CN112086998B - 孤岛模式下直流微电网的能量优化调度方法 - Google Patents

孤岛模式下直流微电网的能量优化调度方法 Download PDF

Info

Publication number
CN112086998B
CN112086998B CN202010845984.9A CN202010845984A CN112086998B CN 112086998 B CN112086998 B CN 112086998B CN 202010845984 A CN202010845984 A CN 202010845984A CN 112086998 B CN112086998 B CN 112086998B
Authority
CN
China
Prior art keywords
power
day
power supply
load
scheduling
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010845984.9A
Other languages
English (en)
Other versions
CN112086998A (zh
Inventor
刘翼肇
王金浩
李胜文
常潇
赵佳
孟润泉
杨超颖
高乐
王浩
李慧蓬
张世锋
王亮
樊瑞
赵军
张敏
赵金
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 Electric Power Research Institute Of Sepc
Taiyuan University of Technology
State Grid Shanxi Electric Power Co Ltd
Original Assignee
State Grid Electric Power Research Institute Of Sepc
Taiyuan University of Technology
State Grid Shanxi Electric Power 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 Electric Power Research Institute Of Sepc, Taiyuan University of Technology, State Grid Shanxi Electric Power Co Ltd filed Critical State Grid Electric Power Research Institute Of Sepc
Priority to CN202010845984.9A priority Critical patent/CN112086998B/zh
Publication of CN112086998A publication Critical patent/CN112086998A/zh
Application granted granted Critical
Publication of CN112086998B publication Critical patent/CN112086998B/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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/388—Islanding, i.e. disconnection of local power supply from the network
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H02J2300/26—The renewable source being solar energy of photovoltaic origin involving maximum power point tracking control for photovoltaic sources
    • 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
    • H02J2300/30—The power source being a fuel cell
    • 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
    • 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)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及直流微电网领域，孤岛模式下直流微电网的能量优化调度方法，该直流微电网包括电源单元、储能单元、负载单元、母线、微机，电源单元发出的电转换成直流电后连接直流母线，储能单元连接直流母线，负载单元连接直流母线，电源单元包括可控电源和可再生能源，负载单元包括非可中断重要负荷和可中断非重要负荷。本专利在推进节能减排和能源可持续发展方面，考虑了微电网运行产生的环境污染治理费用，将微电网的运行维护成本和环保成本共同作为系统运行的目标，在提高微电网运行经济性的同时，促进了社会环境的可持续发展。

Description

孤岛模式下直流微电网的能量优化调度方法
技术领域
本发明涉及直流微电网领域，具体涉及一种孤岛模式下直流微电网多时间尺度的能量管理与优化调度方案。
背景技术
太阳能和风能等新能源发电在微电网中的渗透率逐步增大，用电负荷多样化，直流微电网的优势显著。微电网在很多情况下运行在孤岛模式，例如偏远山区供电不便，气候原因导致主网断开及主网计划停电等，因此孤岛运行下的能量优化调度是十分必要的。
微电网对推进节能减排和能源可持续发展具有重要意义，根据微电网的能源特点进行合理的能量管理是系统安全稳定运行、可再生能源有效利用的重要保障。能量管理策略主要是根据日前的分布式电源发出的功率和负荷用电预测数据，根据不同的优化目标和约束条件制定策略，对储能单元、可控电源及可控负载等进行调度，基于功率平衡条件实现对微电网各单元的优化调度。对于孤岛直流微电网的能量管理研究大多集中在运行成本目标上，很少的考虑到新能源参与调度带来的环保性能，而且也很少考虑新能源发电的波动性。故在孤岛直流微电网的能量管理中加入微电网运行的环保性目标，提高微电网运行经济性和环保性，当然在兼顾环保性的同时会牺牲掉一部分经济性，从本质上来说，有利于能源的可持续发展；从日前和日内两个时间尺度进行优化调度，从而减小新能源波动性带给微电网的影响。
发明内容
本发明所要解决的技术问题是：如何解决孤岛模式直流微电网的能量管理处理预测数据波动的问题，提高能量管理后运行成本计算的精确性。
本发明所采用的技术方案是：孤岛模式下直流微电网的能量优化调度方法，该直流微电网包括电源单元、储能单元、负载单元、母线、微机，电源单元发出的电转换成直流电后连接直流母线，储能单元连接直流母线，负载单元连接直流母线，电源单元包括可控电源(如燃料电池和燃气轮机等消耗化学燃料发电的能源)和可再生能源(太阳能电池、风力发电机等通过可再生能源发电的电源)，负载单元包括非可中断重要负荷和可中断非重要负荷，孤岛模式下直流微电网的能量优化调度方法包括如下步骤
步骤一、对电源单元的每种电源分别进行建模，对储能单元进行建模；
步骤二、制定日前调度计划，以可再生能源发电功率和负载单元短期(以1小时为单位时间间隔)消耗功率的预测数据作为已知条件，以包含可中断非重要负荷的中断补偿成本在内的运行维护成本和治污费用和的最小值作为日前调度计划目标函数，以满足系统安全稳定运行的约束条件为日前调度计划目标函数约束条件进行限制，对日前调度计划目标函数求解后，得到可控电源、储能单元、可中断非重要负荷的运行状态的短期(以1小时为单位时间间隔)调度结果，将可中断非重要负荷的运行状态与对应时间的功率相乘即可得到可中断非重要负荷日前调度的功率；
步骤三、以日前调度计划得到的结果作为参考值，规定日内调度保持日前调度结果中的可中断非重要负荷的中断时间和储能电池的充放电状态不变，得到日内调度的可中断非重要负荷和储能单元的超短期(以15分钟为单位时间间隔)功率，可控电源出力作相同的处理即将日前调度结果的短期(以1小时为单位时间间隔)功率变为超短期(以15分钟为单位时间间隔)功率，可再生能源发电功率和重要负荷消耗功率的短期预测数据作为已知条件；
步骤四、制定日内调度计划，将日内可控电源发出的功率变化同日前可控电源发出的功率比较，以日内日前可控电源结果偏离对应日前结果的和最小作为日内调度计划的目标函数，建立日内调度计划目标函数约束条件，对目标函数求解后，得到各可控电源的短期功率调度结果。
可控电源包括燃料电池、燃气轮机，可再生能源包括太阳能电池、风力发电机，可再生能源发出的电能被负载单元最大化消纳，储能单元为蓄电池，可控电源作为稳定分布式电源发出功率供给负载，储能单元维持直流母线功率平衡，在需要的时候可中断非重要负荷进行中断，在中断时给出中断补偿。
步骤一中对电源单元的每种电源分别进行建模，对储能单元进行建模，具体如下太阳能电池(photovoltaic,PV)发电系统工作在最大功率点跟踪模式，根据太阳能电池的标准测试条件下的PV最大输出功率，以太阳能辐射强度S和环境温度T为输入变量，光伏发电系统输出功率的计算公式为:
Figure BDA0002642915370000021
PPV为太阳能电池的实际输出功率，Pm为太阳能电池在标准测试条件下的最大输出功率，S为实际太阳辐照强度，Sref为在标准测试条件下的太阳辐照强度，T为电池的实际温度，Tref为在标准测试条件下的电池温度，KPV为功率温度系数；风力发电机(wind turbine,WT)的输出功率主要由风速和风能利用系数决定，风力发电机功率与风速的关系为：
Figure BDA0002642915370000025
P(v)为风电机组实际输出功率，v为实际风速，vci为切入风速，vr为额定风速，vco为切出风速，Pr为风电机组额定输出功率；
燃料电池(fuel cell,FC)采用天然气燃料电池，它的有功输出与燃料输入量成一定比例，燃料成本与输出功率的关系为：
Figure BDA0002642915370000022
Cfc为燃料电池的成本，Cfuel为燃料价格，L为燃料低位热值，Pfc为燃料电池的输出功率，ηfc为燃料电池发电效率；
燃气轮机(micro-gas turbine,MT)采用天然气燃料进行发电，根据燃料量确定燃气轮机发出的功率，燃气轮机的燃料成本与输出功率间的关系为：
Figure BDA0002642915370000023
Cmt为燃气轮机燃料成本，Cfuel为燃料价格，Pmt为燃气轮机发出的功率，ηmt为燃气轮机发电效率；
蓄电池(Battery)的荷电状态(state of charge,SOC)为
Figure BDA0002642915370000024
Cr为t时刻蓄电池中的剩余容量，CN为蓄电池完全充电时的容量。
蓄电池的充放电功率为
Pbat(t)＝Pdis(t)Idis(t)-Pch(t)Ich(t)
Pbat(t)为t时刻蓄电池的充放电功率，Pdis(t)为放电功率，Idis(t)为0-1整数变量，表示放电状态，0表示不放电，1表示放电。Pch(t)为放电功率，Ich(t)为0-1整数变量，表示充电状态，0表示不充电，1表示充电。
步骤二中，制定日前调度计划，以可再生能源发电功率和负载单元1小时消耗功率的预测数据作为已知条件，以包含可中断非重要负荷的中断补偿成本在内的运行维护成本和治污费用和的最小值作为日前调度计划目标函数，以满足系统安全稳定运行的约束条件为日前调度计划目标函数约束条件进行限制，对日前调度计划目标函数求解后，得到可控电源、储能单元、可中断非重要负荷的运行状态的1小时调度结果，将可中断非重要负荷的运行状态与对应时间的功率相乘即可得到可中断非重要负荷日前调度的功率；
日前调度计划目标函数如下：
Figure BDA0002642915370000031
日前调度计划目标函数包含三项内容，第一项为系统的运行维护成本，第二项为可中断非重要负荷的中断补偿成本，第三项为治污费用，T为日前调度的周期，此处为T＝24；n为分布式电源的种类；Pi(t)为t时段分布式电源(包括光伏、风机、燃料电池、微燃机和蓄电池等)发出的功率；Ci(Pi(t))为分布式能源的燃料成本；ki为分布式电源的运维成本系数；m为可中断非重要负荷的数量，此处m＝2；Ik为0-1整型变量，表示第k个可中断非重要负荷的运行状态，1表示运行，0表示中断；CILk为第k个可中断非重要负荷的补偿成本；PILk为第k个可中断非重要负荷的功率；p为污染物的类型；αj为第j个污染物的折算系数；Aij为第i个分布式电源的第j个污染物的单位排放量；
日前调度计划约束条件如下：
日前调度计划直流微电网功率平衡约束
Figure BDA0002642915370000032
PFL(t)为t时段重要负荷的短期预测功率；
日前调度计划可控电源发出功率约束
Pimin≤Pi≤(1-er)Pimax
Figure BDA0002642915370000033
Pimin为分布式电源发出功率的最小值，Pimax为分布式电源发出功率的最大值,eG为根据负荷和可再生能源短期和超短期的预测误差确定的误差系数。ΔPi,max为可再生能源发出功率短期与超短期预测数据同一时刻差值的最大值，ΔPload,max为重要负荷短期与超短期预测数据同一时刻差值的最大值，Pi,max为可再生能源发出功率短期预测的最大值，Pload,max为重要负荷短期预测的最大值；
日前调度计划可控电源发出功率爬坡约束
Figure BDA0002642915370000041
Figure BDA0002642915370000042
为分布式电源发出功率爬坡限制功率。
可中断非重要负荷运行可靠性约束
Figure BDA0002642915370000043
PILk,min为第k个可中断非重要负荷的最小运行功率；
日前调度计划储能运行约束
Pbat,min≤Pbat(t)≤Pbat,max
SOCmin≤SOC(t)≤SOCmax
Pbat,max，Pbat,min分别为储能充放电功率的最大值和最小值，SOCmin,SOCmax为荷电状态的最小值和最大值。
对目标函数求解后，得到各可控电源(微燃机和燃料电池)、蓄电池和可中断非重要负荷的运行状态的短期调度结果，将可中断非重要负荷的运行状态与对应时间的功率相乘即可得到可中断非重要负荷日前调度的功率。
步骤四中日内调度计划目标函数如下：
Figure BDA0002642915370000044
日内调度计划以15分钟为单位时间间隔，此处H＝96；PFC(t)和PMT(t)分别为燃料电池和微燃机在t时段的日内发出功率；PFC(h)和PMT(h)分别为燃料电池和微燃机在第h小时日前调度计划发出的功率；
日内调度计划约束条件：
日内调度计划系统功率平衡约束
Figure BDA0002642915370000045
PPV(t)、Pwt(t)和PFL(t)分别为光伏，风机和固定负荷t时刻的超短期预测数据，Pbat(h)为日前调度计划中蓄电池的充放电功率；Pk(h)和PILk(h)分别为日前调度计划中可中断非重要负荷在h小时的运行状态和功率；
日内调度计划可控电源发出功率约束
Pimin≤Pi≤Pimax
日内调度计划可控电源发出功率爬坡约束
Figure BDA0002642915370000046
对日内调度计划目标函数求解后，得到各可控电源的短期功率调度结果。本发明的有益效果是：对孤岛直流微电网从日前、日内多时间尺度进行能量管理优化调度，提高了微电网成本计算的精确性。另外，在推进节能减排和能源可持续发展方面，考虑了微电网运行产生的环境污染治理费用，将微电网的运行维护成本和环保成本共同作为系统运行的目标，在提高微电网运行经济性的同时，促进了社会环境的可持续发展。
附图说明
图1孤岛模式的直流微电网结构图；
图2调度方法示意图；
图3光伏与风机的短期功率预测曲线；
图4重要负荷与两个可中断负荷的短期功率预测曲线；
图5日前调度后微燃机、燃料电池和蓄电池的功率曲线；
图6日前调度后两种可中断负荷和总负荷的功率曲线；
图7日前调度后蓄电池的SOC值曲线；
图8光伏、风机和重要负荷的超短期功率预测曲线；
图9微燃机和燃料电池的日内、日前调度结果对比曲线；
图10微燃机和燃料电池的日内、日前调度结果差值曲线。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其他实施方式，都属于本发明所保护的范围。
本发明是孤岛模式下直流微电网多时间尺度的能量管理优化调度方法。所述图1为孤岛模式的直流微电网的结构图，电源部分包括光伏、风机、燃料电池和微燃机等单元，储能单元为蓄电池，负载包括不可中断的重要负荷和两种不同补偿的可中断非重要负荷。光伏、燃料电池和储能通过DC/DC变换器连接到直流母线，风机和微型燃气轮机通过AC/DC变换器连接到直流母线，负载通过DC/DC变换器连接到直流母线。该系统最大化消纳光伏和风机等可再生能源发出的电能，微燃机和燃料电池作为稳定分布式电源发出功率供给负载，储能单元维持直流母线功率平衡，在需要的时候可中断非重要负荷进行中断，在中断时给一定的中断补偿。
所述图2为所设计的孤岛直流微电网的多时间尺度能量管理方案，方案主要包括日前调度和日内调度两方面内容，方案具体实施过程包括4个步骤：步骤一，对系统各单元进行简单建模；步骤二，制定日前优化调度方案；步骤三，确定日内优化的前提条件；步骤四，制定日内优化调度方案。
步骤一，对系统内各单元进行建模。规定太阳能电池(photovoltaic,PV)发电系统工作在最大功率点跟踪模式，根据厂家提供的标准测试条件下的PV最大输出功率，以太阳能辐射强度S和环境温度T为输入变量，光伏发电系统输出功率的计算公式为:
Figure BDA0002642915370000051
PPV为太阳能电池的实际输出功率，Pm为太阳能电池在标准测试条件下的最大输出功率，S为实际太阳辐照强度，Sref为在标准测试条件下的太阳辐照强度，T为电池的实际温度，Tref为在标准测试条件下的电池温度，KPV为功率温度系数。
风力机(wind turbine,WT)的输出功率主要由风速和风能利用系数决定。风力发电机组功率与风速的关系为：
Figure BDA0002642915370000061
P(v)为风电机组实际输出功率，v为实际风速，vci为切入风速，vr为额定风速，vco为切出风速，Pr为风电机组额定输出功率。
燃料电池(fuel cell,FC)采用天然气燃料电池，它的有功输出与燃料输入量成一定比例，燃料成本与输出功率的关系为：
Figure BDA0002642915370000062
Cfc为燃料电池的成本，Cfuel为燃料价格，L为燃料低位热值，Pfc为燃料电池的输出功率，ηfc为燃料电池发电效率。由表1可知相关参数的具体取值。
微型燃气轮机(micro-gas turbine,MT)采用天然气燃料进行发电，根据燃料量确定微燃机发出的功率，微燃机的燃料成本与输出功率间的关系为：
Figure BDA0002642915370000063
Cmt为微燃机燃料成本，Cfuel为燃料价格，Pmt为微燃机发出的功率，ηmt为微燃机发电效率。由表1可知相关参数的具体取值。
蓄电池(battery)的荷电状态(state of charge,SOC)为
Figure BDA0002642915370000064
Cr为t时刻蓄电池中的剩余容量，CN为蓄电池完全充电时的容量。
蓄电池的充放电功率为
Pbat(t)＝Pdis(t)Idis(t)-Pch(t)Ich(t)
Pbat(t)为t时刻蓄电池的充放电功率，Pdis(t)为放电功率，Idis(t)为0-1整数变量，表示放电状态，0表示不放电，1表示放电。Pch(t)为放电功率，Ich(t)为0-1整数变量，表示充电状态，0表示不充电，1表示充电。
表1可控电源燃料成本的相关参数
Figure BDA0002642915370000065
表2可控电源的排放系数及折算成本
Figure BDA0002642915370000066
表3分布式电源运行的相关参数
Figure BDA0002642915370000071
步骤二，如图3为日前可再生能源的短期预测曲线，图4为重要负荷、可中断非重要负荷1和可中断非重要负荷2的短期预测曲线。以包含可中断非重要负荷的中断补偿成本在内的运行维护成本和治污费用最小作为目标函数，以满足系统安全稳定运行的约束条件进行限制，在MATLAB中调用yalmip工具箱编写目标函数和约束条件对应的程序，调用cplex求解器对目标函数求解，得到各可控电源(微燃机和燃料电池)、蓄电池和可中断非重要负荷的短期调度结果。
Yalmip求解优化问题时步骤如下：
1)创建决策变量。一共有三种方式创建决策变量，分别为:sdpvar-创建实数型决策变量；intvar-创建整数型决策变量；binvar-创建0/1型决策变量；
2)添加约束条件。直接将变量的相关约束条件写入即可。比如要写入0<＝x1+x2+x3<＝1。可以这样写:
％创建决策变量
x＝sdpvar(1,3)；
％添加约束条件
C＝[0<＝x(1)+x(2)+x(3)<＝1]；
3)参数配置。对求解器进行设置，此处调用cplex求解器进行求解ops＝sdpsettings('solver','cplex')；
4)求解目标函数。yalmip默认是求解最小值问题，所以遇到求解最大值的问题，只需要在原问题的基础上添加一个负号即可。调用格式为：
optimize(target,constraints,ops)
日前调度的目标函数如下：
Figure BDA0002642915370000072
目标函数包含三项内容，第一项为系统的运行维护成本，第二项为可中断非重要负荷的中断补偿成本，第三项为治污费用。T为日前调度的周期，此处为T＝24；n为分布式电源的种类；Pi(t)为t时段分布式电源(包括光伏、风机、燃料电池、微燃机和蓄电池等)发出的功率；Ci(Pi(t))为分布式能源的燃料成本；ki为分布式电源的运维成本系数，由表3可知ki的取值情况；m为可中断非重要负荷的数量，此处m＝2；Ik为0-1整型变量，表示第k个可中断非重要负荷的运行状态，1表示运行，0表示中断；CILk为第k个可中断非重要负荷的补偿成本,此处CIL1＝0.55，CIL2,0.45；PILk为第k个可中断非重要负荷的功率；p为污染物的类型；αj为第j个污染物的折算系数；Aij为第i个分布式电源的第j个污染物的单位排放量，由表2可知分布式电源产生相关的污染物治理费用情况。
在yalmip中编写程序时，燃料电池发出的功率、微燃机发出的功率和蓄电池充放电为实数型决策变量，可中断非重要负荷的运行状态为0/1型决策变量。
约束条件如下：
直流微电网功率平衡约束
Figure BDA0002642915370000081
PFL(t)为t时段重要负荷的短期预测功率。
可控电源发出功率约束
Pimin≤Pi≤(1-er)Pimax
Figure BDA0002642915370000082
Pimin为分布式电源发出功率的最小值，Pimax为分布式电源发出功率的最大值,eG为根据负荷和可再生能源短期和超短期的预测误差确定的误差系数。ΔPi,max为可再生能源发出功率短期与超短期预测数据同一时刻差值的最大值，ΔPload,max为重要负荷短期与超短期预测数据同一时刻差值的最大值，Pi,max为可再生能源发出功率短期预测的最大值，Pload,max为重要负荷短期预测的最大值。由表3可知具体分布式电源的发出功率限值。
可控电源发出功率爬坡约束
Figure BDA0002642915370000083
Figure BDA0002642915370000084
为可控电源发出功率爬坡限制功率。
可中断非重要负荷运行可靠性约束
Figure BDA0002642915370000085
PILk,min为第k个可中断非重要负荷的最小运行功率。
储能运行约束
Pbat,min≤Pbat(t)≤Pbat,max
SOCmin≤SOC(t)≤SOCmax
Pbat,max，Pbat,min分别为储能充放电功率的最大值和最小值，SOCmin,SOCmax为荷电状态的最小值和最大值。
在yalmip中将约束条件写入，求解后，得到各可控电源和蓄电池功率的短期调度结果及可中断非重要负荷的运行状态，根据可中断非重要负荷的运行状态与对应各时段功率相乘，即可得到日前调度后可中断非重要负荷的功率。
当可中断非重要负荷作为重要负载参与系统运行调度时，系统的调度成本为2316.22元/天，其中经济成本为1948.31元/天，环保成本为367.91元/天。在考虑可中断非重要负荷的补偿成本后进行日前调度后，系统的调度成本为2115.22元/天，其中经济成本为1833.18元/天，环保成本为282.03元/天。图5为日前调度的可控电源发出功率结果，图6为日前调度后可中断非重要负荷和总负荷的功率，图7为蓄电池的荷电状态，从图上可以看出可控电源燃料电池发电占比较大，这和电源的发电效率及治污费用有关。在负荷较轻时，主要靠燃料电池和微燃机供给负荷所需，蓄电池承担补足功率的责任。在负荷峰值时段，燃料电池全力发电，蓄电池工作在放电状态，负荷所需剩余功率由微燃机补足。
步骤三，日前调度得到的结果将作为日内调度的参考值。在日内调度前，规定日内调度保持日前调度结果中的可中断非重要负荷的中断时间和储能电池的充放电状态不变，由于日前调度以1小时(短期)为单位时间间隔，而日内调度以15分钟(超短期)为单位时间间隔，将它们每小时的数据扩充为4个数值不变的15分钟级数据，得到日内调度的可中断非重要负荷和储能电池的超短期(以15分钟为单位时间间隔)功率。可控电源(燃料电池和微燃机)发出功率的小时级结果作相同的处理，得到对应的15分钟级的数据。如图8为日前可再生能源发电功率和重要负荷消耗功率的超短期预测曲线。
步骤四，日内调度以在前提条件的基础上，将日内可控电源发出的功率变化同日前进行比较，以日内结果偏离对应日前结果程度最小作为日内调度计划的目标函数，在相关约束条件的制约下，在MATLAB中调用yalmip工具箱编写目标函数和约束条件对应的程序，调用cplex求解器对目标函数求解，得到各可控电源发出功率的超短期调度结果。
目标函数如下：
Figure BDA0002642915370000091
日内调度以15分钟为单位时间间隔，此处H＝96；PFC(t)和PMT(t)分别为燃料电池和微燃机在t时段的日内发出功率；PFC(h)和PMT(h)分别为燃料电池和微燃机在第h小时日前调度计划发出的功率。
在yalmip中编写程序时，燃料电池和微燃机的超短期发出功率为实数型决策变量。
约束条件：
系统功率平衡约束
Figure BDA0002642915370000092
PPV(t)、Pwt(t)和PFL(t)分别为光伏，风机和固定负荷t时刻的超短期预测数据，Pbat(h)为日前调度计划中蓄电池的充放电功率；Pk(h)和PILk(h)分别为日前调度计划中可中断非重要负荷在h小时的运行状态和功率。
可控电源发出功率约束
Pimin≤Pi≤Pimax
可控电源发出功率爬坡约束
Figure BDA0002642915370000093
在yalmip中将上述约束条件写入，求解后得到可控电源的超短期调度结果。
日内调度结果系统的调度成本为2128.99元/天，可控单元功率波动为1.37。图9为燃料电池和微燃机的日前、日内调度结果对比，图10为微燃机和燃料电池在日内、日前调度结果的差值。从图10可以看出，主要由燃料电池承担日内调度功率调整的责任。日内调度总成本减少了8.1％。系统的运行结果说明本文所提方案在提高了系统运行经济性的同时也增加了环保性。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内所做的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.孤岛模式下直流微电网的能量优化调度方法，其特征在于：该直流微电网包括电源单元、储能单元、负载单元、母线、微机，电源单元发出的电转换成直流电后连接直流母线，储能单元连接直流母线，负载单元连接直流母线，电源单元包括可控电源和可再生能源，负载单元包括非可中断重要负荷和可中断非重要负荷，孤岛模式下直流微电网的能量优化调度方法包括如下步骤
步骤一、对电源单元的每种电源分别进行建模，对储能单元进行建模；
步骤二、制定日前调度计划，以可再生能源发电功率的预测数据和负载单元短期消耗功率的预测数据作为已知条件，以包含可中断非重要负荷的中断补偿成本在内的运行维护成本和治污费用和的最小值作为日前调度计划目标函数，以满足系统安全稳定运行的约束条件为日前调度计划目标函数约束条件进行限制，对日前调度计划目标函数求解后，得到可控电源、储能单元、可中断非重要负荷的运行状态的短期调度结果，将可中断非重要负荷的运行状态与对应时间的功率相乘即可得到可中断非重要负荷日前调度的功率；
步骤三、以日前调度计划得到的结果作为参考值，规定日内调度保持日前调度结果中的可中断非重要负荷的中断时间和储能电池的充放电状态不变，得到日内调度的可中断非重要负荷的超短期功率和储能单元的超短期功率，可控电源出力作相同的处理即将日前调度结果的短期功率变为超短期功率，可再生能源发电功率的短期预测数据和重要负荷消耗功率的短期预测数据作为已知条件；
步骤四、制定日内调度计划，将日内可控电源发出的功率变化同日前可控电源发出的功率比较，以日内日前可控电源结果偏离对应日前结果的和最小作为日内调度计划的目标函数，建立日内调度计划目标函数约束条件，对目标函数求解后，得到各可控电源的超短期功率调度结果；
可控电源包括燃料电池、燃气轮机，可再生能源包括太阳能电池、风力发电机，可再生能源发出的电能被负载单元最大化消纳，储能单元为蓄电池，可控电源作为稳定分布式电源发出功率供给负载，储能单元维持直流母线功率平衡，在需要的时候可中断非重要负荷进行中断，在中断时给出中断补偿。
2.根据权利要求1所述的孤岛模式下直流微电网的能量优化调度方法，其特征在于：步骤一中对电源单元的每种电源分别进行建模，对储能单元进行建模，具体如下
太阳能电池发电系统工作在最大功率点跟踪模式，根据太阳能电池的标准测试条件下的PV最大输出功率，以太阳能辐射强度S和环境温度T为输入变量，光伏发电系统输出功率的计算公式为:
Figure FDA0003539844840000011
PPV为太阳能电池的实际输出功率，Pm为太阳能电池在标准测试条件下的最大输出功率，S为实际太阳辐照强度，Sref为在标准测试条件下的太阳辐照强度，T为电池的实际温度，Tref为在标准测试条件下的电池温度，kPV为功率温度系数；风力发电机的输出功率主要由风速和风能利用系数决定，风力发电机功率与风速的关系为：
Figure FDA0003539844840000021
P(v)为风电机组实际输出功率，v为实际风速，vci为切入风速，vr为额定风速，vco为切出风速，Pr为风电机组额定输出功率；
燃料电池采用天然气燃料电池，它的有功输出与燃料输入量成一定比例，燃料成本与输出功率的关系为：
Figure FDA0003539844840000022
Cfc为燃料电池的成本，Cfuel为燃料价格，L为燃料低位热值，Pfc为燃料电池的输出功率，ηfc为燃料电池发电效率；
燃气轮机采用天然气燃料进行发电，根据燃料量确定燃气轮机发出的功率，燃气轮机的燃料成本与输出功率间的关系为：
Figure FDA0003539844840000023
Cmt为燃气轮机燃料成本，Cfuel为燃料价格，Pmt为燃气轮机发出的功率，ηmt为燃气轮机发电效率；
蓄电池的荷电状态为
Figure FDA0003539844840000024
Cr为t时刻蓄电池中的剩余容量，CN为蓄电池完全充电时的容量；
蓄电池的充放电功率为
Pbat(t)＝Pdis(t)Idis(t)-Pch(t)Ich(t)
Pbat(t)为t时刻蓄电池的充放电功率，Pdis(t)为放电功率，Idis(t)为0-1整数变量，表示放电状态，0表示不放电，1表示放电，Pch(t)为放电功率，Ich(t)为0-1整数变量，表示充电状态，0表示不充电，1表示充电。
3.根据权利要求2所述的孤岛模式下直流微电网的能量优化调度方法，其特征在于：步骤二中，制定日前调度计划，以可再生能源发电功率和负载单元1小时消耗功率的预测数据作为已知条件，以包含可中断非重要负荷的中断补偿成本在内的运行维护成本和治污费用和的最小值作为日前调度计划目标函数，以满足系统安全稳定运行的约束条件为日前调度计划目标函数约束条件进行限制，对日前调度计划目标函数求解后，得到可控电源、储能单元、可中断非重要负荷的运行状态的1小时调度结果，将可中断非重要负荷的运行状态与对应时间的功率相乘即可得到可中断非重要负荷日前调度的功率；
日前调度计划目标函数如下：
Figure FDA0003539844840000025
日前调度计划目标函数包含三项内容，第一项为系统的运行维护成本，第二项为可中断非重要负荷的中断补偿成本，第三项为治污费用，T为日前调度的周期，此处为T＝24；n为分布式电源的种类；Pi(t)为t时段分布式电源发出的功率；Ci(Pi(t))为分布式能源的燃料成本；ki为分布式电源的运维成本系数；m为可中断非重要负荷的数量，此处m＝2；Ik为0-1整型变量，表示第k个可中断非重要负荷的运行状态，1表示运行，0表示中断；CILk为第k个可中断非重要负荷的补偿成本；PILk为第k个可中断非重要负荷的功率；p为污染物的类型；αj为第j个污染物的折算系数；Aij为第i个分布式电源的第j个污染物的单位排放量；
日前调度计划约束条件如下：
日前调度计划直流微电网功率平衡约束
Figure FDA0003539844840000031
PFL(t)为t时段重要负荷的短期预测功率；
日前调度计划可控电源发出功率约束
Pimin≤Pi≤(1-er)Pimax
Figure FDA0003539844840000032
Pimin为分布式电源发出功率的最小值，Pimax为分布式电源发出功率的最大值,er为根据负荷和可再生能源短期和超短期的预测误差确定的误差系数，ΔPi,max为可再生能源发出功率短期与超短期预测数据同一时刻差值的最大值，ΔPload,max为重要负荷短期与超短期预测数据同一时刻差值的最大值，Pi,max为可再生能源发出功率短期预测的最大值，Pload,max为重要负荷短期预测的最大值；
日前调度计划可控电源发出功率爬坡约束
|Pi(t)-Pi(t-1)|≤ΔPi max
ΔPi max为分布式电源发出功率爬坡限制功率；
可中断非重要负荷运行可靠性约束
Figure FDA0003539844840000033
PILk,min为第k个可中断非重要负荷的最小运行功率；
日前调度计划储能运行约束
Pbat,min≤Pbat(t)≤Pbat,max
SOCmin≤SOC(t)≤SOCmax
Pbat,max，Pbat,min分别为储能充放电功率的最大值和最小值，SOCmin,SOCmax为荷电状态的最小值和最大值；
对目标函数求解后，得到各可控电源、蓄电池和可中断非重要负荷的运行状态的短期调度结果，将可中断非重要负荷的运行状态与对应时间的功率相乘即可得到可中断非重要负荷日前调度的功率。
4.根据权利要求3所述的孤岛模式下直流微电网的能量优化调度方法，其特征在于：步骤四中日内调度计划目标函数如下：
Figure FDA0003539844840000041
日内调度计划以15分钟为单位时间间隔，此处H＝96；PFC(t)和PMT(t)分别为燃料电池和微燃机在t时段的日内发出功率；PFC(h)和PMT(h)分别为燃料电池和微燃机在第h小时日前调度计划发出的功率；
日内调度计划约束条件：
日内调度计划系统功率平衡约束
Figure FDA0003539844840000042
PPV(t)、Pwt(t)和PFL(t)分别为光伏，风机和固定负荷t时刻的超短期预测数据，Pbat(h)为日前调度计划中蓄电池的充放电功率；Ik(h)和PILk(h)分别为日前调度计划中可中断非重要负荷在h小时的运行状态和功率；
日内调度计划可控电源发出功率约束
Pimin≤Pi≤Pimax
日内调度计划可控电源发出功率爬坡约束
|Pi(t)-Pi(t-1)|≤ΔPi max
对日内调度计划目标函数求解后，得到各可控电源的超短期功率调度结果。
CN202010845984.9A 2020-08-20 2020-08-20 孤岛模式下直流微电网的能量优化调度方法 Active CN112086998B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010845984.9A CN112086998B (zh) 2020-08-20 2020-08-20 孤岛模式下直流微电网的能量优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010845984.9A CN112086998B (zh) 2020-08-20 2020-08-20 孤岛模式下直流微电网的能量优化调度方法

Publications (2)

Publication Number Publication Date
CN112086998A CN112086998A (zh) 2020-12-15
CN112086998B true CN112086998B (zh) 2022-05-10

Family

ID=73728620

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010845984.9A Active CN112086998B (zh) 2020-08-20 2020-08-20 孤岛模式下直流微电网的能量优化调度方法

Country Status (1)

Country Link
CN (1) CN112086998B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11611217B1 (en) 2022-05-12 2023-03-21 8Me Nova, Llc Networked power plants
CN114118532A (zh) * 2021-11-06 2022-03-01 深圳供电局有限公司 孤岛微网的调度方法、装置、计算机设备、存储介质
WO2023219696A1 (en) * 2022-05-12 2023-11-16 8Me Nova, Llc Solar forecasting for networked power plants
FR3140716A1 (fr) * 2022-10-05 2024-04-12 Totalenergies Onetech Procédé d’alimentation d’un réseau énergétique

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184475A (zh) * 2011-05-11 2011-09-14 浙江大学 基于多时间尺度协调的微网经济运行优化调度方法
CN109687523A (zh) * 2019-02-28 2019-04-26 广东工业大学 一种基于多时间尺度的微电网的运行优化方法
CN109995091A (zh) * 2019-04-26 2019-07-09 太原理工大学 一种考虑预测误差的交直流混合微电网经济调度方法
CN110224444A (zh) * 2019-05-16 2019-09-10 广东电网有限责任公司 一种海岛微电网多时间尺度协调控制方法
CN110707752A (zh) * 2019-12-03 2020-01-17 华北电力大学 考虑机组灵活性的独立微电网日前日内协调优化调度方法
CN110739684A (zh) * 2019-10-15 2020-01-31 上海电力大学 基于多时间尺度的多交直流混合微电网优化调度方法
CN111293691A (zh) * 2020-03-19 2020-06-16 华北电力大学 基于模型预测控制的微电网多时间尺度优化调度方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9300141B2 (en) * 2010-11-18 2016-03-29 John J. Marhoefer Virtual power plant system and method incorporating renewal energy, storage and scalable value-based optimization
WO2015113637A1 (en) * 2014-02-03 2015-08-06 Green Power Technologies, S.L. System and method for the distributed control and management of a microgrid

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184475A (zh) * 2011-05-11 2011-09-14 浙江大学 基于多时间尺度协调的微网经济运行优化调度方法
CN109687523A (zh) * 2019-02-28 2019-04-26 广东工业大学 一种基于多时间尺度的微电网的运行优化方法
CN109995091A (zh) * 2019-04-26 2019-07-09 太原理工大学 一种考虑预测误差的交直流混合微电网经济调度方法
CN110224444A (zh) * 2019-05-16 2019-09-10 广东电网有限责任公司 一种海岛微电网多时间尺度协调控制方法
CN110739684A (zh) * 2019-10-15 2020-01-31 上海电力大学 基于多时间尺度的多交直流混合微电网优化调度方法
CN110707752A (zh) * 2019-12-03 2020-01-17 华北电力大学 考虑机组灵活性的独立微电网日前日内协调优化调度方法
CN111293691A (zh) * 2020-03-19 2020-06-16 华北电力大学 基于模型预测控制的微电网多时间尺度优化调度方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"Improved PSO-based energy management of Stand-Alone Micro-Grid under two-time scale";Yi Wang 等;《2016 IEEE International Conference on Mechatronics and Automation》;20160905;第2128-2133页 *
"多时间尺度微电网能量管理优化调度方案";张海涛 等;《电网技术》;20170531;第41卷(第5期);第1533-1543页 *
"计及多时间尺度需求响应资源的微电网能量优化调度策略";刘宝林 等;《电力建设》;20180831;第39卷(第8期);第9-17页 *
"计及灵活性的孤岛型微电网多目标日前优化调度方法";杨龙杰 等;《电网技术》;20180531;第42卷(第5期);第1432-1441页 *

Also Published As

Publication number Publication date
CN112086998A (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
CN112086998B (zh) 孤岛模式下直流微电网的能量优化调度方法
Liu et al. A charging strategy for PV-based battery switch stations considering service availability and self-consumption of PV energy
Acevedo-Arenas et al. MPC for optimal dispatch of an AC-linked hybrid PV/wind/biomass/H2 system incorporating demand response
Chen et al. Sizing of energy storage for microgrids
Yin et al. Cooperative optimization strategy for large-scale electric vehicle charging and discharging
CN114243795A (zh) 一种典型充电站综合能源协同交互优化配置方法及系统
CN107134771B (zh) 一种基于经济效益评估的微网模式切换控制方法
Belkhier et al. Novel design and adaptive coordinated energy management of hybrid fuel‐cells/tidal/wind/PV array energy systems with battery storage for microgrids
Saha Adaptive model-based receding horizon control of interconnected renewable-based power micro-grids for effective control and optimal power exchanges
Chen et al. Sizing of energy storage system for microgrids
Attou et al. Energy Management System for Hybrid Microgrids.
Liu et al. Optimal scheduling of multi-source microgrid considering power to gas technology and wind power uncertainty
Gbadega et al. JAYA algorithm-based energy management for a grid-connected micro-grid with PV-wind-microturbine-storage energy system
Elkholy et al. Experimental investigation of AI-enhanced FPGA-based optimal management and control of an isolated microgrid
CN117436773B (zh) 一种含可中断负荷的独立微网资源规划方法和系统
CN114725964A (zh) 一种家用微电网调度方法、管理系统和家用微电网
Kudria et al. Hydrogen technologies as a method of compensation for inequality of power generation by renewable energy sources
Wang et al. Improved PSO-based energy management of Stand-Alone Micro-Grid under two-time scale
Qachchachi et al. Smart hybrid AC/DC microgrid: Power management based Petri Nets
Zhang et al. Optimal scheduling for hydrogen-electric hybrid microgrid with vehicle to grid technology
Ma et al. Multi-Point Layout Planning of Multi-Energy Power Supplies Based on Time-series Production Simulation
CN110417002B (zh) 一种孤岛微电网能量模型的优化方法
Sun et al. Optimization model of Multi-energy system based on multi-source energy storage
Hao et al. Research on optimization scheduling of wind/solar/diesel/storage micro-grid based on genetic algorithm
Yang et al. Multi-time scale collaborative scheduling strategy of distributed energy systems for energy Internet

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