CN111555370A - 一种基于云边协同的配电网分层协调调度方法及装置 - Google Patents
一种基于云边协同的配电网分层协调调度方法及装置 Download PDFInfo
- Publication number
- CN111555370A CN111555370A CN202010429317.2A CN202010429317A CN111555370A CN 111555370 A CN111555370 A CN 111555370A CN 202010429317 A CN202010429317 A CN 202010429317A CN 111555370 A CN111555370 A CN 111555370A
- Authority
- CN
- China
- Prior art keywords
- minimum
- iteration
- distribution network
- voltage deviation
- node voltage
- 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.)
- Granted
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
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供一种基于云边协同的配电网分层协调调度方法及装置,所述方法先通过配电网潮流计算得到上层云平台的虚拟负荷以及中层台区的虚拟发电机出力,并获取中压配电网的最小运行成本和台区节点的最小节点电压偏差,再通过拉格朗日罚函数对所述虚拟负荷、所述虚拟发电机出力、所述最小运行成本以及所述最小节点电压偏差进行迭代,获取迭代后的最小运行成本以及迭代后的最小节点电压偏差生成最优控制指令下发至下层边缘设备。所述方法通过对最小运行成本及最小节点电压偏差的迭代优化,生成对边缘设备的调度指令,实现对配电网分层协调调度。
Description
技术领域
本申请涉及电力系统领域,尤其涉及一种基于云边协同的配电网分层协调调度方法及装置。
背景技术
储能技术是支撑电网灵活高效运行的重要手段,依赖储能技术的分布式储能资源以及电动汽车等灵活资源大量接入电力系统电网配电侧,是一个明显的发展趋势。
在实际应用中,对分布式储能、电动汽车等灵活资源合理调控,能够有效削减电力系统的峰谷差,是实现电力系统安全经济运行的重要手段。为了解决大规模分布式储能资源接入电网配电侧带来的不确定性问题,一般采用的手段是建立三层分布式最优潮流优化模型,模型包括三层,主干馈线层、单向支线层以及低压配电网层,模型以网络损耗最小为优化目标,实现协调优化。
但是三层分布式最优潮流优化模型只以网络损耗最小为优化目标,忽略了电力系统影响因素的复杂性,因此以网络损耗最小为优化目标来调配电能并不一定是最优的优化调度手段。
发明内容
本申请提供了一种基于云边协同的配电网分层协调调度方法及装置,以解决传统潮流优化模型优化目标及调度手段单薄的问题。
一方面,本申请提供一种基于云边协同的配电网分层协调调度方法,包括:
通过配电网潮流计算得到上层云平台的虚拟负荷以及中层台区的虚拟发电机出力;
获取中压配电网的最小运行成本和台区节点的最小节点电压偏差;
通过拉格朗日罚函数对所述虚拟负荷、所述虚拟发电机出力、所述最小运行成本以及所述最小节点电压偏差进行迭代;
获取迭代后的最小运行成本以及迭代后的最小节点电压偏差生成最优控制指令下发至下层边缘设备。
可选的,通过拉格朗日罚函数对所述虚拟负荷、所述虚拟发电机出力、所述最小运行成本以及所述最小节点电压偏差进行迭代的步骤包括:
将所述虚拟负荷、所述虚拟发电机出力、所述最小运行成本以及所述最小节点电压偏差输入拉格朗日罚函数进行迭代;
获取迭代后的虚拟负荷、迭代后的虚拟发电机出力、迭代后的最小运行成本以及迭代后的最小节点电压偏差输入至收敛条件公式;
判断收敛条件公式是否成立,如果成立,则输出迭代后的最小运行成本以及迭代后的最小节点电压偏差,如果不成立,则更新拉格朗日罚函数乘子继续迭代,直至收敛条件成立。
可选的,所述最小运行成本的迭代公式为:
可选的,所述最小节点电压偏差的迭代公式为:
可选的,所述收敛条件公式为:
可选的,所述更新拉格朗日罚函数乘子的公式为:
γk,t(m)=βγk,t(m-1);2<β<3;
式中,ωk,t(m)为经过m次迭代的拉格朗日罚函数一次项乘子;ωk,t(m-1)为经过m-1次迭代的拉格朗日罚函数一次项乘子;γk,t(m)为经过m次迭代的拉格朗日罚函数二次项乘子;γk,t(m-1)为经过m-1次迭代的拉格朗日罚函数二次项乘子;是经过m-1次迭代后的虚拟负荷结果;是经过m-1次迭代后的虚拟发电机出力结果;β为拉格朗日罚函数乘子系数。
可选的,获取中压配电网的最小运行成本和台区节点的最小节点电压偏差的步骤包括:
获取分布式电源和可中断负荷用户的调度费用;
通过所述调度费用计算最小运行成本。
可选的,获取中压配电网的最小运行成本和台区节点的最小节点电压偏差的步骤还包括:
获取低压配电线路的额定电压和台区节点瞬时电压;
根据所述额定电压和所述瞬时电压计算最小节点电压偏差。
另一方面,本申请还提供一种基于云边协同的配电网分层协调调度装置,包括:
获取模块:通过配电网潮流计算得到上层云平台的虚拟负荷以及中层台区的虚拟发电机出力;获取中压配电网的最小运行成本和台区节点的最小节点电压偏差;
拉格朗日罚函数迭代模块:通过拉格朗日罚函数对所述虚拟负荷、所述虚拟发电机出力、所述最小运行成本以及所述最小节点电压偏差进行迭代;
指令生成下发模块:获取迭代后的最小运行成本以及迭代后的最小节点电压偏差生成最优控制指令下发至下层边缘设备。
由以上技术方案可知,本申请提供一种基于云边协同的配电网分层协调调度方法及装置,所述方法先通过配电网潮流计算得到上层云平台的虚拟负荷以及中层台区的虚拟发电机出力,并获取中压配电网的最小运行成本和台区节点的最小节点电压偏差,再通过拉格朗日罚函数对所述虚拟负荷、所述虚拟发电机出力、所述最小运行成本以及所述最小节点电压偏差进行迭代,获取迭代后的最小运行成本以及迭代后的最小节点电压偏差生成最优控制指令下发至下层边缘设备。所述方法通过对最小运行成本及节点最小节点电压偏差的迭代优化,生成对边缘设备的调度指令,实现对配电网分层协调调度。
附图说明
下面将详细地对实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
图1为本申请一种基于云边协同的配电网分层协调调度方法流程示意图;
图2为本申请上层云平台与中层台区间解耦示意图;
图3为本申请计算最小运行成本流程示意图;
图4为本申请计算最小节点电压偏差流程示意图;
图5为本申请拉格朗日罚函数迭代流程示意图;
图6为本申请一种基于云边协同的配电网分层协调调度装置示意图。
具体实施方式
下面将详细地对实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
参见图1,为本申请一种基于云边协同的配电网分层协调调度方法流程示意图,由图1可知,本申请提供的一种基于云边协同的配电网分层协调调度方法包括以下步骤:
S1:通过配电网潮流计算得到上层云平台的虚拟负荷以及中层台区的虚拟发电机出力。
本申请提供的技术方案中,上层云平台是指中压配电网能量管理主站,也可以称为云平台层,所述上层云平台能够以经济效益最优为优化目标,建立中压配电网能量管理优化模型。中层台区是配电网中的某一变压器的供电范围或区域,中层台区配置有能量路由器,每一台能量路由器为一个节点,所述能量路由器可以有很多个,因此中层台区也可以称为边缘节点层。中层台区能够以节点电压偏差最小为优化目标,建立能量路由器优化调度模型。边缘设备一般指配电网中的负荷。
参见图2,为本申请上层云平台与中层台区间解耦示意图。上层云平台和中层台区通过交互功率相互耦合,交互功率可以通过电力系统的潮流计算得到。潮流计算是指在电力系统中,对有功功率、无功功率及电压在电力系统中分布的计算。本申请提供的技术方案能够对上层云平台及中层台区进行解耦,将交互功率在上层云平台及中层台区分别等效为虚拟负荷和虚拟发电机出力即所述中压配电网能量管理优化模型以及所述能量路由器优化调度模型的优化体现在对虚拟负荷及虚拟发电机出力的调度上。在实际应用中,所述虚拟负荷可以有很多个,所述虚拟发电机也可以有很多个。通过配电网潮流计算得到上层云平台的虚拟负荷以及中层台区的虚拟发电机出力,可以为接下来的配电网协调调度提供基础。
S2:获取中压配电网的最小运行成本和台区节点的最小节点电压偏差。
中压配电网的运行成本受分布式电源、可中断负荷用户等可控资源的影响,在实际应用中可中断负荷用户可以是大型可中断工商业负荷用户。通过建立中压配电网能量管理优化模型,可以调控分布式电源、可中断负荷用户的电能以实现优化调度。参见图3,为本申请计算最小运行成本流程示意图,由图3可知,所述方法还包括:
S21:获取分布式电源和可中断负荷用户的调度费用;
S22:通过所述调度费用计算最小运行成本。
具体计算公式为:
式中:T是总的时段数,Δt是一个时间间隔,取T=24h,Δt=1h;分别为第t时段内从分布式电源运营商购电费用,对分布式电源进行削减的补偿费用,对可中断负荷用户削减负荷的赔偿费用以及向上级电网购电费用;G为分布式电源集合;为在第t时段内第g个可分布式电源经调度后的有功出力;为从第g个分布式电源购买1kWh电能的价格;为在第t时段内第g个分布式电源上报的有功出力,为在第t时段内第g个可调度发电单元削减的有功出力;为削减1kWh发电量向分布式电源发电商补偿的价格;V为参与需求侧响应的可中断负荷用户集合;为在第t时段内第v个可中断负荷用户削减的有功功率;为可中断负荷用户响应中断请求后削减1kWh电能获得配电公司补偿的价格;为配电公司售电电价;为配电公司从上级电网购买1kWh电能的价格;为第t时段需从上级电网购得的有功功率。
在实际应用中,最小运行成本的约束条件包括电能平衡、分布式发电单元运行约束、可中断负荷用户削减负荷功率约束、与上级电网交换功率约束以及与能量路由器交换功率约束等,具体公式为:
式中:为第t时段的总负荷;K为配电网中台区能量路由器集合;为第t时段第k个台区能量路由器向中压配电网的传输功率;和分别为在第t时段内第g个分布式发电单元允许的最小和最大有功功率;为在第g个分布式发电单元在相邻两时段内增加或降低有功功率的限值;和分别为在第t时段内第g个可中断负荷用户允许削减负荷的最小和最大有功功率;和分别为在第t时段内配电网与上级电网进行功率交换的最小和最大有功值。和分别为在第t时段第k个台区能量路由器可调节功率的最小和最大有功功率。
台区节点的最小节点电压偏差受分布式光伏、分布式储能以及电动汽车充电负荷等因素的影响,通过建立了能量路由器优化调度模型来对这些影响因素的优化调度能够缓解配电网网络阻塞问题,提高配电网的电能质量。参见图4,为本申请计算最小节点电压偏差流程示意图,由图4可知,所述方法还包括:
S23:获取低压配电线路的额定电压和台区节点瞬时电压;
S24:根据所述额定电压和所述瞬时电压计算最小节点电压偏差。
具体计算公式为:
在实际应用中,最小运行成本的约束条件包括功率平衡约束、节点电压约束、支路电流约束、分布式光伏出力约束、储能运行约束以及电动汽车充电负荷约束等,具体公式为:
式中:Pi、Qi分别为节点i注入的有功功率和无功功率;Gij、Bij、δij依次为节点i、j之间的电导、电纳和电压相角差;n为系统节点总数;Ui、Uj分别为节点i、j的电压幅值;Vmin、Vmax分别为节点电压上下限;Iijmax为节点i流向节点j的电流幅值上限;为第t时段内第n个分布式光伏的出力;第t时段内第n个分布式光伏的出力上限;为车辆m在未来t时刻的车载电池能量;为车辆m在未来t时刻的充电功率;为车辆m的充电效率;为车载电池的最大充电功率;为表征该汽车是否接入电网的0/1变量,表示该车辆接入电网;分别为车载电池在第t个阶段的能量的最小值与最大值;为第s个分布式储能在第t个时间段的电能;分别为第s个分布式储能的放电效率与充电效率;分别为第s个分布式储能在第t个时间段的放电功率、充电功率;为0/1变量,表示储能处在放电状态;分别表示第s个分布式储能在第t个时间段能量的上下限。
在实际应用中,各个台区节点之间可以相互独立,并行求解,能够有效提高求解效率。
S3:通过拉格朗日罚函数对所述虚拟负荷、所述虚拟发电机出力、所述最小运行成本以及所述最小节点电压偏差进行迭代。
本申请提供的技术方案,在模型中引入了拉格朗日罚函数,通过拉格朗日罚函数的迭代,最小运行成本及最小节点电压偏差逐渐得到优化。在实际应用中,上层云平台与中层台区间解耦后,虚拟负荷与虚拟发电机出力之间会存在差值,为了实现上层云平台与中层台区之间的协调优化并消除差值,在中压配电网能量管理优化模型以及能量路由器优化调度模型中引入了拉格朗日罚函数。参见图5,为本申请拉格朗日罚函数迭代流程示意图所述方法还包括:
S31:将所述虚拟负荷、所述虚拟发电机出力、所述最小运行成本以及所述最小节点电压偏差输入拉格朗日罚函数进行迭代;
S32:获取迭代后的虚拟负荷、迭代后的虚拟发电机出力、迭代后的最小运行成本以及迭代后的最小节点电压偏差输入至收敛条件公式;
S33:判断收敛条件公式是否成立,如果成立,则输出迭代后的最小运行成本以及迭代后的最小节点电压偏差,如果不成立,则更新拉格朗日罚函数乘子继续迭代,直至收敛条件成立。
所述最小运行成本的迭代公式如下:
所述最小节点电压偏差的迭代公式为:
首先进行第一次迭代,即迭代次数m=1,将所述虚拟负荷、所述虚拟发电机出力、所述最小运行成本以及所述最小节点电压偏差输入拉格朗日罚函数进行迭代。根据所述最小运行成本、所述最小节点电压偏差的迭代公式,得到第一次迭代后的虚拟负荷、第一次迭代后的虚拟发电机出力、第一次迭代后的最小运行成本以及第一次迭代后的最小节点电压偏差。
将迭代后的虚拟负荷、迭代后的虚拟发电机出力、迭代后的最小运行成本以及迭代后的最小节点电压偏差输入至收敛条件公式。具体收敛公式为:
判断收敛条件公式是否成立,如果成立,则输出迭代后的最小运行成本以及迭代后的最小节点电压偏差,如果不成立,则更新拉格朗日罚函数乘子继续迭代,直至收敛条件成立。更新拉格朗日罚函数乘子的具体公式为:
γk,t(m)=βγk,t(m-1);2<β<3;
式中,ωk,t(m)为经过m次迭代的拉格朗日罚函数一次项乘子;ωk,t(m-1)为经过m-1次迭代的拉格朗日罚函数一次项乘子;γk,t(m)为经过m次迭代的拉格朗日罚函数二次项乘子;γk,t(m-1)为经过m-1次迭代的拉格朗日罚函数二次项乘子;是经过m-1次迭代后的虚拟负荷结果;是经过m-1次迭代后的虚拟发电机出力结果;β为拉格朗日罚函数乘子系数。
在实际应用中,将迭代后的虚拟负荷、迭代后的虚拟发电机出力、迭代后的最小运行成本以及迭代后的最小节点电压偏差输入至收敛条件公式,如果两个收敛条件同时成立,则可以停止迭代,输出迭代后的虚拟负荷、迭代后的虚拟发电机出力、迭代后的最小运行成本以及迭代后的最小节点电压偏差。如果两个迭代公式不能同时成立,则需要更新拉格朗日罚函数乘子继续迭代,直至收敛条件成立。本申请提供的收敛公式具有严格的收敛性,能够在实际应用中保证求解计算的精度。
S4:获取迭代后的最小运行成本以及迭代后的最小节点电压偏差生成最优控制指令下发至下层边缘设备。
在实际应用中,根据迭代后的最小运行成本以及迭代后的最小节点电压偏差生成最优控制指令下发至下层边缘设备,可以实现对分布式储能以及电动汽车等灵活资源的协调控制,达到台区内负荷削峰填谷,消除网络阻塞,提高用户用能质量的目的。
由以上技术方案可知,本申请提供的一种基于云边协同的配电网分层协调调度方法,可以建立云平台-边缘节点-边缘设备三层协调调度结构。获取虚拟负荷以及虚拟发电机出力,通过拉格朗日罚函数进行迭代,得到迭代后的最小运行成本以及迭代后的最小节点电压偏差,生成最优控制指令下发至边缘设备,实现优化协调调度。
参见图6,为本申请一种基于云边协同的配电网分层协调调度装置示意图。由图6可知,本申请提供一种基于云边协同的配电网分层协调调度装置,包括:
获取模块:通过配电网潮流计算得到上层云平台的虚拟负荷以及中层台区的虚拟发电机出力;获取中压配电网的最小运行成本和台区节点的最小节点电压偏差;
拉格朗日罚函数迭代模块:通过拉格朗日罚函数对所述虚拟负荷、所述虚拟发电机出力、所述最小运行成本以及所述最小节点电压偏差进行迭代;
指令生成下发模块:获取迭代后的最小运行成本以及迭代后的最小节点电压偏差生成最优控制指令下发至下层边缘设备。
由以上技术方案可知,本申请提供的基于云边协同的配电网分层协调调度方法及装置,本申请提供一种基于云边协同的配电网分层协调调度方法及装置,所述方法先通过配电网潮流计算得到上层云平台的虚拟负荷以及中层台区的虚拟发电机出力,并获取中压配电网的最小运行成本和台区节点的最小节点电压偏差,再通过拉格朗日罚函数对所述虚拟负荷、所述虚拟发电机出力、所述最小运行成本以及所述最小节点电压偏差进行迭代,获取迭代后的最小运行成本以及迭代后的最小节点电压偏差生成最优控制指令下发至下层边缘设备。所述方法通过对最小运行成本及节点最小节点电压偏差的迭代优化,生成对边缘设备的调度指令,实现对配电网分层协调调度。
本申请提供的实施例之间的相似部分相互参见即可,以上提供的具体实施方式只是本申请总的构思下的几个示例,并不构成本申请保护范围的限定。对于本领域的技术人员而言,在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。
Claims (9)
1.一种基于云边协同的配电网分层协调调度方法,其特征在于,
通过配电网潮流计算得到上层云平台的虚拟负荷以及中层台区的虚拟发电机出力;
获取中压配电网的最小运行成本和台区节点的最小节点电压偏差;
通过拉格朗日罚函数对所述虚拟负荷、所述虚拟发电机出力、所述最小运行成本以及所述最小节点电压偏差进行迭代;
获取迭代后的最小运行成本以及迭代后的最小节点电压偏差生成最优控制指令下发至下层边缘设备。
2.根据权利要求1所述的基于云边协同的配电网分层协调调度方法,其特征在于,通过拉格朗日罚函数对所述虚拟负荷、所述虚拟发电机出力、所述最小运行成本以及所述最小节点电压偏差进行迭代的步骤包括:
将所述虚拟负荷、所述虚拟发电机出力、所述最小运行成本以及所述最小节点电压偏差输入拉格朗日罚函数进行迭代;
获取迭代后的虚拟负荷、迭代后的虚拟发电机出力、迭代后的最小运行成本以及迭代后的最小节点电压偏差输入至收敛条件公式;
判断收敛条件公式是否成立,如果成立,则输出迭代后的最小运行成本以及迭代后的最小节点电压偏差,如果不成立,则更新拉格朗日罚函数乘子继续迭代,直至收敛条件成立。
7.根据权利要求1所述的基于云边协同的配电网分层协调调度方法,其特征在于,获取中压配电网的最小运行成本和台区节点的最小节点电压偏差的步骤包括:
获取分布式电源和可中断负荷用户的调度费用;
通过所述调度费用计算最小运行成本。
8.根据权利要求7所述的基于云边协同的配电网分层协调调度方法,其特征在于,获取中压配电网的最小运行成本和台区节点的最小节点电压偏差的步骤还包括:
获取低压配电线路的额定电压和台区节点瞬时电压;
根据所述额定电压和所述瞬时电压计算最小节点电压偏差。
9.一种基于云边协同的配电网分层协调调度装置,其特征在于,包括:
获取模块:通过配电网潮流计算得到上层云平台的虚拟负荷以及中层台区的虚拟发电机出力;获取中压配电网的最小运行成本和台区节点的最小节点电压偏差;
拉格朗日罚函数迭代模块:通过拉格朗日罚函数对所述虚拟负荷、所述虚拟发电机出力、所述最小运行成本以及所述最小节点电压偏差进行迭代;
指令生成下发模块:获取迭代后的最小运行成本以及迭代后的最小节点电压偏差生成最优控制指令下发至下层边缘设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010429317.2A CN111555370B (zh) | 2020-05-20 | 2020-05-20 | 一种基于云边协同的配电网分层协调调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010429317.2A CN111555370B (zh) | 2020-05-20 | 2020-05-20 | 一种基于云边协同的配电网分层协调调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111555370A true CN111555370A (zh) | 2020-08-18 |
CN111555370B CN111555370B (zh) | 2023-08-11 |
Family
ID=72002075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010429317.2A Active CN111555370B (zh) | 2020-05-20 | 2020-05-20 | 一种基于云边协同的配电网分层协调调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111555370B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112421695A (zh) * | 2020-11-30 | 2021-02-26 | 北京奥德威特电力科技股份有限公司 | 基于边缘计算风光储agc/avc协调控制系统和方法 |
CN112653154A (zh) * | 2020-11-30 | 2021-04-13 | 国网浙江省电力有限公司嘉兴供电公司 | 基于边缘计算的分布式光伏配电网无功优化控制方法 |
CN113471996A (zh) * | 2021-06-23 | 2021-10-01 | 贵州电网有限责任公司 | 一种基于边缘计算的台区电能控制方法 |
CN113675894A (zh) * | 2021-07-27 | 2021-11-19 | 国网河北省电力有限公司电力科学研究院 | 主动配电网云边协同调控方法、装置和终端设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160071013A1 (en) * | 2014-09-10 | 2016-03-10 | Mitsubishi Electric Research Laboratories, Inc. | Method for Estimating Optimal Power Flows in Power Grids using Consensus-Based Distributed Processing |
CN106549378A (zh) * | 2016-12-09 | 2017-03-29 | 国网江苏省电力公司金湖县供电公司 | 一种针对分布式电源出力不确定性的配网协同调度方法 |
CN107451670A (zh) * | 2016-05-30 | 2017-12-08 | 中国电力科学研究院 | 一种用于主动配电网的日前分层协调调度方法 |
CN109474017A (zh) * | 2018-12-24 | 2019-03-15 | 武汉大学 | 一种配电网实时分布式经济调度方法 |
CN109684075A (zh) * | 2018-11-28 | 2019-04-26 | 深圳供电局有限公司 | 一种基于边缘计算和云计算协同进行计算任务卸载的方法 |
CN109713732A (zh) * | 2019-01-17 | 2019-05-03 | 南京邮电大学 | 一种多微电网和配电网协调优化调度的方法 |
CN110232475A (zh) * | 2019-05-29 | 2019-09-13 | 广东电网有限责任公司 | 一种分布式输电网配电网协同经济调度方法 |
CN110289642A (zh) * | 2019-06-22 | 2019-09-27 | 南京邮电大学 | 一种基于指数罚函数的配电网分层调度优化方法 |
US20200033933A1 (en) * | 2015-06-30 | 2020-01-30 | China Electric Power Research Institute Company Limited | Active power distribution network multi-time scale coordinated optimization scheduling method and storage medium |
CN111030188A (zh) * | 2019-11-28 | 2020-04-17 | 云南电网有限责任公司电力科学研究院 | 一种含分布式和储能的分层分级控制策略 |
-
2020
- 2020-05-20 CN CN202010429317.2A patent/CN111555370B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160071013A1 (en) * | 2014-09-10 | 2016-03-10 | Mitsubishi Electric Research Laboratories, Inc. | Method for Estimating Optimal Power Flows in Power Grids using Consensus-Based Distributed Processing |
US20200033933A1 (en) * | 2015-06-30 | 2020-01-30 | China Electric Power Research Institute Company Limited | Active power distribution network multi-time scale coordinated optimization scheduling method and storage medium |
CN107451670A (zh) * | 2016-05-30 | 2017-12-08 | 中国电力科学研究院 | 一种用于主动配电网的日前分层协调调度方法 |
CN106549378A (zh) * | 2016-12-09 | 2017-03-29 | 国网江苏省电力公司金湖县供电公司 | 一种针对分布式电源出力不确定性的配网协同调度方法 |
CN109684075A (zh) * | 2018-11-28 | 2019-04-26 | 深圳供电局有限公司 | 一种基于边缘计算和云计算协同进行计算任务卸载的方法 |
CN109474017A (zh) * | 2018-12-24 | 2019-03-15 | 武汉大学 | 一种配电网实时分布式经济调度方法 |
CN109713732A (zh) * | 2019-01-17 | 2019-05-03 | 南京邮电大学 | 一种多微电网和配电网协调优化调度的方法 |
CN110232475A (zh) * | 2019-05-29 | 2019-09-13 | 广东电网有限责任公司 | 一种分布式输电网配电网协同经济调度方法 |
CN110289642A (zh) * | 2019-06-22 | 2019-09-27 | 南京邮电大学 | 一种基于指数罚函数的配电网分层调度优化方法 |
CN111030188A (zh) * | 2019-11-28 | 2020-04-17 | 云南电网有限责任公司电力科学研究院 | 一种含分布式和储能的分层分级控制策略 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112421695A (zh) * | 2020-11-30 | 2021-02-26 | 北京奥德威特电力科技股份有限公司 | 基于边缘计算风光储agc/avc协调控制系统和方法 |
CN112653154A (zh) * | 2020-11-30 | 2021-04-13 | 国网浙江省电力有限公司嘉兴供电公司 | 基于边缘计算的分布式光伏配电网无功优化控制方法 |
CN113471996A (zh) * | 2021-06-23 | 2021-10-01 | 贵州电网有限责任公司 | 一种基于边缘计算的台区电能控制方法 |
CN113675894A (zh) * | 2021-07-27 | 2021-11-19 | 国网河北省电力有限公司电力科学研究院 | 主动配电网云边协同调控方法、装置和终端设备 |
CN113675894B (zh) * | 2021-07-27 | 2023-09-26 | 国网河北省电力有限公司电力科学研究院 | 主动配电网云边协同调控方法、装置和终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111555370B (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111555370A (zh) | 一种基于云边协同的配电网分层协调调度方法及装置 | |
Olivares et al. | A centralized energy management system for isolated microgrids | |
CN107292449A (zh) | 一种含多微网主动配电系统分散协同经济调度方法 | |
CN105870949B (zh) | 一种基于分布式梯度算法的微电网储能单元优化控制方法 | |
Zaree et al. | An MILP formulation for centralized energy management strategy of microgrids | |
Emrani-Rahaghi et al. | Optimal stochastic operation of residential energy hubs based on plug-in hybrid electric vehicle uncertainties using two-point estimation method | |
Forner et al. | On efficient use of local sources in smart grids with power quality constraints | |
Gao et al. | Source-load-storage consistency collaborative optimization control of flexible DC distribution network considering multi-energy complementarity | |
Prasad et al. | Power management in hybrid ANFIS PID based AC–DC microgrids with EHO based cost optimized droop control strategy | |
CN106340890B (zh) | 用于协调配电网储能系统充放电效率的分布式控制方法 | |
Zhou et al. | Hierarchical distributed voltage regulation in networked autonomous grids | |
CN115333110A (zh) | 基于admm的配电网-微电网群协同分布式优化调度方法及系统 | |
Faraji et al. | AC unbalanced and DC load management in multi-bus residential microgrid integrated with hybrid capacity resources | |
CN115545291A (zh) | 基于主从博弈的集中式共享储能容量配置和定价方法 | |
CN112668186B (zh) | 基于elm的输配一体储能系统选址定容协同优化方法 | |
CN104659812A (zh) | 一种基于预测控制的多微网协调控制方法 | |
CN107591806B (zh) | 一种考虑主动配电网有功调节能力的主网日前调度方法 | |
CN114552664B (zh) | 一种基于双层有向图的多微网优化协调运行控制方法 | |
Saini et al. | Digital Twin of a commercial building microgrid: Economic & environmental sustainability analysis | |
CN115222155A (zh) | 基于交替方向乘子法的集中式共享储能优化配置方法 | |
Far et al. | Admm-based multi-objective control scheme for mitigating the impact of high penetration der integration in the modern distribution systems | |
Chen et al. | Optimal dispatch of medium-voltage microgrid using an adaptive PSO algorithm | |
CN110212593B (zh) | 一种基于区间的耦合输配电系统分散调度方法 | |
Chandra et al. | Demonstration of transactive control of commercial buildings as energy nodes | |
CN111555369A (zh) | 一种配电网中压-低压协同优化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |