CN111682529A - 一种基于节点电价信息的移动储能车灵活调度方法 - Google Patents

一种基于节点电价信息的移动储能车灵活调度方法 Download PDF

Info

Publication number
CN111682529A
CN111682529A CN202010523608.8A CN202010523608A CN111682529A CN 111682529 A CN111682529 A CN 111682529A CN 202010523608 A CN202010523608 A CN 202010523608A CN 111682529 A CN111682529 A CN 111682529A
Authority
CN
China
Prior art keywords
energy storage
storage vehicle
node
power
constraint
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
Application number
CN202010523608.8A
Other languages
English (en)
Other versions
CN111682529B (zh
Inventor
莫宇鸿
覃智君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi University
Original Assignee
Guangxi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangxi University filed Critical Guangxi University
Priority to CN202010523608.8A priority Critical patent/CN111682529B/zh
Publication of CN111682529A publication Critical patent/CN111682529A/zh
Application granted granted Critical
Publication of CN111682529B publication Critical patent/CN111682529B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • 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
    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于节点电价信息的移动储能车灵活调度方法。电力系统运营商通过下发电价信号引导独立储能运营商优化调度其移动储能车。首先求解考虑可再生能源和负荷不确定性的电力系统鲁棒机组组合和随机经济调度问题，并用其拉格朗日函数计算节点边际电价和不确定性价格，随后基于电价信息求解移动储能车灵活调度问题，最后将经济调度最小化运行成本和储能车最大化收益构造成非合作博弈模型，使用迭代算法寻求博弈均衡，获得储能车优化运行决策。本发明的方法可以有效提高电力系统的灵活性和经济性，增加社会福利。

Description

一种基于节点电价信息的移动储能车灵活调度方法
技术领域
本发明涉及电力系统运行与调度技术领域，具体涉及一种基于节点电价信息的移动储能车灵活调度方法。
背景技术
人类社会的主要能源经历了生物能量到化石能源的变化。然而，全球环境污染和气候问题日渐严峻，化石能源供应日益紧缺。如今，人类社会又处于另一个历史性的转折点—远离化石能源，走近可再生能源。大力发展新能源和可再生能源，走可持续发展道路成为世界各国的共识。
然而，可再生能源给电力系统带来低成本，零排放的清洁电力的同时，也会因其固有特性给电力系统带来波动性和不确定性。因此，可再生能源并网带来的实质上是当可再生能源发电和负荷用电均不可调度时的供需平衡问题。可再生能源的这些特性使得系统运行人员需要调度额外的资源辅助新能源发电，一定程度上抵消了它带给电力系统运行的经济性。当这些辅助资源不足时会导致可再生能源的削减，也就是我们常说的弃风和弃光。
电力系统灵活性是指在从短到长的不同时间尺度下，电力系统应对可再生能源引入的变化性和不确定性，避免可再生能源的削减，同时保障负荷稳定供应的能力。它可以来自于发、输、用的任一环节。此外，大规模储能设备和多能源互联也是电力系统灵活性的重要来源。灵活性让电力系统供需平衡的各个环节互动起来，将原本静态平衡的电力系统转化为动态平衡的电力系统，是发展和利用可再生能源，提高系统运行经济性的法宝。因此，我们需要充分、正确评估含可再生能源电力系统的运行灵活性和经济性，研究灵活性和经济性评估方法和提升策略，是人与自然和谐相处，走可持续发展道路的重要保障。
发明内容
本发明的目的在于提供一种基于节点电价信息的移动储能车灵活调度方法。通过优化策略和博弈方法获得储能车最优运行决策对电力系统中移动储能车的灵活性资源进行调度，从而达到提高电力系统灵活性，降低电价，提高社会福利的目的，同时储能车也能获得一定的收益。
为实现上述发明目的，本发明采用了如下技术方案：
一种基于节点电价信息的移动储能车灵活调度方法，包括如下步骤：
步骤一：建立鲁棒安全约束机组组合(RSCUC)模型，将可再生能源出力、电力负荷作为不确定变量建模，使用列-约束生成(C&CG)算法求解模型，得到鲁棒机组组合决策和最差不确定性场景集；
步骤二：建立随机经济调度(SSCED)模型，随机经济调度是一个线性规划问题，其受步骤一的鲁棒机组组合决策与最差不确定场景集影响，其约束包括常规运行约束和最差不确定场景导致的动态约束；
步骤三：构造步骤二随机经济调度问题的拉格朗日函数，其分别对负荷和不确定偏差求导得到节点边际电价和节点不确定性价格；
步骤四：建立移动储能车灵活调度(MD)模型，储能车可以顺着交通网络到达电网中的任意节点，提供能量和备用容量服务，根据系统电价信息，以“最大化储能车收益”为目标求解储能车调度问题；
步骤五：将经济调度最小化运行成本和储能车最大化收益构造成非合作博弈模型，使用迭代算法寻求博弈均衡，获得储能车最优运行决策。
所述步骤一的RSCUC模型的可再生能源处理及负荷不确定性建模如下：
Figure BDA0002532922960000021
Figure BDA0002532922960000022
Figure BDA0002532922960000023
Figure BDA0002532922960000024
式中，
Figure BDA0002532922960000025
分别表示节点m在t时段负荷和可再生能源出力，
Figure BDA0002532922960000026
表示节点m在t 时段净负荷；由于负荷与可再生能源的不确定性，净负荷也为不确定量，可由其预测值dm,t与不确定偏差∈m,t之和表示；
Figure BDA0002532922960000027
为节点m在t时段的最大不确定偏差，Λm和ΛΔ分别表示节点 m和系统的预算参数，用于调节鲁棒性和经济性；
Figure BDA0002532922960000028
是全部不确定偏差∈m,t的集合，表示不确定集；
所述RSCUC模型以紧凑形式表示如下：
目标函数为最小化系统运行成本：
Figure 20
式中，x和p分别表示离散变量向量和连续变量；
Figure BDA00025329229600000210
代表决策变量的可行域；CI(x)和CP(p)分别表示开停机成本和发电成本函数；
①运行约束以下式表示：
Ax+Bp≤b
其中A,B分别表示离散变量x和连续变量p的系数矩阵；b为右端向量；
②所述RSCUC模型还包含以下动态约束，表示为决策变量(x,p)的可行域
Figure BDA0002532922960000031
Figure BDA0002532922960000032
式中，C,D,G,E分别为分别表示离散变量向量x，连续变量向量p，功率调节向量Δp和不确定变量向量∈的系数矩阵；E∈与常数向量d共同构成动态约束的右端向量。
所述步骤二的随机经济调度(SSCED)模型表示如下：
目标函数为发电成本最小：
Figure BDA0002532922960000033
式中，Pi,t表示机组i在t时段的出力，是向量p的一个元素；
所述SSCED模型包含以下约束：
①运行约束：
1)功率平衡约束：
Figure BDA0002532922960000034
Figure BDA0002532922960000035
式中，dm,t为节点m在t时段的负荷；
Figure BDA0002532922960000036
为节点m在t时段的注入功率；
Figure BDA0002532922960000037
表示位于节点m的发电机组集合；
2)发电机组出力上下限约束：
Figure BDA0002532922960000038
Figure BDA0002532922960000039
式中，Pi min，Pi max分别为机组i的最小和最大出力；
Figure BDA0002532922960000041
在SSCED问题中是已知量，表示t时段机组i的状态，运行取1，停机取0，由上述RUC问题给出；
3)发电机组爬坡约束：
Figure BDA0002532922960000042
Figure 19
式中，
Figure BDA0002532922960000044
为机组i的爬坡，滑坡速率；
Figure BDA0002532922960000045
在SSCED问题中为已知量，表示机组i在t时段的操作情况，开机操作取1，停机操作取0，由上述RUC问题给出；
4)线路潮流约束：
Figure BDA0002532922960000046
Figure BDA0002532922960000047
式中，Fl为线路l的最大传输功率；Γl,m为节点m注入功率对线路l的转移分布因子，表示节点m注入1单位有功功率对线路l传输功率的影响；
②动态约束：
1)动态功率平衡约束：
Figure BDA0002532922960000048
Figure BDA0002532922960000049
式中，
Figure BDA00025329229600000410
为不确定场景k下发电机组i在t时段的功率调节量；
Figure BDA00025329229600000411
为不确定场景k发生时节点m在t时段的净负荷偏差；
Figure BDA00025329229600000412
为不确定场景标号k的集合；
2)动态发电机组出力上下限约束：
Figure BDA00025329229600000413
Figure BDA00025329229600000414
3)动态发电机组爬坡约束：
Figure BDA0002532922960000051
Figure 18
4)动态线路潮流约束：
Figure BDA0002532922960000053
Figure BDA0002532922960000054
在SSCED问题中，Pi,t、
Figure BDA0002532922960000055
为决策变量；
Figure 17
Figure 16
为约束对应的拉格朗日乘子(对偶乘子)。
所述步骤三中的拉格朗日函数表示如下：
Figure 15
由此，节点边际电价按下式计算：
Figure BDA0002532922960000059
节点不确定性价格按下式计算：
Figure BDA00025329229600000510
与不确定偏差一样，节点不确定性价格也存在正负方向。定义如下两个集合：
Figure BDA0002532922960000061
则正方向和负方向的不确定性价格便可以区分开：
Figure BDA0002532922960000062
所述步骤四的移动储能车灵活调度(MD)模型表示如下，其目标函数为最大化储能车获利：
Figure BDA0002532922960000063
其中，
Figure BDA0002532922960000064
分别表示移动储能车的功率、上备用容量和下备用容量；
Figure BDA0002532922960000065
Figure BDA0002532922960000066
分别表示节点边际电价，向上不确定性价格，向下不确定价格；
所述储能车灵活调度(MD)模型满足以下约束：
1)能量约束：
Figure BDA0002532922960000067
Figure BDA0002532922960000068
E0＝ET
其中，Et为储能车在t时段的荷电状态；
Figure BDA0002532922960000069
分别表示储能车与电网连接端口的充电、放电功率；λc,λd为储能车的充电、放电效率；Ctp为储能车的移动能耗；γt为储能车移动状态变量，当储能车处于移动状态时取1；Emin,Emax为储能车荷电状态下限和上限；E0,ET分别为储能车在调度初始时段和结束时段的荷电状态。
2)功率约束：
Figure BDA00025329229600000610
Figure BDA00025329229600000611
Figure BDA0002532922960000071
其中，
Figure BDA0002532922960000072
为储能车额定功率；
3)逻辑约束：
Figure BDA0002532922960000073
Figure BDA0002532922960000074
Figure BDA0002532922960000075
Figure BDA0002532922960000076
其中δm,t用于表示储能车在t时段是否于m节点接入电网，是取1，否取0；
Figure BDA0002532922960000077
用于指示储能车处于充电或放电状态；
4)储能车交通时间约束：
Figure BDA0002532922960000078
其中，Tri,j表示储能车从i节点移动到j节点所需的交通时间；
Figure BDA0002532922960000079
为被交通网络连接的所有节点的集合。
5)备用容量约束：
Figure BDA00025329229600000710
Figure BDA00025329229600000711
Figure BDA00025329229600000712
Figure BDA00025329229600000713
所述步骤五将SSCED和MD问题的两阶段迭代博弈算法表示如下：
Figure BDA00025329229600000714
Figure 14
系统运营商通过下发电价信号引导独立储能运营商优化调度其移动储能车，本发明首先求解考虑可再生能源和负荷不确定性的电力系统鲁棒机组组合和随机经济调度问题，并用其拉格朗日函数计算节点边际电价和不确定性价格，随后基于电价信息求解移动储能车灵活调度问题，最后将经济调度最小化运行成本和储能车最大化收益构造成非合作博弈模型，使用迭代算法寻求博弈均衡，获得储能车最优运行决策。本发明的方法可以有效提高电力系统的灵活性和经济性，增加社会福利。
与现有技术相比，本发明具有以下有益效果：
⑴本发明考虑可移动储能设备，同时在时间和空间上解耦电力的供需平衡。
⑵本发明将节点边际电价和节点不确定性价格作为系统的灵活性和经济性指标，更直接确切地表征了电力系统的资源需求情况。
⑶本发明的移动储能车可以同时提供能量和旋转备用服务。使用节点边际电价和节点不确定价格指导移动储能车运行，使其按照系统实际需求提供服务，更充分调动储能车的灵活性。
⑷本发明使用博弈模型描述移动储能车运行行为和系统电价之间的关系，迭代博弈算法求得的储能车运行决策可以使得社会福利最大化。
附图说明
图1是电力系统运营商与储能运营商的信息交换示意图；
图2是基于节点电价信息的移动储能车灵活调度问题求解流程图；
图3是有储能车和无储能车的系统电价对比图。
具体实施方式
为了能更清晰地理解本发明的上述目的、特征和优点，下面结合模型的具体实现形式对本发明技术方案进行进一步的详细描述。
一种基于节点电价信息的移动储能车灵活调度方法，具体步骤如下：
步骤一、建立鲁棒安全约束机组组合(RSCUC)模型：
计算节点不确定性价格需要使用不确定规划模型。本发明采用的鲁棒安全约束机组组合旨在寻找一种满足最差不确定场景的机组组合方式，且这种机组组合是最经济的。
1.不确定建模
可再生能源处理及负荷不确定性建模如下：
Figure BDA0002532922960000101
Figure BDA0002532922960000102
Figure BDA0002532922960000103
Figure BDA0002532922960000104
式中，
Figure BDA0002532922960000105
分别表示节点m在t时段负荷和可再生能源出力，
Figure BDA0002532922960000106
表示节点m在 t时段净负荷。由于负荷与可再生能源的不确定性，净负荷也为不确定量，可由其预测值dm,t与不确定偏差∈m,t之和表示；
Figure BDA0002532922960000107
为节点m在t时段的最大不确定偏差，Λm和ΛΔ分别表示节点 m和系统的预算参数，用于调节鲁棒性和经济性。
Figure BDA0002532922960000108
是所有不确定偏差量∈m,t的集合，用于表示不确定集；
2.目标函数定义为最小化给定时段内所有发电机的总发电和开停机费用：
Figure BDA0002532922960000109
式中，
Figure BDA00025329229600001010
和
Figure BDA00025329229600001011
为发电成本和开停机成本函数；Pi,t为机组i在t时段的出力；Ii,t为机组i在t时段的运行状态；
所述鲁棒安全约束机组组合模型包含以下运行约束：
1)功率平衡约束：
Figure BDA00025329229600001012
Figure BDA00025329229600001013
式中，dm,t为节点m在t时段的负荷；
Figure BDA00025329229600001014
为节点m在t时段的注入功率；
2)线路潮流约束：
Figure BDA0002532922960000111
Fl为线路l的最大传输功率；Γl,m为节点m注入功率对线路l的转移分布因子，表示节点 m注入1单位有功功率对线路l传输功率的影响；
Figure BDA0002532922960000112
表示位于节点m的发电机组集合；
Figure 13
为节点m在t时段的注入功率；Ii,t为机组i在t时段的运行状态，开机1，停机取0；
3)发电机组出力上下限约束：
Figure BDA0002532922960000114
式中，Pi min，Pi max分别为机组i的最小和最大出力；
4)发电机组爬坡约束：
Figure BDA0002532922960000115
Figure BDA0002532922960000116
式中，ri u，ri d为机组i的爬坡，滑坡速率；yi,t，zi,t表示机组i在t时段的操作情况，开机操作取1，停机操作取0；
5)发电机组最小开停机时间约束：
Figure 100002_8
式中，Gi为机组初始时段仍需连续运行时段数，Li为机组初始时段仍需连续停机时段数，T i on为发电机组最小连续开机时段数，T i off为发电机组最小连续停机时段数，
Figure BDA0002532922960000121
为初始时段发电机运行状态，Ti 0为发电机组初始时段已连续运行时段数，运行取正，停机取负。
所述鲁棒机组组合问题的决策(x,y,z,I,P)还应满足由以下动态约束构成的可行域
Figure BDA0002532922960000122
存在功率调节量ΔP，使得：
6)动态功率平衡约束：
Figure BDA0002532922960000123
Figure BDA0002532922960000124
式中，ΔPi,t表示机组i在t时段内为应对不确定量∈m,t的调节量；
Figure BDA0002532922960000125
表示m节点在t时段的注入功率随ΔPi,t的变化量；
7)动态发电机功率上下限约束：
Figure BDA0002532922960000126
8)动态发电机爬坡约束：
Figure BDA0002532922960000127
9)动态线路潮流约束：
Figure BDA0002532922960000128
步骤二、随机经济调度(SSCED)建模：
随机经济调度基于上述RSCUC问题求得鲁棒机组组合与最差不确定性场景，计算系统各机组的发电计划。SSCED问题的决策需要同时满足系统负荷需求及全部最差不确定性场景。
1.目标函数为发电成本最小：
Figure BDA0002532922960000129
式中，Pi,t表示机组i在t时段的出力。
2.所述SSCED模型包含以下约束：
①运行约束：
1)功率平衡约束：
Figure BDA0002532922960000131
Figure BDA0002532922960000132
式中，dm,t为节点m在t时段的负荷；
Figure BDA0002532922960000133
为节点m在t时段的注入功率；
Figure BDA0002532922960000134
表示位于节点m的发电机组集合；
2)发电机组出力上下限约束：
Figure BDA0002532922960000135
Figure BDA0002532922960000136
式中，Pi min，Pi max分别为机组i的最小和最大出力；
Figure BDA0002532922960000137
在SSCED问题中是已知量，表示t时段机组i的状态，运行取1，停机取0，由上述RUC问题给出；
3)发电机组爬坡约束：
Figure BDA0002532922960000138
Figure 100002_7
式中，
Figure BDA00025329229600001310
为机组i的爬坡，滑坡速率；
Figure BDA00025329229600001311
在SSCED问题中为已知量，表示机组i在t时段的操作情况，开机操作取1，停机操作取0，由上述RUC问题给出；
4)线路潮流约束：
Figure BDA00025329229600001312
Figure BDA00025329229600001313
式中，Fl为线路l的最大传输功率；Γl,m为节点m注入功率对线路l的转移分布因子，表示节点m注入1单位有功功率对线路l传输功率的影响；
②所述SSCED模型还包含以下动态约束：
1)动态功率平衡约束：
Figure BDA0002532922960000141
Figure BDA0002532922960000142
式中，
Figure BDA0002532922960000143
为不确定场景k下发电机组i在t时段的功率调节量；
Figure BDA0002532922960000144
为不确定场景k发生时节点m在t时段的净负荷偏差；
Figure BDA0002532922960000145
为不确定场景标号k的集合；
2)动态发电机组出力上下限约束：
Figure BDA0002532922960000146
Figure BDA0002532922960000147
3)动态发电机组爬坡约束：
Figure BDA0002532922960000148
Figure 100002_6
4)动态线路潮流约束：
Figure BDA00025329229600001410
Figure BDA00025329229600001411
在SSCED问题中，Pi,t、
Figure BDA00025329229600001412
为决策变量；
Figure 100002_5
Figure 100002_4
为约束对应的拉格朗日乘子(对偶乘子)。
步骤三、建立SSCED问题的拉格朗日函数，计算节点边际电价LMP和节点不确定性价格UMP：
步骤二中的SSCED问题中的离散变量均由步骤一中的RSCUC问题给定，因此SSCED问题是一个线性规划问题，可以进行对偶。使用其拉格朗日函数对负荷变量dm,t和不确定偏差
Figure BDA0002532922960000151
求导即可得到平衡最后一单位负荷及免疫最后一单位不确定偏差的边际成本，即节点边际电价LMP和节点不确定性价格UMP。SSCED问题的拉格朗日函数建立如下：
Figure 100002_9
由此，节点边际电价可以按下式计算：
Figure BDA0002532922960000153
节点不确定性价格可以按下式计算：
Figure BDA0002532922960000154
与不确定偏差一样，节点不确定性价格也存在正负两个方向。定义如下两个集合：
Figure BDA0002532922960000155
则正方向和负方向的不确定性价格便可以区分开：
Figure BDA0002532922960000156
步骤四、建立移动储能车灵活调度(MD)模型：
储能车灵活调度(MD)问题用于给独立的储能车运营商根据电力系统运营商发布的电价信息，灵活调度其储能车资源。该问题的目标函数为最大化储能车获利：
Figure BDA0002532922960000157
其中，
Figure BDA0002532922960000158
分别表示移动储能车的功率、上备用容量和下备用容量；
Figure BDA0002532922960000159
Figure BDA0002532922960000161
分别表示节点边际电价，向上不确定性价格，向下不确定价格；
所述储能车灵活调度模型满足以下约束：
1)能量约束：
Figure BDA0002532922960000162
Figure BDA0002532922960000163
E0＝ET
其中，Et为储能车在t时段的荷电状态；
Figure BDA0002532922960000164
分别表示储能车与电网连接端口的充电、放电功率；λc,λd为储能车的充电、放电效率；Ctp为储能车的移动能耗；γt为储能车移动状态变量，当储能车处于移动状态时取1；Emin,Emax为储能车荷电状态下限和上限；E0,ET分别为储能车在调度初始时段和结束时段的荷电状态。
2)功率约束：
Figure BDA0002532922960000165
Figure BDA0002532922960000166
Figure BDA0002532922960000167
其中，
Figure BDA0002532922960000168
为储能车额定功率；
3)逻辑约束：
Figure BDA0002532922960000169
Figure BDA00025329229600001610
Figure BDA00025329229600001611
Figure BDA00025329229600001612
其中δm,t用于表示储能车在t时段是否于m节点接入电网，是取1，否取0；
Figure BDA00025329229600001613
用于指示储能车处于充电或放电状态；
4)储能车交通时间约束：
Figure 100002_10
其中，Tri,j表示储能车从i节点移动到j节点所需的交通时间；
5)备用容量约束：
Figure BDA0002532922960000172
Figure BDA0002532922960000173
Figure BDA0002532922960000174
Figure BDA0002532922960000175
步骤五、建立SSCED和MD问题的两阶段迭代博弈算法：
根据市场规律，当移动储能车向系统中某一节点注入功率或在该节点提供旋转备用容量时，会改变当前节点的供需情况和资源稀缺状况，那么该节点的LMP和UMP也会相应降低。以下博弈算法通过迭代寻求系统与储能车的博弈均衡点，使得社会福利最大。以下算法还提出了一种序列式的储能车调度方法，每辆储能车都拥有不同的价格信号，有效解决了同一价格信号引导多辆储能车而导致储能车行为一致的问题。算法流程如下：
Figure 100002_12
Figure 100002_11
应用实例分析
采用改进的IEEE-118节点算例对本发明模型进行验证计算。该测试系统包含67台发电机，186条支路，最大负荷需求为6600MW。考虑10辆1MW/2MWh的移动储能车和24个调度时段。计算可得：
根据实际迭代情况，94号节点电价不易随储能车的能量和备用容量的注入而大幅降低，该节点对灵活性资源的需求最高，因此储能车会乐于移动到94号节点提供服务。下表展示了每辆储能车的位置变化，表格中的数字为储能车位于的节点号，0表示该时段储能车正在路途中，未接入电网：
Figure BDA0002532922960000191
下表为系统总购电费用和备用采购费用随储能车加入的降低情况以及储能车的盈利情况：
储能车数量 1 2 3 4 5 6 7 8 9 10
购电费用 2750629 2727743 2726970 2682293 2680778 2680557 2680072 2679973 2679721 2679565
备用费用 51032 46404 46245 38100 38067 38030 38068 38065 38018 37981
储能车利润 55 110 135 171 211 220 250 283 316 350
可见，随着系统中储能车数量的增加，购电和备用采购费用均呈下降趋势，而储能车的利润不断增加。图3展示了储能车加入前后的LMP和向上UMP的变化情况也说明储能车加入后系统LMP和UMP显著下降。本发明的方法可以有效提高电力系统的灵活性和经济性，增加社会福利。

Claims (6)

1.一种基于节点电价信息的移动储能车灵活调度方法，其特征在于，包括如下步骤：
步骤一：建立鲁棒安全约束机组组合RSCUC模型，将可再生能源出力、电力负荷作为不确定变量建模，使用列-约束生成算法求解模型，得到鲁棒机组组合决策和最差不确定性场景集；
步骤二：建立随机经济调度SSCED模型，随机经济调度是一个线性规划问题，其计算结果受步骤一的鲁棒机组组合决策与最差不确定场景集影响，其约束包括常规运行约束和最差不确定性场景导致的动态约束；
步骤三：构造步骤二随机经济调度问题的拉格朗日函数，其分别对负荷和不确定偏差求导得到节点边际电价和节点不确定性价格；
步骤四：建立移动储能车灵活调度MD模型，储能车可以顺着交通网络到达电网中的任意节点，提供能量和备用容量服务，根据系统电价信息，以最大化储能车收益为目标求解储能车调度问题；
步骤五：将经济调度最小化运行成本和储能车最大化收益构造成非合作博弈模型，使用迭代算法寻求博弈均衡，获得储能车最优运行决策。
2.根据权利要求1所述的方法，其特征在于，所述步骤一的鲁棒安全约束机组组合RSCUC模型的可再生能源处理及负荷不确定性建模如下：
Figure FDA0002532922950000011
Figure FDA0002532922950000012
Figure FDA0002532922950000013
Figure FDA0002532922950000014
式中，
Figure FDA0002532922950000015
分别表示节点m在t时段负荷和可再生能源出力，
Figure FDA0002532922950000016
表示节点m在t时段净负荷；由于负荷与可再生能源的不确定性，净负荷也为不确定量，可由其预测值dm,t与不确定偏差∈m,t之和表示；
Figure FDA0002532922950000017
为节点m在t时段的最大不确定偏差，Λm和ΛΔ分别表示节点m和系统的预算参数，用于调节鲁棒性和经济性；
Figure FDA0002532922950000021
是全部不确定偏差∈m,t的集合，表示不确定集；
所述鲁棒安全约束机组组合RSCUC模型以紧凑形式表示如下：
目标函数为最小化系统运行成本：
Figure FDA0002532922950000022
式中，x和p分别表示离散变量向量和连续变量；
Figure FDA0002532922950000023
代表决策变量的可行域；CI(x)和CP(p)分别表示开停机成本和发电成本函数；
①运行约束以下式表示：
Ax+Bp≤b
其中A,B分别表示离散变量x和连续变量p的系数矩阵；b为右端向量；
②所述鲁棒安全约束机组组合RSCUC模型还包含以下动态约束，表示为决策变量(x,p)的可行域
Figure FDA0002532922950000024
Figure FDA0002532922950000025
式中，C,D,G,E分别为分别表示离散变量向量x，连续变量向量p，功率调节向量Δp和不确定变量向量∈的系数矩阵；E∈与常数向量d共同构成动态约束的右端向量。
3.根据权利要求2所述的方法，其特征在于，所述步骤二的随机经济调度SSCED模型表示如下：
目标函数为发电成本最小：
Figure FDA0002532922950000026
式中，Pi,t表示机组i在t时段的出力，是向量p的一个元素；
所述随机经济调度SSCED模型包含以下约束：
①运行约束：
1)功率平衡约束：
Figure FDA0002532922950000031
Figure FDA0002532922950000032
式中，dm,t为节点m在t时段的负荷；
Figure FDA0002532922950000033
为节点m在t时段的注入功率；
Figure FDA0002532922950000034
表示位于节点m的发电机组集合；
2)发电机组出力上下限约束：
Figure FDA0002532922950000035
Figure FDA0002532922950000036
式中，Pi min，Pi max分别为机组i的最小和最大出力；
Figure FDA0002532922950000037
在SSCED问题中是已知量，表示t时段机组i的状态，运行取1，停机取0，由步骤一所述RSCUC问题给出；
3)发电机组爬坡约束：
Figure FDA0002532922950000038
Figure 12
式中，
Figure FDA00025329229500000310
为机组i的爬坡，滑坡速率；
Figure FDA00025329229500000311
在SSCED问题中为已知量，表示机组i在t时段的操作情况，开机操作取1，停机操作取0，由步骤一所述RSCUC问题给出；
4)线路潮流约束：
Figure FDA00025329229500000312
Figure FDA00025329229500000313
式中，Fl为线路l的最大传输功率；Γl,m为节点m注入功率对线路l的转移分布因子，表示节点m注入1单位有功功率对线路l传输功率的影响；
②动态约束：
1)动态功率平衡约束：
Figure FDA0002532922950000041
Figure FDA0002532922950000042
式中，
Figure 11
为不确定场景k下发电机组i在t时段的功率调节量；
Figure FDA0002532922950000044
为不确定场景k发生时节点m在t时段的净负荷偏差；
Figure FDA0002532922950000045
为所有不确定场景标号k的集合；
2)动态发电机组出力上下限约束：
Figure FDA0002532922950000046
Figure FDA0002532922950000047
3)动态发电机组爬坡约束：
Figure FDA0002532922950000048
Figure 10
4)动态线路潮流约束：
Figure FDA00025329229500000410
Figure FDA00025329229500000411
在SSCED问题中，Pi,t、
Figure FDA00025329229500000412
为决策变量；
Figure 9
Figure 8
为约束对应的拉格朗日乘子。
4.根据权利要求3所述的方法，其特征在于，所述步骤三中的拉格朗日函数表示如下：
Figure 7
由此，节点边际电价按下式计算：
Figure FDA0002532922950000052
节点不确定性价格按下式计算：
Figure FDA0002532922950000053
节点不确定价格与不确定偏差一样存在正负两个方向，定义如下两个集合：
Figure FDA0002532922950000054
则正方向和负方向的不确定性价格便可以区分开：
Figure FDA0002532922950000055
5.根据权利要求4所述的方法，其特征在于，所述步骤四的移动储能车灵活调度MD模型表示如下，其目标函数为最大化储能车获利：
Figure 6
其中，
Figure FDA0002532922950000057
分别表示移动储能车的功率、上备用容量和下备用容量；
Figure FDA0002532922950000058
Figure FDA0002532922950000059
分别表示节点边际电价，向上不确定性价格，向下不确定价格；
所述储能车灵活调度模型满足以下约束：
1)能量约束：
Figure FDA0002532922950000061
Figure FDA0002532922950000062
E0＝ET
其中，Et为储能车在t时段的荷电状态；
Figure FDA0002532922950000063
分别表示储能车与电网连接端口的充电、放电功率；λc,λd为储能车的充电、放电效率；Ctp为储能车的移动能耗；γt为储能车移动状态变量，当储能车处于移动状态时取1；Emin,Emax为储能车荷电状态下限和上限；E0,ET分别为储能车在调度初始时段和结束时段的荷电状态；
2)功率约束：
Figure 5
Figure FDA0002532922950000065
Figure FDA0002532922950000066
其中，
Figure FDA0002532922950000067
为储能车额定功率；
3)逻辑约束：
Figure FDA0002532922950000068
Figure FDA0002532922950000069
Figure FDA00025329229500000610
Figure FDA00025329229500000611
其中δm,t用于表示储能车在t时段是否于m节点接入电网，是取1，否取0；
Figure 4
用于指示储能车处于充电或放电状态；
4)储能车交通时间约束：
Figure FDA00025329229500000613
其中，Tri,j表示储能车从i节点移动到j节点所需的交通时间；
Figure FDA0002532922950000071
为被交通网络连接的所有节点的集合；
5)备用容量约束：
Figure 3
Figure FDA0002532922950000073
Figure FDA0002532922950000074
Figure FDA0002532922950000075
6.根据权利要求5所述的方法，其特征在于，所述步骤五将SSCED和MD问题的两阶段迭代博弈算法表示如下：
Figure 2
Figure FDA0002532922950000081
CN202010523608.8A 2020-06-10 2020-06-10 一种基于节点电价信息的移动储能车灵活调度方法 Active CN111682529B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010523608.8A CN111682529B (zh) 2020-06-10 2020-06-10 一种基于节点电价信息的移动储能车灵活调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010523608.8A CN111682529B (zh) 2020-06-10 2020-06-10 一种基于节点电价信息的移动储能车灵活调度方法

Publications (2)

Publication Number Publication Date
CN111682529A true CN111682529A (zh) 2020-09-18
CN111682529B CN111682529B (zh) 2023-10-27

Family

ID=72454875

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010523608.8A Active CN111682529B (zh) 2020-06-10 2020-06-10 一种基于节点电价信息的移动储能车灵活调度方法

Country Status (1)

Country Link
CN (1) CN111682529B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112636330A (zh) * 2020-12-02 2021-04-09 上海交通大学 一种基于用户贡献行为的综合能源系统调峰方法
CN112967085A (zh) * 2021-02-20 2021-06-15 天津大学 日前市场节点边际电价的确定方法及其确定系统
CN114228765A (zh) * 2021-12-21 2022-03-25 西南交通大学 一种基于时刻表调整的车载储能设备配置方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544655A (zh) * 2013-10-18 2014-01-29 国家电网公司 一种含微电网的区域配电网分层优化方法
CN104935017A (zh) * 2015-05-19 2015-09-23 同济大学 基于改进轻鲁棒优化模型的风电与火电机组组合方法
CN107171367A (zh) * 2017-05-19 2017-09-15 山东大学 风电与储能系统互补下的火电机组组合优化决策方法
CN109245091A (zh) * 2018-09-27 2019-01-18 东南大学 一种面向售电公司的双层策略调度方法
CN109347100A (zh) * 2018-11-26 2019-02-15 国网四川省电力公司经济技术研究院 提升风电场综合性能的混合储能系统优化配置方法
CN110571795A (zh) * 2019-08-26 2019-12-13 国网吉林省电力有限公司电力科学研究院 一种储能单元在高风力渗透电力系统中的布置方法
CN110676870A (zh) * 2019-04-30 2020-01-10 国网新疆电力有限公司经济技术研究院 一种适用于风电并网的混合储能容量配置方法
CN110729766A (zh) * 2019-09-27 2020-01-24 国网河北省电力有限公司 一种多区域电-气综合能源系统分布式鲁棒优化方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544655A (zh) * 2013-10-18 2014-01-29 国家电网公司 一种含微电网的区域配电网分层优化方法
CN104935017A (zh) * 2015-05-19 2015-09-23 同济大学 基于改进轻鲁棒优化模型的风电与火电机组组合方法
CN107171367A (zh) * 2017-05-19 2017-09-15 山东大学 风电与储能系统互补下的火电机组组合优化决策方法
CN109245091A (zh) * 2018-09-27 2019-01-18 东南大学 一种面向售电公司的双层策略调度方法
CN109347100A (zh) * 2018-11-26 2019-02-15 国网四川省电力公司经济技术研究院 提升风电场综合性能的混合储能系统优化配置方法
CN110676870A (zh) * 2019-04-30 2020-01-10 国网新疆电力有限公司经济技术研究院 一种适用于风电并网的混合储能容量配置方法
CN110571795A (zh) * 2019-08-26 2019-12-13 国网吉林省电力有限公司电力科学研究院 一种储能单元在高风力渗透电力系统中的布置方法
CN110729766A (zh) * 2019-09-27 2020-01-24 国网河北省电力有限公司 一种多区域电-气综合能源系统分布式鲁棒优化方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112636330A (zh) * 2020-12-02 2021-04-09 上海交通大学 一种基于用户贡献行为的综合能源系统调峰方法
CN112636330B (zh) * 2020-12-02 2023-01-10 上海交通大学 一种基于用户贡献行为的综合能源系统调峰方法
CN112967085A (zh) * 2021-02-20 2021-06-15 天津大学 日前市场节点边际电价的确定方法及其确定系统
CN114228765A (zh) * 2021-12-21 2022-03-25 西南交通大学 一种基于时刻表调整的车载储能设备配置方法

Also Published As

Publication number Publication date
CN111682529B (zh) 2023-10-27

Similar Documents

Publication Publication Date Title
Zia et al. Microgrids energy management systems: A critical review on methods, solutions, and prospects
Yang et al. Real-time demand side management for a microgrid considering uncertainties
Zhang et al. Robustly coordinated operation of a multi-energy microgrid with flexible electric and thermal loads
Rabiee et al. Optimal operation of microgrids through simultaneous scheduling of electrical vehicles and responsive loads considering wind and PV units uncertainties
Zandrazavi et al. Stochastic multi-objective optimal energy management of grid-connected unbalanced microgrids with renewable energy generation and plug-in electric vehicles
Gong et al. Demand responsive charging strategy of electric vehicles to mitigate the volatility of renewable energy sources
Zhao et al. Distributed model predictive control strategy for islands multimicrogrids based on noncooperative game
He et al. A bi-layer optimization based temporal and spatial scheduling for large-scale electric vehicles
Zhou et al. Robust energy scheduling in vehicle-to-grid networks
Haddadian et al. Security-constrained power generation scheduling with thermal generating units, variable energy resources, and electric vehicle storage for V2G deployment
Yang et al. A comprehensive review on electric vehicles integrated in virtual power plants
Alabi et al. Improved hybrid inexact optimal scheduling of virtual powerplant (VPP) for zero-carbon multi-energy system (ZCMES) incorporating Electric Vehicle (EV) multi-flexible approach
Li et al. An energy efficient solution: Integrating plug-in hybrid electric vehicle in smart grid with renewable energy
CN111682529A (zh) 一种基于节点电价信息的移动储能车灵活调度方法
Alfaverh et al. Optimal vehicle-to-grid control for supplementary frequency regulation using deep reinforcement learning
Varzaneh et al. Optimal energy management for PV‐integrated residential systems including energy storage system
He et al. Optimal integration of Vehicle to Building (V2B) and Building to Vehicle (B2V) technologies for commercial buildings
KR20210100699A (ko) 하이브리드 발전소
Maulik Probabilistic power management of a grid-connected microgrid considering electric vehicles, demand response, smart transformers, and soft open points
Ghahramani et al. Optimal energy and reserve management of the electric vehicles aggregator in electrical energy networks considering distributed energy sources and demand side management
Bagherzadeh et al. Optimal allocation of electric vehicle parking lots and renewable energy sources simultaneously for improving the performance of distribution system
Shafiekhani et al. Integration of electric vehicles and wind energy in power systems
Hasan et al. Economic dispatch at peak load using load reduction for smart grid network
Mahmud et al. Rebound behaviour of uncoordinated EMS and their impact minimisation
Luo et al. Review on coordination and planning of active distribution network

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