CN112054555A - 一种电网运行监测与源网荷储的智能协同控制方法及系统 - Google Patents
一种电网运行监测与源网荷储的智能协同控制方法及系统 Download PDFInfo
- Publication number
- CN112054555A CN112054555A CN202010877034.4A CN202010877034A CN112054555A CN 112054555 A CN112054555 A CN 112054555A CN 202010877034 A CN202010877034 A CN 202010877034A CN 112054555 A CN112054555 A CN 112054555A
- Authority
- CN
- China
- Prior art keywords
- cooperative control
- power grid
- data
- operation monitoring
- algorithm
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000002245 particle Substances 0.000 claims abstract description 59
- 239000002131 composite material Substances 0.000 claims abstract description 41
- 230000003993 interaction Effects 0.000 claims abstract description 28
- 230000000007 visual effect Effects 0.000 claims abstract description 13
- 238000010248 power generation Methods 0.000 claims description 16
- 238000004146 energy storage Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 abstract description 18
- 238000011217 control strategy Methods 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 description 18
- 238000009826 distribution Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 9
- 239000003795 chemical substances by application Substances 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000002195 synergetic effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000002079 cooperative effect Effects 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 230000005428 wave function Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- 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
- 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
- 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
- H02J13/00006—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
-
- 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
- H02J3/46—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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
-
- 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
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/28—The renewable source being wind 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- 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
- Y04S10/14—Energy storage units
-
- 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
-
- 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
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Automation & Control Theory (AREA)
- Water Supply & Treatment (AREA)
- Biophysics (AREA)
- Fuzzy Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种电网运行监测与源网荷储的智能协同控制方法及系统。建立一个电网系统运行监测平台，其结构主要分成数据交互与获取模块以及运行状态监控模块，两者结合起来增强了系统数据的阅读性和可操作性。将平台所监测数据通过模糊理论、量子行为粒子群算法以及一致性算法的复合智能算法进行计算和分析，智能匹配最佳的协同控制策略，从而实现对系统的动态调节。平台中数据能够通过可视化输出终端全面而直观的显示，最终计算出复合智能协同控制单元的最优结果，包括负荷曲线、电厂出力、边际成本等信息，具备智能协同控制方案的下载和保存功能。该方法及系统可提高电网调控人员的工作效率和系统运行效率，为实现电网智能化运行和管理的科学化提供思路。
Description
技术领域
本发明属于智能配电网技术领域，具体涉及一种电网运行监测与源网荷储的智能协同控制方法及系统。
背景技术
随着国家出台一系列相关政策促进新能源发展，进一步引领电力电子技术等新兴技术与产业发展，特高压、储能、抽水蓄能、综合能源、增量配电等技术迅速发展。分布式电源(distributed generation,DG)作为可再生能源发电的重要组成部分也得到了越来越多的重视，《分布式发电管理暂行办法》等能源政策激励发展风电、光伏发电等分布式能源发电，实现太阳能、风能等间歇性能源的集成和互补。电力系统供电模式从单一能源供应侧转化为“源荷互动”复杂多边模式，进而满足可再生能源大规模并网、输送以及消纳，同时也给电网安全和可靠的运行带来了挑战。
在分布式电源接入配电网之前，传统配电网主要作用是将输电网输送的电能分配给电力用户，其呈现为以受电为主的负荷形式的网络，潮流方向自上而下较为单一。随着分布式电源接入配电网侧渗透率日趋增高，配电网成为了有源网络，不仅承担电能的配送，还需承担分布式电源出力的配出，而其潮流方向就随着分布式电源的占比和发电模式而在不同时段呈现不确定性，使得配电系统的运行调控更加复杂。可再生能源存在不确定性和间歇性，并网后将影响用电侧连续、可靠用电，传统的优化方法也已经无法满足实际需求。因此，充分发挥多种电源、电网平台、负荷之间的特点，借助电网和负荷控制的灵活性、电源之间互补性、储能的可调性，达到“源-网-荷-储”动态调节和相互协调，提升负荷和电源之间稳定供应抵抗风险能力，见图1。然而目前主要是针对其中单个或部分因素的协同作用进行了研究，综合分析“源-网-荷-储”多个因素的协同控制策略仍鲜有研究。因此，亟待研究一种方法通过对各类数据进行监控，进而能够有效对“源-网-荷-储”进行协同调控，从而提高电力系统的功率动态平衡能力。
发明内容
本发明的目的在于解决目前由于可再生能源以及储能装置的大规模并网所造成的电力系统不稳定及并网效率不足等问题，提供一种电网运行监测与源网荷储的智能协同控制方法及系统，有效提高各因素间的协同作用，进而使电网运行效率得到优化提升。
为实现上述目的，本发明的技术方案是：一种电网运行监测与源网荷储的智能协同控制方法，包括如下步骤：
步骤S1、建立一电网系统运行监测平台，通过与不同监测系统进行数据交互，获取电网系统运行监测数据；
步骤S2、设计复合智能协同控制单元，复合智能协同控制单元利用模糊算法、粒子群算法及一致性算法相结合的复合智能算法，对获取的电网系统运行监测数据进行计算与分析，进而产生对应的智能协同控制方案，并根据智能协同控制方案对系统运行方案进行循环修正；
步骤S3、设计可视化输出终端，直观显示电网系统运行监测平台获取的实时数据，并生成复合智能协同控制单元所得出的智能协同控制方案以及输出系统协同控制后的全过程综合评价。
在本发明一实施例中，所述电网系统运行监测平台包括数据交互与获取模块、运行状态监控模块；所述数据交互与获取模块用于获取能源侧数据、负荷侧数据、储能系统数据、电网运行情况，所述运行状态监控模块用于获取电厂发电数据、负荷特征、用户用能信息、储能系统信息。
在本发明一实施例中，所述复合智能算法是先利用模糊算法将电网系统运行监测数据中相同系统相同位置需要同步展开协调优化的不同类别的控制对象用向量的方式整合成一个粒子，而后再利用粒子群算法进行优化得到协调优化策略，最后，通过一致性算法对协调优化策略进一步改进，得到智能协同控制方案。
本发明还提供了一种电网运行监测与源网荷储的智能协同控制系统，包括：
电网系统运行监测平台，通过与不同监测系统进行数据交互，获取电网系统运行监测数据；
复合智能协同控制单元，利用模糊算法、粒子群算法及一致性算法相结合的复合智能算法，对获取的电网系统运行监测数据进行计算与分析，进而产生对应的智能协同控制方案，并根据智能协同控制方案对系统运行方案进行循环修正；
可视化输出终端，直观显示电网系统运行监测平台获取的实时数据，并生成复合智能协同控制单元所得出的智能协同控制方案以及输出系统协同控制后的全过程综合评价。
在本发明一实施例中，所述电网系统运行监测平台包括数据交互与获取模块、运行状态监控模块；所述数据交互与获取模块用于获取能源侧数据、负荷侧数据、储能系统数据、电网运行情况，所述运行状态监控模块用于获取电厂发电数据、负荷特征、用户用能信息、储能系统信息。
在本发明一实施例中，所述复合智能算法是先利用模糊算法将电网系统运行监测数据中相同系统相同位置需要同步展开协调优化的不同类别的控制对象用向量的方式整合成一个粒子，而后再利用粒子群算法进行优化得到协调优化策略，最后，通过一致性算法对协调优化策略进一步改进，得到智能协同控制方案。
相较于现有技术，本发明具有以下有益效果：
1、本发明建立的电网系统运行监测平台，能够对电网系统中用户的全部用能信息及能源供应侧的基础数据进行采集，还能通过可视化界面能够实时查看相关信息，也能查询历史数据，大大增加了系统数据的阅读性和可操作性，让电网人员能够及时掌握系统运行情况；
2、本发明提出的综合考虑源网荷储的智能协同控制方法，充分利用“源-网-荷-储”4个因素间的基础特性和互动特性，智能构建动态协调最佳调度策略，为电网调度人员提供辅助决策；
3、本发明应用于电网系统运行监测和调控时，不仅能够提高监控效率，还能够有效提高各因素间的协同作用，促进能源利用率极大提升和带动社会经济效益，提高电力系统的功率动态平衡能力、运行效率以及系统的智能控制。
附图说明
图1为“源-网-荷-储”协同调节模式。
图2为本发明电网运行监测与源网荷储的智能协同控制方法及系统实施流程图。
图3为数据交互与获取模块结构图。
图4为运行状态监控模块的实施流程图。
图5为复合智能协同控制单元实施流程图。
图6为粒子群优化算法寻优流程图。
图7为模糊算法基本结构图。
图8为隶属函数关系图。
图9为一致性算法的框图。
图10为数据可视化输出终端界面。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
本发明提供了一种电网运行监测与源网荷储的智能协同控制方法，包括如下步骤：
步骤S1、建立一电网系统运行监测平台，通过与不同监测系统进行数据交互，获取电网系统运行监测数据；
步骤S2、设计复合智能协同控制单元，复合智能协同控制单元利用模糊算法、粒子群算法及一致性算法相结合的复合智能算法，对获取的电网系统运行监测数据进行计算与分析，进而产生对应的智能协同控制方案，并根据智能协同控制方案对系统运行方案进行循环修正；
步骤S3、设计可视化输出终端，直观显示电网系统运行监测平台获取的实时数据，并生成复合智能协同控制单元所得出的智能协同控制方案以及输出系统协同控制后的全过程综合评价。
本发明还提供了一种电网运行监测与源网荷储的智能协同控制系统，包括：
电网系统运行监测平台，通过与不同监测系统进行数据交互，获取电网系统运行监测数据；
复合智能协同控制单元，利用模糊算法、粒子群算法及一致性算法相结合的复合智能算法，对获取的电网系统运行监测数据进行计算与分析，进而产生对应的智能协同控制方案，并根据智能协同控制方案对系统运行方案进行循环修正；
可视化输出终端，直观显示电网系统运行监测平台获取的实时数据，并生成复合智能协同控制单元所得出的智能协同控制方案以及输出系统协同控制后的全过程综合评价。
所述电网系统运行监测平台包括数据交互与获取模块、运行状态监控模块；所述数据交互与获取模块用于获取能源侧数据、负荷侧数据、储能系统数据、电网运行情况，所述运行状态监控模块用于获取电厂发电数据、负荷特征、用户用能信息、储能系统信息。
所述复合智能算法是先利用模糊算法将电网系统运行监测数据中相同系统相同位置需要同步展开协调优化的不同类别的控制对象用向量的方式整合成一个粒子，而后再利用粒子群算法进行优化得到协调优化策略，最后，通过一致性算法对协调优化策略进一步改进，得到智能协同控制方案。
以下为本发明的具体实现过程。
本发明的一种电网运行监测与源网荷储的智能协同控制方法及系统，主要包含了建立的系统运行监测平台对用户用能信息和能源供应侧基础数据等进行监测与采集、设计的复合智能协同控制单元对系统“源-网-荷-储”进行协同控制以及设计数据可视化终端，具体实施流程如图2 所示。
首先，建立电网系统运行监测平台，通过与不同监测系统进行数据交互，获取用户用能信息、能源供应侧数据以及电网运行情况，其结构主要有数据交互与获取模块以及运行状态监控模块，此外还有可视化界面能够实时查看相关信息。该平台增强了系统数据的阅读性和可操作性，让电网调度及有关人员及时掌握系统运行情况的变化。
然后，设计复合智能协同控制单元，该单元是利用模糊算法对传统粒子群算法进行改进，并结合一致性算法的复合方法，该单元通过获取电网系统运行监测数据，再利用复合智能方法对相关信息进行计算与分析，进而产生对应的智能协同控制方案，并根据方案对系统运行方案进行循环修正。
最后，设计可视化输出终端，能够直观显示系统运行监测平台获取的实时数据，并生成复合智能单元所得出的智能协同控制方案以及输出系统协同控制后的全过程综合评价，让电网调控人员迅速掌握重要信息，从容、有针对性做出应对策略。
具体的，本发明一种电网运行监测与源网荷储的智能协同控制方法及系统设计，包括：电网系统运行监测管理系统、复合智能协同控制方法以及可视化输出终端等进行设计，其具体的实施步骤如下：
步骤1：建立一个电网系统运行监测管理平台，增强了系统数据的阅读性和可操作性，该管理平台包括：数据交互与获取模块以及运行状态监控模块。建立的电网系统运行监测管理平台能够通过数据传输至数据库，并可通过可视化窗口查看。
(1)数据交互与获取模块
数据对接与采集模块主要由后台系统、传输通道以及采集终端构成。该模块主要功能是对源-网-荷-储各部分数据进行监控及获取，主要包括电源侧数据有风力发电、水能发电、核能发电等能源侧数据，负荷侧数据有用户全部用能信息及能源要求，储能系统数据则是能源资源的多种仓储设施和储备方案以及电网运行实时情况等相关信息，其结构如图3所示。
后台系统为整个系统的指挥中心，是运行监测管理平台的中枢，承担了外部交互、计算与分析数据、管理采集终端及维护系统等功能。后台系统与采集终端间是通过传输通道实现信息传送与连接的，后台系统通过传输通道的信息传递来向采集终端发布信息及请求数据读取的，采集终端则通过传输通道将获取信息传输至后台系统。只有传输通道能够有效且稳定的工作，整个系统的运行才能有保障。随着通信技术、计算机技术的日益完善，系统通信通道也有了快速的发展且有了很好地应用效果，主要采用专网通信的方式，其稳定且可靠。
(2)运行状态监控模块
运行状态监控模块是通过与源-网-荷-储各部分的后台数据管理系统进行交互获取其运行状态，主要获取数据包括：电厂发电数据、负荷特征、用户用能信息、储能系统的仓储情况以及电网运行的实时状况等，其结构如图4所示。该模块将所有监控的数据进行记录，并传输至电力系统内部网络日志、数据信息库，以便相关人员随时随地进行查询。
步骤2：依托上述的电网系统运行监测平台将其数据源，通过把数据信息传输至复合智能协同控制单元，利用该单元的复合智能算法对系统的各类数据进行深入计算分析，进而匹配最佳的协同控制策略，并提供辅助决策，大幅度提高电网调控人员的工作效率和系统运行效率。其中复合智能协同控制单元是将模糊理论、量子行为粒子群算法以及一致性算法相结合的复合智能算法，其具体流程如图5所示。
粒子群优化算法是一种进化计算技术。源于对鸟群扑食行为的研究，同遗传算法相似，是一种基于迭代的优化工具。系统初始化为一组随机解，通过迭代搜寻最优解。目前己经广泛应用于函数优化、神经网络训练、数据挖掘、模糊系统控制、电力系统以及其他的应用领域。该模型的运算单位为微粒，每个微粒代表解空间的一个候选解，解的优劣程度由适应度函数决定。
在粒子群优化算法中，每个优化问题的解是粒子在搜索空间中的位置，而粒子速度决定了粒子迭代的方向和次数，这样各个粒子就追随当前的最优粒子，并参考自身的特点在解空间中进行寻优。在初始状态中，每个粒子的位置是随机分布于解空间的，然后粒子根据个体极值和整体极值来动态调整。其中，个体极值是粒子本身找到的最优值，粒子在迭代更新过程中经历过的最佳位置和对应的目标函数值，并记录粒子在当前得到的最佳目标函数值。当进行第N次迭代后，粒子将本次所得函数值与当前最优目标函数值相比较，如果本次所得函数值较优，则更新该粒子的最佳位置和当前最优目标函数值，否则不更新；整体极值是整个种群目前找到的全局最优值，记录当前群体中所有粒子所经过的最佳位置，此时函数值为当前最优目标函数值。
量子行为粒子群算法遵循算法的思想，粒子的状态在量子空间中不再用位置矢量和速度矢量表示，而是用波函数来描述。由于粒子的位置和速度不能同时精确测定，因此可以不考虑速度，而在空间表象中考查粒子。粒子出现在位置的概率就由概率密度函数表示，而不限于既定的轨道函数。其粒子情况则利用薛定谔方程中的波函数ψ(x，t)进行变现，各个粒子均能用各自的吸引子pi＝[pi1，pi2，…，pin]来收敛到一定区域，吸引子可由下式计算得到：
式中，pi,j和Pi,j分别表示第i个粒子所对应的吸引子的第j维以及第i个粒子个体最好位置的第j维。参数
是一个在[0,1]的范围内，且服从均匀分布的随机数，Gj则表示全部粒子在整体中最佳位置的第j维。粒子不断变化位置，其更新公式为：
式中：Xi,j为第i个粒子的第j维，参数u以及k均是在[0,1]范围内且服从均匀分布的随机数；α叫作收缩扩张因子，该值一般能够通过固定取值方法或着线性下降取值方法进行确定；Cj则表示全部粒子里个体平均最佳位置，其计算公式为：
式中：M为粒子的个数。
针对较为复杂的系统网络，在对同一个位置进行解空间时，可能造成出现并列的两类或者多类的优化对象，则一些特别的情况下，需要对全局最优值的展开同步搜索。比如，针对主动配电网的优化控制中，由于其网络节点数量多，并可能还包含有功设备以及无功设备，因此在通过粒子群算法进行协同作用时，将造成该算法过程更加繁琐，迭代速度缓慢、迭代次数多以及编写复杂等问题，此时无法符合全局优化的基本条件。结合模糊算法对其进行改进，把相同系统中相同位置需要同步展开协调优化的不同类别的控制对象用向量的方式整合成一个粒子。
模糊理论是对数据输入和输出之间的非线性映射。在输入和输出之间有一个交互式的过程，在这过程中执行三种控制行为模糊化、模糊推理和解模糊化，其基本结构如图7所示。主要由知识库、模糊化接口、模糊推理、解模糊接口四个部分组成。图中e表示控制输入量，E表示e 的模糊化输入量，U表示模糊输出量，u表示U的清晰化输出量。其中模糊化过程将模糊控制器输入的精确量通过模糊化方法转化为相应模糊语言变量集合；模糊推理过程将己知的推理规则和输入模糊语言变量为依据，经过模糊关系合成和模糊推理合成等逻辑运算，得到模糊系统的输出；解模糊化过程将模糊推理后得到的模糊集通过预定的解模糊方法转化为用于控制的精确量；知识库包括数据库以及规则库，从而为以上的模糊处理过程提供必要的言语变量隶属度函数、模糊推理规则库等专家知识。
针对n维K个类别的分类，其模糊分类规则的形式如下：
Rq:(x1＝Aq1)&...&(xn＝Aqn)→cs＝Cq,w＝CFq (4)
式中，参数x1、x2、…、xn表示n维模式的向量；Aqi表示模糊集对应的语言变量，CFq表示规则的置信度；Cq表示决策的分类编码，取值为1、2、…、K。针对各种基础数据展开模糊化处理后，将其输入模糊分类系统，且隶属关系如图8所示。
图8中模糊子集的隶属度等级共分为5级，从左至右依次为极低、低、正常、高、极高。令一个m维空间中，相同位置的多个不同类别的粒子同步进行更新，则其改进型的粒子定义为：
式中，a、b和c分别表示解空间内同一位置不同类别的粒子。若第i个粒子处于目前搜索到的最佳位置，则叫作个体极值；若全部粒子均处于搜索到的最佳位置则叫作分类位置。根据分类的结果，利用一致性算法进一步改进协同优化策略。
一致性算法的本质是通过本地节点与邻接节点的信息交互，更新本地节点的状态参量，使拓扑网络中各节点的状态参量收敛于稳定的共同值。
对于节点i进行分析，令ξi(t)代表节点i的一致性信息，如系统的电压、频率、电流、发电增量成本等，其中i＝{1，2，…，n}，其中n表示节点个数，t为迭代次数。在分布式系统中，各节点的一致性变量根据其邻接节点的一致性变量进行调整，随k的逐步增加，任意相邻节点的一致性变量ξi(k)、ξj(k)趋于一致，满足ξi(t)-ξj(t)趋于0时，当所有节点的状态变量在收敛条件范围内达到一致时系统收敛，一致性算法定义为：
其中：ξj(t)和ξi(t+1)分别为代理j在第t次迭代后的局部信息以及代理i在第t+1次迭代后的局部信息；Ω表示在整个信息交互过程中所涉及的总代理数；wij则表示代理i与代理j间的通信系数。转换成矩阵形式为：
ξi(t+1)＝D(t)ξ(t) (7)
其中，D(t)为状态转移矩阵。
每一个代理只使用本地的信息以及和相连的领域代理交换信息。各代理的优化步骤如下：
式中，Pmis,i(t)表示整体供给和需求失配量的局部估计；λi(t+1)为在进行第(t+1)次迭代时，代理i的边际成本；参数σ为能够调整收敛速度的步长，如果σ的值足够小，通过该一致性算法建立的系统能够不断调整，直至收敛。当在λi(t)收敛至最佳结果λ*，局部估计值Pmis,i(t)将降为0，从而达到功率平衡约束条件，该算法框图如图9所示。根据其复合智能算法对系统的各类数据进行深入计算后，匹配最佳的协同控制策略，为电网调控人员提供辅助决策，进而提高工作效率和电力系统运行效率。
步骤3：复合智能协同控制单元将计算结果传输至可视化数据输出终端，数据输出终端对计算结果进行输出，并更加直观的显示。该终端能够对接至源-网-荷-储各部分数据中间，进行实时数据获取与查看，并可以显示复合智能协同控制单元的计算结果，包括负荷曲线、电厂出力、边际成本等信息。还自动生成该单元所得出的智能协同控制方案，以附件形式提供下载为调控人员提供辅助决策。此外，还能直接通过该数据终端查看相关历史数据，网络日志信息数据库等，其面板如图10所示。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。
Claims (6)
1.一种电网运行监测与源网荷储的智能协同控制方法，其特征在于，包括如下步骤：
步骤S1、建立一电网系统运行监测平台，通过与不同监测系统进行数据交互，获取电网系统运行监测数据；
步骤S2、设计复合智能协同控制单元，复合智能协同控制单元利用模糊算法、粒子群算法及一致性算法相结合的复合智能算法，对获取的电网系统运行监测数据进行计算与分析，进而产生对应的智能协同控制方案，并根据智能协同控制方案对系统运行方案进行循环修正；
步骤S3、设计可视化输出终端，直观显示电网系统运行监测平台获取的实时数据，并生成复合智能协同控制单元所得出的智能协同控制方案以及输出系统协同控制后的全过程综合评价。
2.根据权利要求1所述的一种电网运行监测与源网荷储的智能协同控制方法，其特征在于，所述电网系统运行监测平台包括数据交互与获取模块、运行状态监控模块；所述数据交互与获取模块用于获取能源侧数据、负荷侧数据、储能系统数据、电网运行情况，所述运行状态监控模块用于获取电厂发电数据、负荷特征、用户用能信息、储能系统信息。
3.根据权利要求1所述的一种电网运行监测与源网荷储的智能协同控制方法，其特征在于，所述复合智能算法是先利用模糊算法将电网系统运行监测数据中相同系统相同位置需要同步展开协调优化的不同类别的控制对象用向量的方式整合成一个粒子，而后再利用粒子群算法进行优化得到协调优化策略，最后，通过一致性算法对协调优化策略进一步改进，得到智能协同控制方案。
4.一种电网运行监测与源网荷储的智能协同控制系统，其特征在于，包括：
电网系统运行监测平台，通过与不同监测系统进行数据交互，获取电网系统运行监测数据；
复合智能协同控制单元，利用模糊算法、粒子群算法及一致性算法相结合的复合智能算法，对获取的电网系统运行监测数据进行计算与分析，进而产生对应的智能协同控制方案，并根据智能协同控制方案对系统运行方案进行循环修正；
可视化输出终端，直观显示电网系统运行监测平台获取的实时数据，并生成复合智能协同控制单元所得出的智能协同控制方案以及输出系统协同控制后的全过程综合评价。
5.根据权利要求4所述的一种电网运行监测与源网荷储的智能协同控制系统，其特征在于，所述电网系统运行监测平台包括数据交互与获取模块、运行状态监控模块；所述数据交互与获取模块用于获取能源侧数据、负荷侧数据、储能系统数据、电网运行情况，所述运行状态监控模块用于获取电厂发电数据、负荷特征、用户用能信息、储能系统信息。
6.根据权利要求4所述的一种电网运行监测与源网荷储的智能协同控制系统，其特征在于，所述复合智能算法是先利用模糊算法将电网系统运行监测数据中相同系统相同位置需要同步展开协调优化的不同类别的控制对象用向量的方式整合成一个粒子，而后再利用粒子群算法进行优化得到协调优化策略，最后，通过一致性算法对协调优化策略进一步改进，得到智能协同控制方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010877034.4A CN112054555A (zh) | 2020-08-27 | 2020-08-27 | 一种电网运行监测与源网荷储的智能协同控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010877034.4A CN112054555A (zh) | 2020-08-27 | 2020-08-27 | 一种电网运行监测与源网荷储的智能协同控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112054555A true CN112054555A (zh) | 2020-12-08 |
Family
ID=73600633
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010877034.4A Pending CN112054555A (zh) | 2020-08-27 | 2020-08-27 | 一种电网运行监测与源网荷储的智能协同控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112054555A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113537644A (zh) * | 2021-08-23 | 2021-10-22 | 中冶赛迪技术研究中心有限公司 | 一种多空压站动态协同优化调控系统及方法 |
| CN113703649A (zh) * | 2021-08-12 | 2021-11-26 | 深圳供电局有限公司 | 一种模拟电网潮流出力及负荷的调整方法及工具 |
| CN116826976A (zh) * | 2023-08-11 | 2023-09-29 | 国网安徽省电力有限公司铜陵供电公司 | 一种配网运行自动化监管控制系统 |
| CN117060456A (zh) * | 2023-08-21 | 2023-11-14 | 深圳中保动力新能源科技有限公司 | 一种基于人工智能的储能系统控制方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003070185A (ja) * | 2001-08-28 | 2003-03-07 | Toshiba Corp | 電力変換器監視装置 |
| CN108255854A (zh) * | 2016-12-29 | 2018-07-06 | 南京南瑞继保电气有限公司 | 基于粒子群优化的模糊神经网络数据挖掘方法 |
| CN108388959A (zh) * | 2018-02-05 | 2018-08-10 | 广东电网有限责任公司东莞供电局 | 一种基于一致性算法的源网荷储协同优化方法 |
| CN109038823A (zh) * | 2018-08-15 | 2018-12-18 | 国家电网有限公司 | 分布式风光储一体化微电网智能控制系统 |
-
2020
- 2020-08-27 CN CN202010877034.4A patent/CN112054555A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003070185A (ja) * | 2001-08-28 | 2003-03-07 | Toshiba Corp | 電力変換器監視装置 |
| CN108255854A (zh) * | 2016-12-29 | 2018-07-06 | 南京南瑞继保电气有限公司 | 基于粒子群优化的模糊神经网络数据挖掘方法 |
| CN108388959A (zh) * | 2018-02-05 | 2018-08-10 | 广东电网有限责任公司东莞供电局 | 一种基于一致性算法的源网荷储协同优化方法 |
| CN109038823A (zh) * | 2018-08-15 | 2018-12-18 | 国家电网有限公司 | 分布式风光储一体化微电网智能控制系统 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113703649A (zh) * | 2021-08-12 | 2021-11-26 | 深圳供电局有限公司 | 一种模拟电网潮流出力及负荷的调整方法及工具 |
| CN113537644A (zh) * | 2021-08-23 | 2021-10-22 | 中冶赛迪技术研究中心有限公司 | 一种多空压站动态协同优化调控系统及方法 |
| CN113537644B (zh) * | 2021-08-23 | 2022-07-08 | 中冶赛迪技术研究中心有限公司 | 一种多空压站动态协同优化调控系统及方法 |
| CN116826976A (zh) * | 2023-08-11 | 2023-09-29 | 国网安徽省电力有限公司铜陵供电公司 | 一种配网运行自动化监管控制系统 |
| CN116826976B (zh) * | 2023-08-11 | 2024-01-26 | 国网安徽省电力有限公司铜陵供电公司 | 一种配网运行自动化监管控制系统 |
| CN117060456A (zh) * | 2023-08-21 | 2023-11-14 | 深圳中保动力新能源科技有限公司 | 一种基于人工智能的储能系统控制方法及装置 |
| CN117060456B (zh) * | 2023-08-21 | 2024-04-30 | 深圳中保动力新能源科技有限公司 | 一种基于人工智能的储能系统控制方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112054555A (zh) | 一种电网运行监测与源网荷储的智能协同控制方法及系统 | |
| Laouafi et al. | Daily peak electricity demand forecasting based on an adaptive hybrid two-stage methodology | |
| CN110969284B (zh) | 一种配电网双层优化调度方法 | |
| Wenzhi et al. | Hierarchical energy optimization management of active distribution network with multi-microgrid system | |
| CN111242443B (zh) | 基于深度强化学习的能源互联网中虚拟电厂经济调度方法 | |
| Zhang et al. | An intelligent hybrid model for power flow optimization in the cloud-IOT electrical distribution network | |
| WO2023083235A1 (zh) | 一种分散式预测电网的优化方法及系统 | |
| CN111489038A (zh) | 一种提升风电场超短期功率预测准确率的方法 | |
| Huo et al. | Integrating learning and explicit model predictive control for unit commitment in microgrids | |
| Wen et al. | Data-driven energy management system for flexible operation of hydrogen/ammonia-based energy hub: A deep reinforcement learning approach | |
| CN114430165A (zh) | 基于深度模型预测的微网群智能协调控制方法和装置 | |
| Zhu et al. | Stochastic economic dispatching strategy of the active distribution network based on comprehensive typical scenario set | |
| Liu et al. | A review of wind energy output simulation for new power system planning | |
| Ni et al. | A review of line loss analysis of the low-voltage distribution system | |
| Wang et al. | A multicriteria evaluation and cascaded optimization framework for integrated energy system of steel industry | |
| Mele | A review of machine learning algorithms used for load forecasting at microgrid level | |
| Hashmi et al. | Power energy management for a grid-connected PV system using rule-base fuzzy logic | |
| Chen et al. | New energy generation forecasting and dispatching method based on big data | |
| Li et al. | Adaptive dynamic programming approach for micro-grid optimal energy transmission scheduling | |
| Ramırez-Rosado et al. | An advanced model for short-term forecasting of mean wind speed and wind electric power | |
| Zile | Smart energy management in solar/wind power stations using artificial neural networks | |
| Barukčić et al. | Research on node voltage indices for battery storage management through fuzzy decision making in power distribution networks | |
| KR et al. | Improved black widow-bear smell search algorithm (IBWBSA) for optimal planning and operation of distributed generators in distribution system | |
| Yang et al. | Research on optimal load distribution of power plants based on chaos genetic algorithm | |
| Guliyev | Evaluation of the electric power system state using models of probability-fuzzy systems |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201208 |
|
| RJ01 | Rejection of invention patent application after publication |