CN111555368B - 一种综合能源系统的深度生成式对抗网络调度与控制方法 - Google Patents
一种综合能源系统的深度生成式对抗网络调度与控制方法 Download PDFInfo
- Publication number
- CN111555368B CN111555368B CN202010414841.2A CN202010414841A CN111555368B CN 111555368 B CN111555368 B CN 111555368B CN 202010414841 A CN202010414841 A CN 202010414841A CN 111555368 B CN111555368 B CN 111555368B
- Authority
- CN
- China
- Prior art keywords
- energy system
- scheduling
- energy
- generation type
- data
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/10—The network having a local or delimited stationary reach
- H02J2310/18—The network being internal to a power source or plant
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
一种综合能源系统的深度生成式对抗网络调度与控制方法,该方法能解决目前综合能源系统以“电力系统+天然气系统+热力系统”多时间尺度形式的调度与控制方法中难以协调导致系统不稳定的问题。本发明提出结合调度与控制“一体化”的调度控制框架,利用深度生成式对抗网络对系统进行学习,并满足电力系统、天然气系统和热力系统的各种约束条件。本发明提出的方法根据综合能源系统特性和用户用能特点,实时监控能源系统运行数据,在满足供需平衡的基础上,合理分配能源,实现综合能源系统的最优控制,动态维持各能源与用户之间的经济利益最大化,保持频率和电压稳定,本发明方法能替代传统多时间尺度形式的调度与控制算法。
Description
技术领域
本发明属于综合能源系统调度与控制领域,涉及一种替代传统多时间尺度的调度与控制方法,动态维持电力系统电压与频率稳定,寻找最优调度与控制策略,适用于综合能源系统的调度与控制。
背景技术
随着传统化石能源的枯竭,单一能源的能源生产供应方式越为紧张,能源结构的多元化已成大势所趋。综合能源系统整合了电力网络、天然气网络和热力网络等多种类型的能源网络,不仅减少传统化石能源的消耗,且优化了能源结构。综合能源系统对电力、天然气和热力等多种形式能源进行多级利用、通过多能互补以提高能源利用率。但是,大规模分布式能源并网对电力系统的频率和电压稳定造成影响,进而影响整合综合能源系统的稳定,传统的控制方法难以满足日益复杂的综合能源系统。
综合能源系统调度过程,与电力系统中经济调度、最优潮流和机组组合问题类似,但是综合能源系统调度问题还需考虑多种能源种类、约束条件和更为复杂的目标函数。传统的由调度人员按照工作经验进行调度的方法具有较大的误差,已难以满足实际工程的需求。在综合能源系统的调度过程中,不但需考虑各类能源的综合利用效率,且需考虑系统的稳定性、经济性环保性等问题。传统求解多目标问题的方法,主要为加权法,这种方法难以平衡能源之间的关系,易造成能源分布不均和能源浪费。
综合能源的调度与控制一般用数学方法或优化算法解决,得到的是最优解或局部最优解,但是综合能源系统需平衡各种形式能源的利用率,且需满足经济性和环保性等问题。单一的最优解或局部最优解无法满足综合能源系统的需求,这时便需要均衡解,合理分配能源。
生成式对抗网络由一组对抗性的神经网络构成,即生成器和判别器。生成器试图生成可被判别器误认为的真实样本的生成样本。生成式对抗网络采用对抗的方式,通过判别器学习差异,再引导生成器去缩小这种差异。生成式对抗网络训练的本质是寻找零和博弈的一个纳什均衡解。
生成式对抗网络无需马尔科夫链,只通过反向传播训练,且采用无监督的学习方式训练,大大减少了人力物力,在一定程度上推进了各类监督学习和无监督学习的发展。但是,生成式对抗网络训练过程不稳定,易导致“模型坍塌”。为提高生成式对抗网络的收敛速度,提高训练的稳定性,本发明提出深度生成式对抗网络,从而使生成式对抗网络能较快收敛。
针对大规模分布式能源接入电网,使得电网随机性增强,频率与电压出现波动,进而影响整个综合能源系统的稳定性,传统控制方式并不能满足用户用能要求的问题。为保证各能源与电力系统兼容,本发明以电力系统为核心,提出基于深度生成式对抗网络的调度与控制方法。提升各种形式能源的利用率,合理分配能源,保证综合能源系统内多元化用能需求,且满足稳定性、经济性和环保性等问题,探索综合能源系统最优控制策略。
发明内容
本发明提出一种综合能源系统的深度生成式对抗网络调度与控制方法。该方法与传统综合能源的调度与控制方法不同。所提方法是同时考虑提升各种形式能源的利用率,合理分配能源,保证系统内多元化用能需求,且满足稳定性、经济性和环保性等问题的算法。
综合能源的调度与经济调度类似,在各种能源需求及各种能源网络的拓扑结构下,通过调节可控变量,以达到综合能源系统运行的最优状态。综合能源系统运行调度需要考虑经济性和环保性。经济性最优准则以综合能源系统的调度成本为目标函数,经济目标为使综合能源系统总成本最小,如下式所示:
式中,ΩG为电厂集合,Ωg为气源集合;PG为机组出力;Pg为气源出力,αj、βj和γj为机组成本系数,λg为气源成本系数。
环保性主要以综合能源系统污染物排放量为目标函数,主要考虑二氧化碳、粉尘、二氧化硫和氮氧化物等污染物的排放量,环保性的目标函数如下式所示:
式中,C为单位用电量污染物排放量之和,Pt TL为联络线功率。
由式(1)和式(2)可知,Fe和Fc是综合能源系统调度的优化目标和评价指标。
综合能源系统调度约束条件主要包括设备出力约束、节点电压约束与气源功率约束等,如下式所示:
生成式对抗网络由生成器和判别器两个相互竞争的神经网络组成。G(z)的目的是生成可被判别器误认为真实样本的数据。D(z)的目的是判断生成样本是否为真实样本。GAN的训练实质是寻找零和博弈的一个纳什均衡解,从而生成器生成以假乱真的数据,其损失函数如下所示:
式中,x为样本数据,生成数据为G(z)。
此时,GAN的训练可看作是一个min-max的优化过程:
式中,x采样于真实数据分布Pdata(x);z采样与先验分布PG;E(·)表示计算期望值。
判别器D的参数可采用随机梯度下降方式更新:
式中,m为取出小批次样本的个数,即真实数据样本的数目。
生成器G的参数更新方式为:
附图说明
图1是本发明方法的综合能源系统示意图。
图2是本发明方法的深度生成式对抗网络博弈算法结构图。
图3是本发明方法的统一时间尺度的调度与控制框架示意图。
具体实施方式
本发明提出的一种综合能源系统的深度生成式对抗网络调度与控制方法,结合附图详细说明如下:
图1是本发明方法的综合能源系统示意图。综合能源系统由电力网络、天然气网络和热力网络等多种复杂网络形成。在图1中,综合能源系统由电厂、天然气和热力等能源的源头出发,经过电力网络、天然气网络和热力网络传输到电锅炉、热电联产和燃气锅炉等转化装置,最后转变为用户需要的能源并通过电力系统、天然气系统和热力系统传给用户,若有剩余,则通过储电装置、储气装置和储热装置储存起来,同时可削峰填谷。综合能源系统具有以下特点:
1、当某种能源发生故障时,可利用综合能源系统的其他能源继续运行,提升了能源利用效率,增强综合能源的灵活性;
2、随着传统化石能源的枯竭,综合能源系统的可再生能源代替传统化石能源,减少了碳排放量,保证了环保性;
3、多种能源与电力系统高度融合,它们之间协调控制,可提高综合能源系统的稳定性和安全性。
图2是本发明方法的深度生成式对抗网络博弈算法结构图。生成式对抗网络通过构造一个min-max对抗博弈系统自动产生大量的仿真数据,并采用随机梯度下降的方式进行优化,可解决复杂真实样本大小的问题。为提高收敛速度,本发明提出深度生成式对抗网络,在传统卷积神经网络的基础上构建多层隐含层的生成器和判别器。且深度神经网络由于层数的增多,可获得较多的特征信息,从而提高训练速度。生成样本由随机噪声Z通过生成器生成,通过判别器D来判断输入样本是否为真实数据。一开始,判别器D的判别能力较强,应训练多次生成器再训练一次判别器,经过多次迭代更新,最后达到纳什均衡的状态,从而生成器生成以假乱真的数据。深度生成式对抗网络采用两个对抗训练的神经网络,其目的是找出均衡解,从而实现多能互补,避免能源的浪费,探索综合能源系统最优控制策略。深度生成式对抗网络具有以下优点:
1、深度生成式对抗网络在训练过程只用到反向传播,无需马尔科夫链;
2、构建深度生成式对抗网络极为简单,只要是可微分函数都可构建生成器和判别器;
3、生成器的参数更新使用的是来自判别器的反向传播,训练时无需对隐变量做推断。
图3是本发明方法的统一时间尺度的调度与控制框架示意图。综合能源系统中电力系统、天然气系统和热系统具有不同的时间尺度,存在耦合问题。因此,本发明提出基于深度生成式对抗网络的实时调度与控制器统一时间尺度框架,是一个多输入多输出的控制器,且满足电力系统、天然气系统和热力系统的各种约束。
统一时间尺度实时调度与控制器,根据综合能源系统特性和用户用能特点,实时监控能源系统运行数据,并对其需求进行分析,实时调整设备的组合、启停和运行参数。在满足供需平衡的基础上,实现综合能源系统的最优控制。统一时间尺度实时调度与控制器的步骤如下:
1、从综合能源系统中采集多个历史状态、多个历史动作和当前的动作值,判断用户的用能变化趋势;
2、深度生成式对抗网络的生成器在当前环境下生成多组动作值,深度生成式对抗网络的判别器根据历史状态以及历史动作值来判别生成动作值的真假,生成器与判别器不断博弈更新,最终达到纳什均衡状态,从而对动作值进行精确预测;
3、在对动作值的精确预测的基础上,结合能源价格、能源成本、电动汽车连网、热电联产、供给容量、稳定性和环保性等因素,合理并快速地对各供能设备进行组合,并确定设备的启停,从而实现综合能源系统的调度与控制,提高能源利用率,合理分配能源,提高电压与频率稳定性,实现各类能源最优化配置。
Claims (3)
1.一种综合能源系统的深度生成式对抗网络调度与控制方法,其特征在于,能用一种统一时间尺度的调度与控制框架对综合能源系统进行实时调度与控制,保持电压和频率稳定;该方法在使用过程中的步骤为:
(1)以电力系统为核心,建立综合能源系统;
(2)建立统一时间尺度的调度与控制框架替代传统组合式算法的模型,实时监控能源系统运行数据,并从综合能源系统中采集历史状态值、历史动作值和当前动作值;
(3)依据步骤(2)的模型对采集的数据进行训练,采用深度生成式对抗网络的生成器生成多组符合真实动作值分布的动作值,并利用深度生成式对抗网络的判别器对动作值判断真伪,从而对下一时刻动作值进行精确预测;
生成式对抗网络由生成器和判别器两个相互竞争的神经网络组成;G(z)的目的是生成被判别器误认为真实样本的数据;D(z)的目的是判断生成样本是否为真实样本;GAN的训练实质是寻找零和博弈的一个纳什均衡解,从而生成器生成以假乱真的数据,其损失函数如下所示:
式中,x为样本数据,生成数据为G(z);
GAN的训练是一个min-max的优化过程:
式中,x采样于真实数据分布Pdata(x);z采样于先验分布PG;E(·)表示计算期望值;
判别器D的参数采用随机梯度下降方式更新:
式中,m为取出小批次样本的个数,即真实数据样本的数目;
生成器G的参数更新方式为:
2.如权利要求1所述的综合能源系统的深度生成式对抗网络调度与控制方法,其特征在于,所述步骤(2)中统一时间尺度的框架能替代传统组合式算法的模型,并且满足电力系统、天然气系统和热力系统约束条件;基于深度生成式对抗网络所设计的控制器根据综合能源系统特性和用户用能特点,实时监控能源系统运行数据,在满足供需平衡的基础上,实现综合能源系统的最优控制,并采集历史状态值、历史动作值和当前动作值。
3.如权利要求1所述的综合能源系统的深度生成式对抗网络调度与控制方法,其特征在于,所述步骤(3)中深度生成式对抗网络通过构造一个min-max对抗博弈系统,生成器自动产生大量的动作值,判别器判断生成动作值的真伪,生成器与判别器不断对抗博弈,最后达到纳什均衡的状态,保证综合能源系统的稳定性和环保性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010414841.2A CN111555368B (zh) | 2020-05-15 | 2020-05-15 | 一种综合能源系统的深度生成式对抗网络调度与控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010414841.2A CN111555368B (zh) | 2020-05-15 | 2020-05-15 | 一种综合能源系统的深度生成式对抗网络调度与控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111555368A CN111555368A (zh) | 2020-08-18 |
CN111555368B true CN111555368B (zh) | 2022-12-06 |
Family
ID=72008307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010414841.2A Active CN111555368B (zh) | 2020-05-15 | 2020-05-15 | 一种综合能源系统的深度生成式对抗网络调度与控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111555368B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3958422A1 (en) * | 2020-08-19 | 2022-02-23 | Hitachi Energy Switzerland AG | Method and computer system for generating a decision logic for a controller |
CN112183872A (zh) * | 2020-10-10 | 2021-01-05 | 东北大学 | 结合生成对抗网络与神经网络的高炉煤气发生量预测方法 |
CN112381271B (zh) * | 2020-10-30 | 2022-07-15 | 广西大学 | 一种快速对抗深度置信网络的分布式多目标优化加速方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801166A (zh) * | 2012-08-13 | 2012-11-28 | 清华大学 | 基于合作博弈理论的安全和经济协调的自动电压控制方法 |
CN103490413A (zh) * | 2013-09-27 | 2014-01-01 | 华南理工大学 | 一种基于智能体均衡算法的智能发电控制方法 |
CN109144987A (zh) * | 2018-08-03 | 2019-01-04 | 天津相和电气科技有限公司 | 基于深度学习的电力系统量测缺失值重建方法及其应用 |
CN109193641A (zh) * | 2018-10-11 | 2019-01-11 | 广西大学 | 一种基于自动拓展深度学习的三态能源控制方法 |
CN109546648A (zh) * | 2018-11-23 | 2019-03-29 | 广西大学 | 一种考虑预防策略的大规模电力系统自动发电控制方法 |
CN110210104A (zh) * | 2019-05-28 | 2019-09-06 | 国电南瑞科技股份有限公司 | 一种多能源系统运行调度方法 |
CN110880773A (zh) * | 2019-11-18 | 2020-03-13 | 华南理工大学 | 基于数据驱动与物理模型驱动结合的电网调频控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2017326016B2 (en) * | 2016-09-15 | 2022-08-04 | Savant Systems, Inc. | System and methods for creating dynamic nano grids and for aggregating electric power consumers to participate in energy markets |
-
2020
- 2020-05-15 CN CN202010414841.2A patent/CN111555368B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801166A (zh) * | 2012-08-13 | 2012-11-28 | 清华大学 | 基于合作博弈理论的安全和经济协调的自动电压控制方法 |
CN103490413A (zh) * | 2013-09-27 | 2014-01-01 | 华南理工大学 | 一种基于智能体均衡算法的智能发电控制方法 |
CN109144987A (zh) * | 2018-08-03 | 2019-01-04 | 天津相和电气科技有限公司 | 基于深度学习的电力系统量测缺失值重建方法及其应用 |
CN109193641A (zh) * | 2018-10-11 | 2019-01-11 | 广西大学 | 一种基于自动拓展深度学习的三态能源控制方法 |
CN109546648A (zh) * | 2018-11-23 | 2019-03-29 | 广西大学 | 一种考虑预防策略的大规模电力系统自动发电控制方法 |
CN110210104A (zh) * | 2019-05-28 | 2019-09-06 | 国电南瑞科技股份有限公司 | 一种多能源系统运行调度方法 |
CN110880773A (zh) * | 2019-11-18 | 2020-03-13 | 华南理工大学 | 基于数据驱动与物理模型驱动结合的电网调频控制方法 |
Non-Patent Citations (1)
Title |
---|
"基于深度学习的电力负荷识别";徐春华;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20200215(第2期);C042-1016 * |
Also Published As
Publication number | Publication date |
---|---|
CN111555368A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111555368B (zh) | 一种综合能源系统的深度生成式对抗网络调度与控制方法 | |
CN104779611B (zh) | 基于集中式和分布式双层优化策略的微电网经济调度方法 | |
CN107292766B (zh) | 面向风电消纳的电力系统调峰手段经济性评估方法与系统 | |
CN104485690B (zh) | 一种基于多阶段动态规划的电网多源调峰方法 | |
CN112103994B (zh) | 一种基于mpc的风氢耦合系统分层协调控制方法及装置 | |
Xi et al. | Automatic generation control based on multiple-step greedy attribute and multiple-level allocation strategy | |
CN111064229A (zh) | 基于q学习的风-光-气-蓄联合动态经济调度优化方法 | |
CN103580020B (zh) | 一种基于NSGA-II和Look-ahead的含风电场电力系统多目标动态优化调度方法 | |
CN103632309A (zh) | 一种风火蓄节能减排机组组合的求解方法 | |
CN110363362A (zh) | 一种计及柔性负荷的多目标日前经济调度模型与方法 | |
CN109886446A (zh) | 基于改进混沌粒子群算法的电力系统动态经济调度方法 | |
Xi et al. | A virtual generation ecosystem control strategy for automatic generation control of interconnected microgrids | |
CN109858774A (zh) | 提高系统安全性和协调性的源网荷规划方法 | |
CN106602593A (zh) | 微电网多目标转化单目标的方法 | |
CN107634547A (zh) | 基于新能源出力预测误差的电气联合系统出电控制方法 | |
CN112671035A (zh) | 一种基于风电预测的虚拟电厂储能容量配置方法 | |
Yang et al. | A selection hyper-heuristic algorithm for multiobjective dynamic economic and environmental load dispatch | |
CN105528668A (zh) | 一种风电并网电力系统动态环境经济调度方法 | |
Yang et al. | Low carbon multi-objective unit commitment integrating renewable generations | |
CN116667325A (zh) | 一种基于改进布谷鸟算法的微电网并网运行优化调度方法 | |
CN108667077A (zh) | 一种风蓄联合系统优化调度方法 | |
CN111767621A (zh) | 一种基于知识迁移q学习算法的多能源系统优化调度方法 | |
CN111525556A (zh) | 一种计及风电置信风险的多目标最优潮流计算方法 | |
Yang | Multi‐objective optimization of integrated gas–electricity energy system based on improved multi‐object cuckoo algorithm | |
CN107370190B (zh) | 一种求解电力系统机组组合模型的组合方法 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Yin Linfei Inventor after: Zhang Bin Inventor after: Luo Shikui Inventor after: Gao Fang Inventor before: Yin Linfei Inventor before: Zhao Lulin |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |