为：
其中，JI为日内市场控制模型；SH为离散预测总时长；hi为小时时刻值；Jgrid(hi)为时刻为hi时电网成本函数；Jbat(hi)为时刻为hi时蓄电池成本函数；Jelz(hi)为时刻为hi时电解槽的成本函数；Jfc(hi)为时刻为hi时燃料电池的成本函数；i为标识变量，取值为正整数。
本发明实施例中，在日内市场控制模型中，以1h为样本周期。在日内市场控制模型中，电网成本信息由电网的成本函数体现，电网的成本函数由向电网出售能源的经济收益和从电网购买能源的经济成本给出，根据如下公式确定时刻为hi时电网成本函数Jgrid(hi)：
其中，
为时刻为hi时日前市场向电网出售能源的价格；
为时刻为hi时日前市场向电网购买能源的价格；
为时刻为hi时计划日前市场向电网出售能源的电量；
为时刻为hi时计划日前市场向电网购买能源的电量；
为时刻为hi时日内市场的售电价格；
为时刻为hi时日内市场的购电价格；
为时刻为hi时日内市场的售电量；
为时刻为hi时日内市场的购电量；δgrid(hi)为时刻为hi时日前市场微电网与主网能量交换的逻辑变量。
日内市场控制模型只有在日内市场与电网存在能量交换的瞬间才能参与，这样做是引入逻辑变量δgrid(tk)，δgrid(tk)通过如下公式表示：
其中，
为时刻为tk时计划微电网与主网的交换能量。
引入辅助变量zsale以及zpur，则可以得到如下关系式：
在日前市场控制模型中蓄电池成本信息、电解槽成本信息、燃料电池成本信息也适用于日内市场控制模型，这里不再赘述。
偏差管理市场控制模型为：
其中，JM为偏差管理市场控制模型；to为初始时刻值；SH为离散预测总时长；hi为小时时刻值；Jgrid(hi)为时刻为hi时电网成本函数；Jbat(hi)为时刻为hi时蓄电池成本函数；Jelz(hi)为时刻为hi时电解槽的成本函数；Jfc(hi)为时刻为hi时燃料电池的成本函数；i为标识变量，取值为正整数。
本发明实施例中，在偏差管理市场控制模型中，以1h为样本周期。在偏差管理市场控制模型中，电网成本信息由电网的成本函数体现，根据如下公式确定时刻为hi时电网成本函数Jgrid(hi)：
其中，
为时刻为hi时正偏差考核价格；
为时刻为hi时负偏差考核价格；zup(hi)为时刻为hi时正偏差；zdown(hi)为时刻为hi时负偏差；to为初始时刻值；SH为离散预测总时长。zj(hi)＝Pj(hi)·δj(hi)|j＝up,down，δj(hi)|j＝up,down仅当操作系统执行偏差管理市场的某些瞬间有效。
在日前市场控制模型中蓄电池成本信息、电解槽成本信息、燃料电池成本信息也用于偏差管理市场控制模型，这里不再赘述。
辅助服务市场控制模型为：
其中，JR为辅助服务市场控制模型；
为电网成本函数；
为超级电容器的成本函数；
为蓄电池的成本函数；
为氢成本函数；hi为小时时刻值；mj为分钟时刻值；i以及j为标识变量，取值均为正整数。
本发明实施例中，在辅助服务市场控制模型中，电网成本信息由电网的成本函数体现，根据如下公式确定时刻为tk时电网成本函数
其中，
为时刻为tk时正偏差惩罚；
为时刻为tk时负偏差惩罚；Pgrid(tk)为时刻为tk时实际微电网与主网交换的电量；
为时刻为tk时计划微电网与主网交换的电量；δup,reg(tk)为时刻为tk时正偏差逻辑变量；δdown,reg为时刻为tk时负偏差逻辑变量。
时刻tk实际上对应于时间函数(hi,mj)，也即辅助服务市场控制模型中的电网成本函数
等价于
δup,reg(tk)根据如下式子确定：
δdown,reg(tk)根据如下式子确定：
根据式(7)引入如下约束：
其中，Pgrid(hi,mj)为在时刻值(hi,mj)时实际微电网与主网交换的电量，
为在时刻值(hi)时计划微电网与主网交换的电量，
为实际微电网与主网交换的电量最大值，∈为引入的裕度值。
在辅助服务市场控制模型中，超级电容器成本信息由超级电容器成本函数体现，超级电容器成本函数包括使超级电容器始终处于可用状态，以平衡长期和短期之间的能量过剩或不足，使超级电容器保持在中间SOC状态(荷电状态)，根据如下公式确定超级电容器成本函数
其中，wuc为超级电容器能量控制误差所占权重；
为超级电容器SOC参考值；SH为离散预测总时长；SOCuc(hi,mj+10n)为超级电容器SOC值；hi为小时时刻值；mj+10n为分钟时刻值；n为标识变量，取值为1到SH的正整数；
蓄电池成本信息由蓄电池成本函数体现。蓄电池调节能力的功能成本是在短期MPC控制器中离散化6个10分钟周期内的短期水平预测(1小时)结束时的偏差。注意到此偏差仅在控制范围的末端发生，控制器还必须考虑与蓄电池退化有关的方面。根据如下公式确定蓄电池成本函数
其中，wbat为蓄电池能量控制误差所占权重；SOCbat(hi,mj+60n)为蓄电池SOC值；
为蓄电池SOC参考值；hi为小时时刻值；mj+10n以及mj+60n为分钟时刻值。
氢成本信息由氢成本函数体现，使用以氢为能量的ESS进行调节市场水平控制的功能成本，是从控制域的最后一刻开始，结合系统的退化和有用成本的代价，根据如下公式确定氢成本函数
其中，
为氢气剩余量控制误差所占权重；LOHMM为氢气剩余量参考值。
在一具体实施例中，根据微电网剩余电量计算日前市场控制模型的最小值，并根据此时日前市场控制模型的参数数据进行日前市场能量调度分配，包括：将微电网剩余电量作为日前市场控制模型的输入参数；调整日前市场控制模型中各个参数值使得日前市场控制模型取得最小值；将此时日前市场控制模型中对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率作为日前市场的能量调度分配方案。
本发明实施例中，采用IBM ILOG CPLEX等商用代码调用混合整数二次规划算法求取日前市场控制模型的最小值，将最小值对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率等作为日前市场控制模型的最优调度分配。
具体地，如果情形是能源过剩，系统将向电网出售能源；但是当微电网出现能源短缺时，系统将使用混合ESS。电解槽和燃料电池的使用小时数和开关状态以及蓄电池充放电的峰值功率都被最小化。蓄电池的SOC(荷电状态)也受到控制约束，以保护它们不受过充放电状态的影响。向电网购买能源是在价格较低时进行的，而向电网出售能源是在最高价格期进行的。燃料电池和电解槽的功率参考被设置为常数，使这些设备的变化最小，并以这种方式最小化电解槽和燃料电池的操作而引起的退化。
在一具体实施例中，根据日前市场控制模型在最小值时的微电网与主网交换的电量计算日内市场控制模型的最小值，并根据此时日内市场控制模型的参数数据进行日内市场能量调度分配，包括：将日前市场控制模型在最小值时的微电网与主网交换的电量作为日内市场控制模型的输入参数；调整日内市场控制模型中各个参数值使得日内市场控制模型取得最小值；将此时日内市场控制模型中对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率作为日内市场的能量调度分配方案。
本发明实施例中，将获取日前市场控制模型最小值时设置的微电网与主网交换的电量作为日内市场控制模型的输入参数，采用IBM ILOG CPLEX等商用代码调用混合整数二次规划算法求取日内市场控制模型的最小值，将最小值对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率等作为日内市场控制模型的最优调度分配；
具体地，当出现盈余情形和赤字情形时，将日前市场和日内市场的结果相加，得到与主电网的总能量交换。注意到在有盈余的情况下，日内市场的最高价格与日前市场的最高价格不同；因此，日内市场的最大售电在此时进行。根据新的预测数据与主电网的反馈，对存储的能量进行重新调度。注意，对于赤字情况，必须在日内市场上购买电能，以完成在日前市场上的计划。为了将损失降到最低，人们会在价格较低的夜间购买电力，以给蓄电池充电和储存氢气。在蓄电池的情况下，这些能量是为了在满足每天的市场时间表的要求下尽量减少购买电量。
在一具体实施例中，根据日内市场控制模型在最小值时的微电网与主网交换的电量计算偏差管理市场控制模型的最小值，并根据此时偏差管理市场控制模型的参数数据进行偏差管理市场能量调度分配，包括：将日内市场控制模型在最小值时的微电网与主网交换的电量作为偏差管理市场控制模型的输入参数；调整偏差管理市场控制模型中各个参数值使得偏差管理市场控制模型取得最小值；将此时偏差管理市场控制模型中对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率作为偏差管理市场的能量调度分配方案。
本发明实施例中，将获取日内市场控制模型最小值时设置的微电网与主网交换的电量作为偏差管理市场控制模型的输入参数，采用IBM ILOG CPLEX等商用代码调用混合整数二次规划算法求取偏差管理市场控制模型的最小值，将最小值对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率等作为偏差管理市场控制模型的最优调度分配；其中，偏差管理市场会在获取到的交易时段后的一个小时段内启动，计算得到存在偏差的时刻值，并在该时刻值计划出售给主电网的能量被电解槽转化为氢气。
在一具体实施例中，根据偏差管理市场控制模型在最小值时的微电网与主网交换的电量及微电网状态变量计算辅助服务市场控制模型的最小值，并根据此时辅助服务市场控制模型的参数数据进行辅助服务市场能量调度分配，包括：将偏差管理市场控制模型在最小值时的微电网与主网交换的电量、蓄电池剩余电量、超级电容器剩余电量以及氢气剩余量作为辅助服务市场控制模型的输入参数；调整服务市场控制模型中各个参数值使得服务市场控制模型取得最小值；将服务市场控制模型中对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率作为服务市场的能量调度分配方案。
本发明实施例中，将获取偏差管理市场控制模型的最小值时设置的微电网与主网交换的电量、蓄电池剩余电量、超级电容器剩余电量以及氢气剩余量作为辅助服务市场控制模型的输入参数，采用IBM ILOG CPLEX等商用代码调用混合整数二次规划算法求取辅助服务市场控制模型的最小值，将最小值对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率等作为辅助服务市场控制模型的最优调度分配；为电解槽的所有工作时间提供了一个恒定的参考，使退化效果最小。主电网的下调被最小化，而上调被最大化并在2小时内保持恒定。蓄电池的峰值电流充电也被最小化，为这种ESS提供了平滑的电流轮廓。超级电容器ESS维持在参考SOC之上，并跟踪蓄电池和氢的存储能量水平。
在一具体实施例中，根据如下公式确定微电网剩余电量：
Prem(tk)＝Ppv(tk)+Pwt(tk)-Pload(tk)
其中，Prem(tk)为时刻为tk时剩余的电量；Ppv(tk)为时刻为tk时光伏阵列的发电量；Pwt(tk)为时刻为tk时风力涡轮发电机的发电量；Pload(tk)为时刻为tk时负载消耗的电量；tk为第k个时刻；k为正整数。
计算微电网剩余电量时，对应的约束条件为：
其中，Ppv(tk)为时刻为tk时光伏阵列的发电量；Pwt(tk)为时刻为tk时风力涡轮发电机的发电量；Pload(tk)为时刻为tk时负载消耗的电量；Pgrid(tk)为时刻为tk时微电网与主网交换的电量；zelz(tk)为时刻为tk时电解槽的逻辑电源；zfc(tk)为时刻为tk时燃料电池的逻辑电源；Pbat(tk)为时刻为tk时蓄电池功率；Puc(tk)为时刻为tk时超级电容器功率；Pi min为设备最小功率；Pi max为设备最大功率；Pi(tk)为时刻为tk时设备功率；i为设备类型，取值为grid表示电网，取值为elz表示电解槽，取值为fc表示燃料电池，取值为bat表示蓄电池，取值为uc表示超级电容器。
本发明实施例中，微电网剩余电量预测与电价预测基于人工神经网络(ANN)，采用时间序列方法，使用自回归求和移动平均模式进行预测。通过输入气象变量(太阳能辐照度G,环境温度T,大气压力P,相对湿度H,风速V以及风向W)，预测风力发电,太阳能发电和负载消耗。ANN是一个三层模型(输入层、隐藏层和输出层)。其中，输入层神经元是最后一小时的轮廓，研究的第一步是确定每个神经元在前两周预测的同一时间内最相似的轮廓。第二步是比较对于同一天，在一个月接下来的每一天和过去两年里的同一瞬间对于每个变量最相似的轮廓。对于选择的数据，隐藏层简单地选择那些最大错误值为15％的概要文件，利用这些选定的数据，获取每个神经元所需预测层的辐照度、温度和风速。最后，对选择的隐藏层神经元进行预测取平均值。输出层预测得到的是近年变量和温度较其他神经元加权的平均值。如果神经元的分布与当前的分布不相似，且误差小于15％，则采用最相似的温度进行预测。该模型的输出给出了用于水平预测的辐照度、温度和风速的预测。利用这些数据，可以很容易地预测光伏阵列发电量Ppv和风力涡轮发电机的发电量Pwt。通过使用四种不同的轮廓对上个月的统计平均值进行价格预测和负载轮廓对比。第一个轮廓对应工作日，第二个轮廓对应的是周五午后，第三个轮廓是星期六，第四个轮廓是星期天。通过上述微电网剩余电量表达式，当得到负载消耗Pload(tk)时，就能进行价格预测。
本发明实施例中，微电网状态变量包括蓄电池剩余电量、超级电容器剩余电量以及氢气剩余量。
根据如下公式确定蓄电池剩余电量以及超级电容器剩余电量：
其中，α为设备类型，取值为bat表示蓄电池，取值为uc表示超级电容器；SOCα(tk+1)为时刻为tk+1时设备剩余电量；SOCα(tk)为时刻为tk时设备剩余电量；tk+1为第k+1个时刻；ηch,α为场景α下设备充电效率；ηdis,α为场景α下设备放电效率；Pch,α(tk)为场景α下时刻为tk时装置的充电功率；Pdis,α(tk)为场景α下时刻为tk时装置的放电功率；Ts为调度时段；s为标识变量，取值为正整数；Cα为设备额定容量；
计算剩余电量SOCα(tk+1)时，对应的约束条件为：
其中，
为允许的最小储电量；
为允许的最大储电量；SOCi(tk)为时刻为tk时设备剩余电量；i为设备类型，取值为bat表示蓄电池，取值为uc表示超级电容器；
根据如下公式确定氢气剩余量：
其中，LOH(tk+1)为时刻为tk+1时氢气剩余量；LOH(tk)为时刻为tk时氢气剩余量；Pelz(tk)为时刻为tk时电解槽的功率；Pfc(tk)为时刻为tk时燃料电池的功率；δelz(tk)为时刻为tk时电解槽的开关状态；δfc(tk)为时刻为tk时燃料电池的开关状态；
为电解槽的效率；
为燃料电池的效率；Ts为调度时段；s为标识变量，取值为正整数；
计算氢气剩余量LOH(tk+1)时，对应的约束条件为：
其中，LOHmin为允许的最小氢气剩余量；LOHmax为允许的最大氢气剩余量；δi(tk)为时刻为tk时设备的开关状态；i为设备类型，取值为elz表示电解槽，取值为fc表示燃料电池。
本发明提供的氢-电混合储能微电网能量调度方法，提出一种集风力发电、光伏发电、超级电容器、蓄电池、燃料电池、电解槽为一体的并网微电网控制策略。通过为微电网能量调度设置多级控制器，构建微电网调度的多个控制模型，利用混合整数二次规划算法对多个控制模型进行顺序求解，从而得到每个控制器模型的最优解，能够有效地对微电网与主网的能量交换进行优化，实现了氢-电混合储能微电网与主网能量优化调度，提高了氢基混合ESS的使用寿命，降低了混合储能系统成本。
本发明实施例还提供了一种氢-电混合储能微电网能量调度系统，如图2所示，包括：
建模模块1，用于根据微电网能量调度参数建立依次级联的日前市场控制模型、日内市场控制模型、偏差管理市场控制模型以及辅助服务市场控制模型，微电网能量调度参数，包括：电网成本信息、蓄电池成本信息、电解槽成本信息、燃料电池成本信息、超级电容器成本信息及氢成本信息。详细内容参见上述方法实施例中步骤S1的相关描述，在此不再赘述。
日前市场能量调度分配模块2，用于获取微电网剩余电量，根据微电网剩余电量计算日前市场控制模型的最小值，并根据此时日前市场控制模型的参数数据进行日前市场能量调度分配。详细内容参见上述方法实施例中步骤S2的相关描述，在此不再赘述。
日内市场能量调度分配模块3，用于根据所述日前市场控制模型在最小值时的微电网与主网交换的电量计算所述日内市场控制模型的最小值，并根据此时所述日内市场控制模型的参数数据进行日内市场能量调度分配。详细内容参见上述方法实施例中步骤S3的相关描述，在此不再赘述。
偏差管理市场能量调度分配模块4，用于根据所述日内市场控制模型在最小值时的微电网与主网交换的电量计算所述偏差管理市场控制模型的最小值，并根据此时所述偏差管理市场控制模型的参数数据进行偏差管理市场能量调度分配。详细内容参见上述方法实施例中步骤S4的相关描述，在此不再赘述。
辅助服务市场能量调度分配模块5，用于根据偏差管理市场控制模型在最小值时的微电网与主网交换的电量及微电网状态变量计算辅助服务市场控制模型的最小值，并根据此时辅助服务市场控制模型的参数数据进行辅助服务市场能量调度分配，微电网状态变量包括：蓄电池剩余电量、超级电容器剩余电量以及氢气剩余量。详细内容参见上述方法实施例中步骤S5的相关描述，在此不再赘述。
本发明提供的氢-电混合储能微电网能量调度系统，利用建模模块、日前市场能量调度分配模块、日内市场能量调度分配模块、偏差管理市场能量调度分配模块及辅助服务市场能量调度分配模块构建一种氢-电混合储能微电网能量调度系统，该系统通过为微电网能量调度设置多级控制器，构建微电网调度的多个控制模型，根据微电网剩余电量信息依次求取各个控制模型的最优解，该最优解对应最低的运行成本，并按照取得最优解时的模型参数数据进行能量调度分配，从而能够有效地对微电网与主网的能量交换进行优化，实现了氢-电混合储能微电网与主网的能量优化调度，降低了混合储能系统的整体成本，并且通过对氢基混合ESS内不同储能设备储能进行合理分配，有利于保障各个储能设备在最佳工作状态下运行，进而提高整个氢基混合ESS的使用寿命。
本发明实施例还提供了一种计算机设备，如图3所示，该设备可以包括处理器71和存储器72，其中处理器71和存储器72可以通过总线或者其他方式连接，图3以通过总线连接为例。
处理器71可以为中央处理器(Central Processing Unit，CPU)。处理器71还可以为其他通用处理器、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、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器72作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的对应的程序指令/模块。处理器71通过运行存储在存储器72中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的氢-电混合储能微电网能量调度方法。
存储器72可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器71所创建的数据等。此外，存储器72可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器72可选包括相对于处理器71远程设置的存储器，这些远程存储器可以通过网络连接至处理器71。上述网络的实例包括但不限于互联网、企业内部网、企业内网、移动通信网及其组合。
一个或者多个模块存储在存储器72中，当被处理器71执行时，执行如图1所示实施例中的氢-电混合储能微电网能量调度方法。
上述计算机设备具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (9)
1.一种氢-电混合储能微电网能量调度方法，其特征在于，包括：
根据微电网能量调度参数建立依次级联的日前市场控制模型、日内市场控制模型、偏差管理市场控制模型以及辅助服务市场控制模型，所述微电网能量调度参数，包括：电网成本信息、蓄电池成本信息、电解槽成本信息、燃料电池成本信息、超级电容器成本信息及氢成本信息；
获取微电网剩余电量，根据所述微电网剩余电量计算所述日前市场控制模型的最小值，并根据此时所述日前市场控制模型的参数数据进行日前市场能量调度分配；
根据所述日前市场控制模型在最小值时的微电网与主网交换的电量计算所述日内市场控制模型的最小值，并根据此时所述日内市场控制模型的参数数据进行日内市场能量调度分配；
根据所述日内市场控制模型在最小值时的微电网与主网交换的电量计算所述偏差管理市场控制模型的最小值，并根据此时所述偏差管理市场控制模型的参数数据进行偏差管理市场能量调度分配；
根据所述偏差管理市场控制模型在最小值时的微电网与主网交换的电量及微电网状态变量计算所述辅助服务市场控制模型的最小值，并根据此时所述辅助服务市场控制模型的参数数据进行辅助服务市场能量调度分配，所述微电网状态变量包括：蓄电池剩余电量、超级电容器剩余电量以及氢气剩余量；
所述日前市场控制模型为：
其中，JD为日前市场控制模型；hi为小时时刻值；Jgrid(hi)为时刻为hi时电网成本函数；Jbat(hi)为时刻为hi时蓄电池成本函数；Jelz(hi)为时刻为hi时电解槽的成本函数；Jfc(hi)为时刻为hi时燃料电池的成本函数；i为标识变量，取值为正整数；
所述日内市场控制模型为：
其中，JI为日内市场控制模型；SH为离散预测总时长；hi为小时时刻值；Jgrid(hi)为时刻为hi时电网成本函数；Jbat(hi)为时刻为hi时蓄电池成本函数；Jelz(hi)为时刻为hi时电解槽的成本函数；Jfc(hi)为时刻为hi时燃料电池的成本函数；i为标识变量，取值为正整数；
所述偏差管理市场控制模型为：
其中，JM为偏差管理市场控制模型；to为初始时刻值；SH为离散预测总时长；hi为小时时刻值；Jgrid(hi)为时刻为hi时电网成本函数；Jbat(hi)为时刻为hi时蓄电池成本函数；Jelz(hi)为时刻为hi时电解槽的成本函数；Jfc(hi)为时刻为hi时燃料电池的成本函数；i为标识变量，取值为正整数；
所述辅助服务市场控制模型为：
其中，JR为辅助服务市场控制模型；
为电网成本函数；
为超级电容器的成本函数；
为蓄电池的成本函数；
为氢成本函数；hi为小时时刻值；mj为分钟时刻值；i以及j为标识变量，取值均为正整数。
2.根据权利要求1所述的氢-电混合储能微电网能量调度方法，其特征在于，所述根据所述微电网剩余电量计算所述日前市场控制模型的最小值，并根据此时所述日前市场控制模型的参数数据进行日前市场能量调度分配，包括：
将所述微电网剩余电量作为所述日前市场控制模型的输入参数；
调整所述日前市场控制模型中各个参数值使得所述日前市场控制模型取得最小值；
将此时所述日前市场控制模型中对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率作为日前市场的能量调度分配方案。
3.根据权利要求1所述的氢-电混合储能微电网能量调度方法，其特征在于，所述根据所述日前市场控制模型在最小值时的微电网与主网交换的电量计算所述日内市场控制模型的最小值，并根据此时所述日内市场控制模型的参数数据进行日内市场能量调度分配，包括：
将所述日前市场控制模型在最小值时的微电网与主网交换的电量作为所述日内市场控制模型的输入参数；
调整所述日内市场控制模型中各个参数值使得日内市场控制模型取得最小值；
将此时所述日内市场控制模型中对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率作为日内市场的能量调度分配方案。
4.根据权利要求1所述的氢-电混合储能微电网能量调度方法，其特征在于，所述根据所述日内市场控制模型在最小值时的微电网与主网交换的电量计算所述偏差管理市场控制模型的最小值，并根据此时所述偏差管理市场控制模型的参数数据进行偏差管理市场能量调度分配，包括：
将所述日内市场控制模型在最小值时的微电网与主网交换的电量作为所述偏差管理市场控制模型的输入参数；
调整所述偏差管理市场控制模型中各个参数值使得偏差管理市场控制模型取得最小值；
将此时所述偏差管理市场控制模型中对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率作为偏差管理市场的能量调度分配方案。
5.根据权利要求1所述的氢-电混合储能微电网能量调度方法，其特征在于，所述根据所述偏差管理市场控制模型在最小值时的微电网与主网交换的电量及所述微电网状态变量计算所述辅助服务市场控制模型的最小值，并根据此时所述辅助服务市场控制模型的参数数据进行辅助服务市场能量调度分配，包括：
将所述偏差管理市场控制模型在最小值时的微电网与主网交换的电量、蓄电池剩余电量、超级电容器剩余电量以及氢气剩余量作为所述辅助服务市场控制模型的输入参数；
调整所述服务市场控制模型中各个参数值使得服务市场控制模型取得最小值；
将所述服务市场控制模型中对应的微电网与主网交换的电量、蓄电池功率、电解槽功率以及燃料电池功率作为服务市场的能量调度分配方案。
6.根据权利要求1所述的氢-电混合储能微电网能量调度方法，其特征在于，根据如下公式确定微电网剩余电量：
Prem(tk)＝Ppv(tk)+Pwt(tk)-Pload(tk)
其中，Prem(tk)为时刻为tk时剩余的电量；Ppv(tk)为时刻为tk时光伏阵列的发电量；Pwt(tk)为时刻为tk时风力涡轮发电机的发电量；Pload(tk)为时刻为tk时负载消耗的电量；tk为第k个时刻；k为正整数；
计算微电网剩余电量时，对应的约束条件为：
其中，Ppv(tk)为时刻为tk时光伏阵列的发电量；Pwt(tk)为时刻为tk时风力涡轮发电机的发电量；Pload(tk)为时刻为tk时负载消耗的电量；Pgrid(tk)为时刻为tk时微电网与主网交换的电量；zelz(tk)为时刻为tk时电解槽的逻辑电源；zfc(tk)为时刻为tk时燃料电池的逻辑电源；Pbat(tk)为时刻为tk时蓄电池功率；Puc(tk)为时刻为tk时超级电容器功率；Pi min为设备最小功率；Pi max为设备最大功率；Pi(tk)为时刻为tk时设备功率；i为设备类型，取值为grid表示电网，取值为elz表示电解槽，取值为fc表示燃料电池，取值为bat表示蓄电池，取值为uc表示超级电容器；
根据如下公式确定蓄电池剩余电量以及超级电容器剩余电量：
其中，α为设备类型，取值为bat表示蓄电池，取值为uc表示超级电容器；SOCα(tk+1)为时刻为tk+1时设备剩余电量；SOCα(tk)为时刻为tk时设备剩余电量；tk+1为第k+1个时刻；ηch，α为场景α下设备充电效率；ηdis，α为场景α下设备放电效率；Pch，α(tk)为场景α下时刻为tk时装置的充电功率；Pdis，α(tk)为场景α下时刻为tk时装置的放电功率；Ts为调度时段；s为标识变量，取值为正整数；Cα为设备额定容量；
计算剩余电量SOCα(tk+1)时，对应的约束条件为：
其中，
为允许的最小储电量；
为允许的最大储电量；SOCi(tk)为时刻为tk时设备剩余电量；i为设备类型，取值为bat表示蓄电池，取值为uc表示超级电容器；
根据如下公式确定氢气剩余量：
其中，LOH(tk+1)为时刻为tk+1时氢气剩余量；LOH(tk)为时刻为tk时氢气剩余量；Pelz(tk)为时刻为tk时电解槽的功率；Pfc(tk)为时刻为tk时燃料电池的功率；δelz(tk)为时刻为tk时电解槽的开关状态；δfc(tk)为时刻为tk时燃料电池的开关状态；
为电解槽的效率；
为燃料电池的效率；Ts为调度时段；s为标识变量，取值为正整数；
计算氢气剩余量LOH(tk+1)时，对应的约束条件为：
其中，LOHmin为允许的最小氢气剩余量；LOHmax为允许的最大氢气剩余量；δi(tk)为时刻为tk时设备的开关状态；i为设备类型，取值为elz表示电解槽，取值为fc表示燃料电池。
7.一种氢-电混合储能微电网能量调度系统，其特征在于，包括：
建模模块，用于根据微电网能量调度参数建立依次级联的日前市场控制模型、日内市场控制模型、偏差管理市场控制模型以及辅助服务市场控制模型，所述微电网能量调度参数，包括：电网成本信息、蓄电池成本信息、电解槽成本信息、燃料电池成本信息、超级电容器成本信息及氢成本信息；
日前市场能量调度分配模块，用于获取微电网剩余电量，根据所述微电网剩余电量计算所述日前市场控制模型的最小值，并根据此时所述日前市场控制模型的参数数据进行日前市场能量调度分配；
日内市场能量调度分配模块，用于根据所述日前市场控制模型在最小值时的微电网与主网交换的电量计算所述日内市场控制模型的最小值，并根据此时所述日内市场控制模型的参数数据进行日内市场能量调度分配；
偏差管理市场能量调度分配模块，用于根据所述日内市场控制模型在最小值时的微电网与主网交换的电量计算所述偏差管理市场控制模型的最小值，并根据此时所述偏差管理市场控制模型的参数数据进行偏差管理市场能量调度分配；
辅助服务市场能量调度分配模块，用于根据所述偏差管理市场控制模型在最小值时的微电网与主网交换的电量及微电网状态变量计算所述辅助服务市场控制模型的最小值，并根据此时所述辅助服务市场控制模型的参数数据进行辅助服务市场能量调度分配，所述微电网状态变量包括：蓄电池剩余电量、超级电容器剩余电量以及氢气剩余量；
所述日前市场控制模型为：
其中，JD为日前市场控制模型；hi为小时时刻值；Jgrid(hi)为时刻为hi时电网成本函数；Jbat(hi)为时刻为hi时蓄电池成本函数；Jelz(hi)为时刻为hi时电解槽的成本函数；Jfc(hi)为时刻为hi时燃料电池的成本函数；i为标识变量，取值为正整数；
所述日内市场控制模型为：
其中，JI为日内市场控制模型；SH为离散预测总时长；hi为小时时刻值；Jgrid(hi)为时刻为hi时电网成本函数；Jbat(hi)为时刻为hi时蓄电池成本函数；Jelz(hi)为时刻为hi时电解槽的成本函数；Jfc(hi)为时刻为hi时燃料电池的成本函数；i为标识变量，取值为正整数；
所述偏差管理市场控制模型为：
其中，JM为偏差管理市场控制模型；to为初始时刻值；SH为离散预测总时长；hi为小时时刻值；Jgrid(hi)为时刻为hi时电网成本函数；Jbat(hi)为时刻为hi时蓄电池成本函数；Jelz(hi)为时刻为hi时电解槽的成本函数；Jfc(hi)为时刻为hi时燃料电池的成本函数；i为标识变量，取值为正整数；
所述辅助服务市场控制模型为：
其中，JR为辅助服务市场控制模型；
为电网成本函数；
为超级电容器的成本函数；
为蓄电池的成本函数；
为氢成本函数；hi为小时时刻值；mj为分钟时刻值；i以及j为标识变量，取值均为正整数。
8.一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指令，所述计算机指令用于使所述计算机执行如权利要求1-6任一项所述的氢-电混合储能微电网能量调度方法。
9.一种计算机设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1-6任一项所述的氢-电混合储能微电网能量调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010397148.9A CN111478325B (zh) | 2020-05-12 | 2020-05-12 | 一种氢-电混合储能微电网能量调度方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010397148.9A CN111478325B (zh) | 2020-05-12 | 2020-05-12 | 一种氢-电混合储能微电网能量调度方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111478325A CN111478325A (zh) | 2020-07-31 |
| CN111478325B true CN111478325B (zh) | 2022-02-08 |
Family
ID=71764503
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010397148.9A Active CN111478325B (zh) | 2020-05-12 | 2020-05-12 | 一种氢-电混合储能微电网能量调度方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111478325B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113595135B (zh) * | 2021-07-12 | 2023-05-12 | 西南交通大学 | 一种并弱电网型电氢耦合直流微电网双层同步控制方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108539739A (zh) * | 2018-05-10 | 2018-09-14 | 安徽理工大学 | 微电网运行能量管理优化方法 |
| CN109149567A (zh) * | 2018-09-10 | 2019-01-04 | 华南理工大学 | 含混合储能的独立型微电网的多时间尺度协调控制方法 |
| CN109376970A (zh) * | 2018-12-21 | 2019-02-22 | 青岛理工大学 | 适用于能源互联网的动态实时电价机制形成方法及系统 |
| CN110555757A (zh) * | 2019-09-09 | 2019-12-10 | 国家电网公司西北分部 | 一种适用于高比例新能源参与的电量库现货交易方法 |
-
2020
- 2020-05-12 CN CN202010397148.9A patent/CN111478325B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108539739A (zh) * | 2018-05-10 | 2018-09-14 | 安徽理工大学 | 微电网运行能量管理优化方法 |
| CN109149567A (zh) * | 2018-09-10 | 2019-01-04 | 华南理工大学 | 含混合储能的独立型微电网的多时间尺度协调控制方法 |
| CN109376970A (zh) * | 2018-12-21 | 2019-02-22 | 青岛理工大学 | 适用于能源互联网的动态实时电价机制形成方法及系统 |
| CN110555757A (zh) * | 2019-09-09 | 2019-12-10 | 国家电网公司西北分部 | 一种适用于高比例新能源参与的电量库现货交易方法 |
Non-Patent Citations (3)
| Title |
|---|
| Rolling Optimization of Wind Farm and Energy;Huajie Ding等;《IEEE TRANSACTIONS ON POWER SYSTEMS》;第2676-2684页;20150930;第2676-2684页 * |
| 深冷液化空气储能技术及其在电网中的应用分析;徐桂芝等;《全球能源互联网 》;第330-337页;20180725;第330-337页 * |
| 能源互联网背景下储能应用的研究现状与展望;胡泽春等;《电力建设》;20160801;第8-17页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111478325A (zh) | 2020-07-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Optimal whole-life-cycle planning of battery energy storage for multi-functional services in power systems | |
| Wang et al. | Interactive dispatch modes and bidding strategy of multiple virtual power plants based on demand response and game theory | |
| Athari et al. | Operational performance of energy storage as function of electricity prices for on-grid hybrid renewable energy system by optimized fuzzy logic controller | |
| Garcia-Torres et al. | Optimal economical schedule of hydrogen-based microgrids with hybrid storage using model predictive control | |
| CN107565607B (zh) | 一种基于实时电价机制的微电网多时间尺度能量调度方法 | |
| CN111934360B (zh) | 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法 | |
| AU2019407201B2 (en) | Method for operating an energy management system, electronic computing device for carrying out the method, computer program, and data carrier | |
| Tomin et al. | Deep reinforcement learning for energy microgrids management considering flexible energy sources | |
| CN112508325B (zh) | 一种家庭微电网多时间尺度电能调度方法 | |
| CN111311012A (zh) | 基于多智能体的微电网电力市场双层竞价优化方法 | |
| CN115995850B (zh) | 一种虚拟电厂群的协同调度优化方法和装置 | |
| CN112529271B (zh) | 一种可控负荷集群提供电网备用辅助服务的优化调度方法 | |
| CN112529249A (zh) | 一种计及绿证交易的虚拟电厂优化调度及交易管理方法 | |
| Lee et al. | Optimal operation strategy for community-based prosumers through cooperative P2P trading | |
| Harrold et al. | Battery control in a smart energy network using double dueling deep q-networks | |
| CN111478325B (zh) | 一种氢-电混合储能微电网能量调度方法及系统 | |
| Burgio et al. | Economic evaluation in using storage to reduce imbalance costs of renewable sources power plants | |
| CN117114877A (zh) | 一种基于虚拟电厂的中长期电力交易方法及系统 | |
| CN112003268A (zh) | 基于模型预测控制的智能建筑群电能优化共享系统和方法 | |
| CN116720690A (zh) | 多虚拟电厂电-碳联合优化运行方法、设备及存储介质 | |
| CN116191505A (zh) | 一种低压台区源荷储充全局动态互动的调节方法及装置 | |
| CN115441516A (zh) | 基于剩余需求曲线的光储系统运行方法及装置 | |
| CN113629781A (zh) | 一种基于empc的多vpp日前日内协调优化方法及装置 | |
| Mukhopadhyay et al. | Comprehensive multi-benefit planning of sustainable interconnected microgrids | |
| CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |