CN112001517A - 一种基于云计算的智能电网预测方法 - Google Patents

一种基于云计算的智能电网预测方法 Download PDF

Info

Publication number
CN112001517A
CN112001517A CN201911227075.2A CN201911227075A CN112001517A CN 112001517 A CN112001517 A CN 112001517A CN 201911227075 A CN201911227075 A CN 201911227075A CN 112001517 A CN112001517 A CN 112001517A
Authority
CN
China
Prior art keywords
time
micro
grid
cloud computing
demand
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911227075.2A
Other languages
English (en)
Inventor
王强
李一鹏
刘文宗
杨立波
周联友
潘建华
马斌
刘佳
王晓蔚
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.)
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Beijing Kedong Electric Power Control System Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Beijing Kedong Electric Power Control System Co Ltd
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 State Grid Corp of China SGCC, State Grid Hebei Electric Power Co Ltd, Beijing Kedong Electric Power Control System Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911227075.2A priority Critical patent/CN112001517A/zh
Publication of CN112001517A publication Critical patent/CN112001517A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • 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
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

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

Abstract

本发明公开了一种基于云计算的智能电网预测方法，所述方法如下：通过将微电网的实时电力供需信息发送到云端，在云计算环境预测每个微电网的实时状态；能源预测的成本由数据的上传、下载和计算的成本组成，基于云计算的微电网优化目标为最小化计算成本。本发明最大限度减少了微电网工作过程中的能量浪费与二氧化碳排放，实现绿色的电网通信。本发明在降低能耗与减少二氧化碳排放方面都表现出显著的有效性，同时还最小化了能量预测过程中的通信传输。

Description

一种基于云计算的智能电网预测方法
技术领域
本发明属于智能电网领域，具体涉及一种基于云计算的智能电网预测方法。
背景技术
智能电网中的双向通信网络有助于实现电网中实时供需信息的交换，达成供需的平衡。其中，微电网系统是双向通信网络中的重要组成部分。微电网以分布式工作的方式从可再生或不可再生能源向终端用户分配电力，协调供需两端。当电力需求高于供应时，微电网可以从其他微电网“购买”电力，同时，当供电量大于实际需求量时，微电网可以向其他微电网“出售”电力。通过这样的调配机制，微电网之间可以实现有效协作，建立起稳定的智能电网体系。但另一方面，微电网需要通过专用服务器处理实时信息。而在智能电网中，对供需动态变化信息的实际计算必须依赖于获取相应的动态资源。因此，微电网需要与其他微电网持续通信以对能量信息进行预测，这大幅增加了电网整体的通信开销和能量损耗。并且，现有基础设施也可能无法支撑微电网对智能电网供需变化的即时动态响应。因此，为了提供可靠且经济的能源服务，需要在智能电网中建立有效的能源预测机制。随着计算机技术的发展，以软件即服务(Software as a Service，SaaS)，平台即服务(Platform as aService，PaaS)与基础设施即服务(Infrastructure as a Service，IaaS)三种服务模式为基础的云计算应用程序有望充分支撑智能电网的这一需求。此外，云计算架构还可以为应用程序的实时计算合理地分配动态资源。已有相关文献中对云计算在智能电网管理的多个方面，如需求响应，定价策略和负载均衡上进行了探索。
已有文献中讨论了多种基于云计算的智能电网能源和信息管理方案。云计算在电网智能化进程中发挥了巨大作用，基于云计算的电网管理也在实践中被证明一种经济有效的解决方案。在基于云计算的信息管理中，实时信息在云端进行存储和处理，可以显著降低电网数据的利用成本，在充分发挥数据价值的同时，也提升了电网企业的经济效益。在数据云模型中，云计算资源可用于智能电表的数据处理。智能电表将实时需求信息发送到微电网系统，然后将信息发送到云端进行处理。云计算平台对微电网提出的需求作出相应，高效准确地指导微电网之间的能量交换过程。微电网的能量负载平衡称为“能量云”(energycloud)，即在智能电网中通过云计算以实现最优响应路由，从而为用户建立最佳的电力输送流。通过适当的路由设计可以实现最优功率流，因此云计算技术在智能电网的负载均衡中也有极大潜力。
现有相关工作均考虑到利用云计算框架进行智能电网的信息管理，但忽视了微电网之间的能量交换。本发明提出考虑智能电网中的这一重要过程并用于电网状态的实时预测，在降低能耗上对电网作出优化。
发明内容
针对背景技术中的问题，本发明提出了一种基于云的智能电网能源预测方法，以实现绿色节能的智能电网通信策略。通过将微电网的实时电力供需信息发送到云端，在云计算环境中对合理的调配方案进行评估。
为了实现上述目的，本发明的具体技术方案如下：
一种基于云计算的智能电网预测方法，其特征在于，所述方法如下：
通过将微电网的实时电力供需信息发送到云端，在云计算环境预测每个微电网的实时状态；能源预测的成本由数据的上传、下载和计算的成本组成，基于云计算的微电网优化目标为最小化计算成本，即最小化
Figure BDA0002302540080000021
约束条件为
Figure BDA0002302540080000022
Figure BDA0002302540080000023
Figure BDA0002302540080000024
其中，D(t)表示从微电网获得的数据量的大小，Dc(t)表示云端处理的数据量的大小；pu(t)，pd(t)与pc(t)分别表示上传、下载和计算数据的实时价格；B(t)表示一二进制变量，用于确认微电网中的数据是否亿上传至云计算平台中；
假设系统中共有M个微电网，考虑整个系统的预测成本的优化，上述优化问题可重写为如下的整体优化问题
Figure BDA0002302540080000031
此时的约束条件为
Figure BDA0002302540080000032
Figure BDA0002302540080000033
Figure BDA0002302540080000034
其中，i表示第i个用户，t表示在t时刻。
作为一种优选的方案，只将高峰时段和非高峰时段的微电网的实时电力供需信息发送到云端，在高峰时段和非高峰时段的状态进行预测，将这一策略表示为：
Figure BDA0002302540080000035
其中
Figure BDA0002302540080000036
阈值χth为用于最优预测时的供需之差；Sj,t为时刻t时第j个基站的供应量，xi,t表示第i个用户在t时刻的能源需求量。
微电网的数据上传由B(i,t)约束，在高峰时段与非高峰时段，由于供需之间的差异大于阈值χth，此时B(i,t)为1；而在普通时段，供需之间的差异小于阈值，此时B(i,t)为0。
本发明的有益效果在于：
本发明提出了一种基于云计算的预测方法，最大限度减少了微电网工作过程中的能量浪费与二氧化碳排放，实现绿色的电网通信。同时，为预测技术提出最优策略，进一步降低能耗。实验结果表明，该方案在降低能耗与减少二氧化碳排放方面都表现出显著的有效性，同时还最小化了能量预测过程中的通信传输。
本发明的优势在于：
(1)充分利用云计算在计算能力与存储能力上的提升，实现电网状态的即时预测；
(2)提出最优策略最大限度地降低与预测过程相关的能耗和二氧化碳排放，实现绿色经济的电网体系。
附图说明
图1为基于云计算的智能电网预测方案架构。
图2为微电网不同状态小时数示意图。
图3为不同方案下的微电网能耗示意图。
图4为不同方案下的微电网二氧化碳排放量比较示意图。
具体实施方式
下面结合附图以及实施例，对本发明的具体实施方案作详细的阐述。需要说明的是，在不存在冲突的情况下，实施例及其中的技术特征可相互组合。
本发明提出了一种基于云的智能电网能源预测方案，以实现绿色节能的智能电网通信策略。通过将微电网的实时电力供需信息发送到云端，在云计算环境中对合理的调配方案进行评估。进一步地，本发明还提出了一种将实时供需信息上传到云端的最优方案，这一方案可以最大限度地提高微电网的作用，同时充分降低预测过程中的能量消耗。根据实时的能源供需情况，本发明将微电网的状态区分为高峰时段(on-peak)，普通时段(mid-peak)与非高峰时段(off-peak)。由于预测基于实时状态，因此该预测方案可以同时考虑能量信息与微电网的能量交换过程。
系统架构：
假设在智能电网系统中存在M个微电网，所有微电网的集合由M表示，即M＝{1,2,…,M}。此外，假设特定的微电网提供服务的住宅和电动车等设备等总数量为N，将所有用户记为N＝{1,2,…,N}。插电式电动车(plug-in electric vehicles,PEVs)等设备根据实时状态在智能电网中对电池进行充电或放电。图1展示了基于云计算的智能电网预测方案架构，包括发电基站、微电网、用户以及云计算平台。其中实线表示输电线路，虚线表示网络通信链路。
用户通过微电网发送自身能源需求，并经过微电网的实时能量交换接受到相应的服务。实际的智能电网中会涉及大量的设备和用户，因此微电网通过云服务器对实时地对状态进行预测，而不需要相互之间直接进行通信，既可发挥云端在计算能力上对优势，又可为用户提供更可靠的能源服务。
优化问题定义：
如背景技术所述，微电网同时利用可再生与不可再生能源为用户提供电力。通常情况下，微电网会先尽可能利用可再生能源来满足用电需求，剩余的需求则由不可再生能源提供，同时保持一定的容量限制。因此，微电网的目标是最小化实时供需之间的差异，以便最大化经济效益，即最小化
Figure BDA0002302540080000051
约束条件为Sj,t≥0 (2)
Figure BDA0002302540080000052
其中G表示可再生与不可再生能源的总量，Sj,t为时刻t时第j个基站的供应量，xi,t表示第i个用户在t时刻的能源需求量。Sj,t恒正说明任意时刻的供应总是不低于零的，另一方面，实时需求xi,t可以是任何实数值。当某个用户i的需求量为正时，表示该客户从微电网中消耗能量，若需求量为负，则表明该客户输出能量回至电网(例如电动车电池的放电过程)。
预测成本：
微电网将其实信息发送到云端，以便预测每个微电网的实时状态。因此，能源预测的成本由数据的上传、下载和计算的成本组成。故基于云计算的微电网优化目标是最小化计算成本，即最小化
Figure BDA0002302540080000053
约束条件为
Figure BDA0002302540080000054
Figure BDA0002302540080000055
Figure BDA0002302540080000056
其中D(t)是从微电网获得的数据量的大小，Dc(t)为云端处理的数据量的大小。pu(t)，pd(t)与pc(t)分别表示上传、下载和计算数据的实时价格。B(t)为一二进制变量，用于确认微电网中的数据是否亿上传至云计算平台中。约束条件说明所有实时价格都是有界变量，因此具有最小值和最大值。
如系统架构部分所述，系统中共有M个微电网，考虑整个系统的预测成本的优化，上述优化问题可重写为如下的整体优化问题
Figure BDA0002302540080000061
此时的约束条件为
Figure BDA0002302540080000062
Figure BDA0002302540080000063
Figure BDA0002302540080000064
出于简单考虑，本发明将忽略不同微电网的在实时价格(例如上传，下载和计算数据的价格)上的差异，因为实时供应和需求可能在任何时刻都不相等。
最优决策方案：
根据上面的讨论，能源的实时预测成本取决于价格和信息量等因素，这些因素都影响了是否将数据上传到云端用于预测的决策。根据用电需求量，微电网中通常有三种不同的负载状态：高峰时段、普通时段和非高峰时段。在高峰时段，用户的用电需求高于供应量。而在普通时段和非高峰时段，用户的需求低于平均值。因此在高峰时段，微电网需要预测其能量状态以便彼此协作，具有较高需求的微电网可以从具有较低需求的其他微电网调用或购买电量。在非高峰时段，用电需求较低的微电网可以向其他微电网输送或出售电量。与高峰时段和非高峰时段相比，在普通时段，对于客户的能源供应和需求是平衡的，此时微电网能稳定地为提供用电服务。因此，在高峰时段和非高峰时段的状态预测将更有意义，而无需在所有时段都进行预测，这样微电网可以避免在高峰时段产生额外能量消耗和通信开销。将这一策略表示为
Figure BDA0002302540080000065
其中
Figure BDA0002302540080000066
阈值χth为用于最优预测时的供需之差。
若不考虑状态时段，使微电网总是在任何时刻都将所有数据上传到云端，则微电网会在任意时段都产生预测成本。另一方面，若微电网的数据上传由B(i,t)约束，在高峰时段与非高峰时段，由于供需之间的差异大于阈值χth，故此时B(i,t)为1。而在普通时段，供需之间的差异小于阈值，故此时B(i,t)为0。
因此，微电网的最佳能量预测成本总是小于或等于不考虑时段时的预测成本，即
Figure BDA0002302540080000071
实验结果与分析
(1)微电网状态时段
通过仿真，实验分析了微电网各种状态的持续时间。图2说明了72小时的仿真时间内不同微电网的三种状态所占的时间长度。此处根据实时供应和需求为微电网选择不同的峰值小时数。从图中可以看出，每个微电网都有不同长度的高峰时段、普通时段和非高峰时段，具体分布情况取决于微电网本身的工作特性。
(2)微电网能耗
图3记录了各个微电网在智能电网环境中用于能源预测所消耗的能量。本发明使用两种不同的无线局域网卡计算微电网的能耗：Lucent WaveLan Card和Cisco AironetPC4800(数据传输速率1Mbps)。表中w/o-cloud，C与CO分别表示无云方案，基于云计算的方案与本发明提出的基于云计算的最优方案。结果表明，本发明方案在降低微电网能耗方面具有明显优势。
(3)二氧化碳排放
为说明方案在构建绿色电网上的意义，本发明进一步比较了是否基于云计算预测时的微电网二氧化碳排放量，如图4。结果表明，相比于传统方案，基于云计算的智能电网预测大幅降低了二氧化碳排放，对于绿色环保的电网体系建立有重要意义。

Claims (2)

1.一种基于云计算的智能电网预测方法，其特征在于，所述方法如下：
通过将微电网的实时电力供需信息发送到云端，在云计算环境预测每个微电网的实时状态；能源预测的成本由数据的上传、下载和计算的成本组成，基于云计算的微电网优化目标为最小化计算成本，即最小化
Figure FDA0002302540070000011
约束条件为
Figure FDA0002302540070000012
Figure FDA0002302540070000013
Figure FDA0002302540070000014
其中，D(t)表示从微电网获得的数据量的大小，Dc(t)表示云端处理的数据量的大小；pu(t)，pd(t)与pc(t)分别表示上传、下载和计算数据的实时价格；B(t)表示一二进制变量，用于确认微电网中的数据是否亿上传至云计算平台中；
假设系统中共有M个微电网，考虑整个系统的预测成本的优化，上述优化问题可重写为如下的整体优化问题
Figure FDA0002302540070000015
此时的约束条件为
Figure FDA0002302540070000016
Figure FDA0002302540070000017
Figure FDA0002302540070000018
其中，i表示第i个用户，t表示在t时刻。
2.根据权利要求1所述的基于云计算的智能电网预测方法，其特征在于，只将高峰时段和非高峰时段的微电网的实时电力供需信息发送到云端，在高峰时段和非高峰时段的状态进行预测，将这一策略表示为：
Figure FDA0002302540070000019
其中
Figure FDA0002302540070000021
阈值χth为用于最优预测时的供需之差；其中，Sj,t为时刻t时第j个基站的供应量，xi,t表示第i个用户在t时刻的能源需求量；
微电网的数据上传由B(i,t)约束，在高峰时段与非高峰时段，由于供需之间的差异大于阈值χth，此时B(i,t)为1；而在普通时段，供需之间的差异小于阈值，此时B(i,t)为0。
CN201911227075.2A 2019-12-04 2019-12-04 一种基于云计算的智能电网预测方法 Pending CN112001517A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911227075.2A CN112001517A (zh) 2019-12-04 2019-12-04 一种基于云计算的智能电网预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911227075.2A CN112001517A (zh) 2019-12-04 2019-12-04 一种基于云计算的智能电网预测方法

Publications (1)

Publication Number Publication Date
CN112001517A true CN112001517A (zh) 2020-11-27

Family

ID=73461400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911227075.2A Pending CN112001517A (zh) 2019-12-04 2019-12-04 一种基于云计算的智能电网预测方法

Country Status (1)

Country Link
CN (1) CN112001517A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116186120A (zh) * 2023-04-18 2023-05-30 山西维云数智科技有限公司 一种能源数据采集分析数据库系统及数据存储方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116186120A (zh) * 2023-04-18 2023-05-30 山西维云数智科技有限公司 一种能源数据采集分析数据库系统及数据存储方法
CN116186120B (zh) * 2023-04-18 2023-07-18 山西维云数智科技有限公司 一种能源数据采集分析数据库系统及数据存储方法

Similar Documents

Publication Publication Date Title
Khalkhali et al. Multi-stage stochastic framework for simultaneous energy management of slow and fast charge electric vehicles in a restructured smart parking lot
Yang et al. An optimal battery allocation model for battery swapping station of electric vehicles
CN107069791A (zh) 一种考虑工业园区与工厂互动的综合需求响应方法
CN108448567B (zh) 一种电动汽车代理商参与能量和调频市场的智能控制系统
CN117895513B (zh) 基于电力交易分析的电网调控方法、系统、设备及介质
US9450417B2 (en) Method for efficiency-driven operation of dispatchable sources and storage units in energy systems
CN112001517A (zh) 一种基于云计算的智能电网预测方法
Zhang et al. A novel large-scale EV charging scheduling algorithm considering V2G and reactive power management based on ADMM
CN108321916A (zh) 一种具有能量协作功能的基站及能量协作方法
CN112434446A (zh) 一种基于全寿命周期的分布式储能经济性评估方法
Minhas et al. Real-time power balancing in photovoltaic-integrated smart micro-grid
CN111047227B (zh) 基于两阶段的能量和业务时空匹配的鲁棒能量调度方法
CN115081758A (zh) 一种面向协调数据中心与电网的计算转移需求响应系统
CN114683908B (zh) 换电站的换电能力评估方法、系统、电子设备和介质
CN114330999A (zh) 一种基于云储能系统的虚拟电网资源匹配方法
CN112491067A (zh) 一种基于复合储能的主动配电网容量配置方法
CN114326600A (zh) 一种能源调度系统、装置及方法
KR20210063989A (ko) 스마트 그리드에서 p2p 프로슈머 커뮤니티의 지능형 사전 에너지 공유 스케줄링 방법
Yang et al. Distribution Network Congestion Management with Internet Data Centers Using Bi-level Programming
CN115149550B (zh) 计及备电可靠性的5g融合配电网在线储能调度方法及系统
Ma et al. Green Base Station Battery Dispatchable Capacity Modeling and Optimization
CN117081059B (zh) 一种充换电站集群优化控制方法、装置、设备及介质
CN117973098B (zh) 一种基于可拆分优化模型的储能控制策略优化方法和系统
CN117217920B (zh) 一种储能交易数据处理方法、装置和存储介质
Wajdi et al. Stochastic modeling and optimization of Electric Vehicle autonomous photovoltaic charging Station

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20201127

WD01 Invention patent application deemed withdrawn after publication