CN112150190B - 一种面向高成分灵活负荷的需求响应互补式电价系统及方法 - Google Patents
一种面向高成分灵活负荷的需求响应互补式电价系统及方法 Download PDFInfo
- Publication number
- CN112150190B CN112150190B CN202010923388.8A CN202010923388A CN112150190B CN 112150190 B CN112150190 B CN 112150190B CN 202010923388 A CN202010923388 A CN 202010923388A CN 112150190 B CN112150190 B CN 112150190B
- Authority
- CN
- China
- Prior art keywords
- module
- optimal
- electricity price
- load
- complementary
- 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
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 131
- 230000000295 complement effect Effects 0.000 title claims abstract description 102
- 230000004044 response Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 claims abstract description 56
- 238000004364 calculation method Methods 0.000 claims abstract description 48
- 238000013178 mathematical model Methods 0.000 claims abstract description 39
- 230000008859 change Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 42
- 238000011478 gradient descent method Methods 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 12
- 238000010248 power generation Methods 0.000 claims description 10
- 230000003321 amplification Effects 0.000 claims description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 6
- 108010074506 Transfer Factor Proteins 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000002354 daily effect Effects 0.000 description 12
- 230000007246 mechanism Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
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
- 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
- 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
- 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
- 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)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种面向高成分灵活负荷的需求响应互补式电价系统,包括最优需方响应互补式新电价制定系统、标识判断模块、电网调度模块、高成分灵活负荷用户群、其他用户群;最优需方响应互补式新电价制定系统包括目标函数模块、指标约束模块和优化算法模块;目标函数模块包括最优用户负荷计算模块、电网调度简化优化模块。并提出一种面向高成分灵活负荷的需求响应互补式电价方法,求解最优用户负荷计算模块所建立的数学模型;求解电网调度简化优化模块所建立的数学模型;进行优化算法模块的优化计算;求解电网调度模块所建立的数学模型。本发明获取最优需方响应的电网成本,作为新电价框架核心,促使高成分灵活负荷群改变用电行为,实现错峰用电。
Description
技术领域
本发明涉及电力系统技术领域,更具体地,涉及一种面向高成分灵活负荷的需求响应互补式电价系统及方法。
背景技术
全球电力系统未来发展趋势为智能电网。需求响应作为其中主角之一,借助电力公司和用户之间的互操作性,促进用户更高效用电。通过需求响应,电力公司在需求侧管理中获得一种影响电力负荷特性的运行模式。在网络操作中,需求响应有助于减少峰值用电需求,从而减轻昂贵或紧急生成的用电需求,如旋转备用的需求。
需求响应可分为两类:第一类为基于时间的需求响应;第二类为基于激励的需求响应。基于激励的需求响应是根据时间来发挥作用的,通过高级的契约规则,顾客的消费行为会发生暂时的改变。针对负荷变化,电力公司给出了相应的补偿或处罚。基于时间的需求响应也称为基于价格的需求响应,是指用户根据收到的价格信号响应地调整电力需求,包括分时电价响应、实时电价响应、剑锋电价响应等。
美国电力市场环境开放,是目前世界上实施需求响应项目最多,种类最齐全的国家,有三种典型的商业运作模式:政府直接管理模式、电网公司管理模式和独立第三方管理模式。欧洲共有八大区域性电力市场,各自有不同的市场规则及技术标准,没有一个整体性的需求响应实施计划,且各国开展的需求响应项目主要依据各自制定的方案和规则。中国需求响应的发展还主要是需求侧管理,市场化不强,用户参与度很低,多侧重与行政手段,“有序用电”是中国的主要原则,特别在迎峰度夏期间。
分时电价根据电网的负荷变化情况,将每天划分为谷段、平段、峰段等多个时段,对各时段分别制定不同的电价水平,以鼓励用户合理安排用电时间,实现削峰填谷,提高电力资源的利用效率,是目前最受欢迎的需求响应措施。但在传统的分时电价模式下,区域内所有用户的分时电价是相同的,这使大部分用户都将负荷集中转移到同一时间段,减弱了“削峰填谷”的效果。
在现有技术中,公开号为CN105470971A的中国发明专利,于2016年04月06日公开了一种灵活自适应电力负荷控制系统及其控制方法,所述系统包括:需求响应中心、二级采集控制设备、一级采集控制设备、用户用电设备、云端设备和用户终端设备。该方案能在一定程度上支持多种需求响应模式,并提出了具有一定灵活性的电力负荷控制解决方案,但是并未能解决前述问题,因此,用户急需一种面向高成分灵活负荷的需求响应互补式电价系统及方法。
发明内容
本发明为解决传统分时电价模式下区域内所有用户的分时电价均相同而减弱了“削峰填谷”效果的问题,弥补基于需求响应的互补式电价机制的缺失,提供了一种面向高成分灵活负荷的需求响应互补式电价系统及方法。
本发明的首要目的是为解决上述技术问题,本发明的技术方案如下:
一种面向高成分灵活负荷的需求响应互补式电价系统,包括最优需方响应互补式新电价制定系统、标识判断模块、电网调度模块、高成分灵活负荷用户群、其他用户群;其中:所述最优需方响应互补式新电价制定系统与标识判断模块连接;所述最优需方响应互补式新电价制定系统与电网调度模块连接;所述最优需方响应互补式新电价制定系统与高成分灵活负荷用户群连接;所述最优需方响应互补式新电价制定系统与其他用户群连接;所述标识判断模块与高成分灵活负荷用户群连接;所述电网调度模块与高成分灵活负荷用户群连接;所述电网调度模块与其他用户群连接;
所述最优需方响应互补式新电价制定系统包括目标函数模块、指标约束模块和优化算法模块;其中:所述目标函数模块输入端与高成分灵活负荷用户群输入端连接;所述目标函数模块输出端与优化算法模块输入端连接;所述指标约束模块输出端与优化算法模块输入端连接;
所述目标函数模块包括最优用户负荷计算模块、电网调度简化优化模块;其中:所述最优用户负荷计算模块输入端与高成分灵活负荷用户群输出端连接;所述最优用户负荷计算模块输出端与电网调度简化优化模块输入端连接。
优选地,所述最优用户负荷计算模块所建立的数学模型具体为:
目标函数:Min:Cost-new=(Bill-Bill0)+(Salary-Salary0);
其中,(Bill-Bill0)为典型每日电费账单变化,(Salary-Salary0)为典型每日工资变化;Bill为备选互补式电价下的每日电费,Bill0为传统峰谷电价下的每日电费,Salary为备选互补式电价下的工人工资,Salary0为传统峰谷电价下的工人工资;
推导第一约束函数、第二约束函数、第三约束函数,需结合备选互补式电价下的每日电费计算公式:
其中,时间步长设定为1分钟,设备k在t时段的行为定义为开关概率,用(ON_protk)来表示;设备k在t时段的逻辑工作状态为Statk,其由ON_protk中的随机函数生成;random()为随机函数;prt为备用互补式电价在t时段的电价;K为灵活用户在t时段的功耗;60表示1小时有60分钟,1440表示1天有1440分钟;
推导第一约束函数、第二约束函数、第三约束函数,还需结合备选互补式电价下的工人工资计算公式:
所得第一约束函数为:
其中,constk为第k个设备的每天总开关时间;
所得第二约束函数为:
其中,Stat,unite作为并行工作的设备的逻辑工作状态;
所得第三约束函数为:
其中,ON_prot,k,old和ON_prot,k,new表示传统峰谷电价下的设备k在t时段的开关概率和备选互补式电价下的设备k在t时段的开关概率。
优选地,所述电网调度简化优化模块所建立的数学模型具体为:
目标函数:
约束函数:
其中,Ci,t为第i台发电机t时刻的发电成本,Pi,t为第i台发电机t时刻的发电量,Dj,t为第j个负荷t时刻的最优时序负荷,PLmax为网架线路的最大潮流功率限制,SF为转移因子矩阵,KP为发电机关联矩阵,Pt为t时刻的机组矩阵,KD为负荷关联矩阵,Dt为t时刻的最优时序负荷群矩阵,Pmin,Pmax为机组发电容量下限矩阵和上限矩阵,NG为机组数量,ND为最优时序符合群数量。
优选地,所述指标约束模块输出的指标约束函数表达式为:
其中,Cost-old为传统峰谷电价下的成本;Cost-new为在备选互补式电价下的成本,σ为在互补式电价下的成本最小降低百分比,ON_protk表示设备k在t时段的开关概率,ON_protk,BBS为依据备选互补式电价下设定设备k在t时段的开关概率,ON_protk,0为依据传统峰谷电价下设定设备k在t时段的开关概率。
优选地,所述电网调度模块建立的数学模型具体为:
目标函数:
约束函数:
其中:NG为机组数量,Pit为第i个机组t时刻的发电功率,Dnew_t为t时刻的高成分灵活负荷用户群的总负荷,Dold_t为t时刻的其他用户群的总负荷,Pt为t时刻的发电功率,KP为发电厂机组关联矩阵,KDnew为高成分灵活负荷用户群的负荷关联矩阵,KDold为其他用户群的负荷关联矩阵,B为节点电纳矩阵,θ为电压相角,xb为阻抗矩阵,KL为线路关联矩阵,PLmin,PLmax为网络潮流的最小值和最大值。
一种面向高成分灵活负荷的需求响应互补式电价方法,包括:S1:在最优用户负荷计算模块中建立数学模型,求解得到最优时序负荷群集合,并输出至电网调度简化优化模块;S2:在电网调度简化优化模块中建立数学模型,求解得到备选互补式电价下的最优电网成本,并输出至优化算法模块;S3:在优化算法模块中进行优化计算,得到最优互补式新电价集合、标识集合,并输出至电网调度模块;S4:在电网调度模块中建立数学模型并求解,并结合最优互补式新电价集合、标识集合,得到最优需方响应的电网成本。
优选地,所述最优用户负荷计算模块所建立的数学模型的求解方法为梯度下降法,其算法流程为:
步骤一,算法相关参数初始化:
设Sta(0)初始值均为0,同时初始终止距离ε以及步长α;此时备选互补式电价设定为常数,其调用的是上一次最优需方响应互补式新电价制定系统的输出结果Pr(0);
步骤二,确定损失函数:
其中,η1、η2、η3为放大系数,其为3到9之间的常数;ρ1、ρ2、ρ3为缩小系数,均为0.0001到0.001的小数;Sta为设备的工作状态;
步骤三,确定损失函数梯度:
对于Statk,其梯度表达式如下,
步骤四,计算当前位置步长:
确定Statk(1)处的步长,
若步长α0小于ε,则可停止迭代,当前Sta为最终结果;
步骤五,更新变量:
更新完毕后,继续转入步骤三进行下一轮的迭代运算;
通过梯度下降法n次迭代,可计算出各设备的工作状态,由此再计算出灵活用户在t时段的功耗K(1),
优选地,所述电网调度简化优化模块所建立的数学模型的求解方法为梯度下降法,其算法流程为:
步骤一,初始化参数:
对各机组的发电功率的初始值Pi,t(0)设为0,此时高成分灵活负荷用户群的总负荷设定为常数,其调用的是上一次最优负荷计算模块的输出结果D(0),因此有D(0)=Dj,t;同时初始终止距离ε以及步长α;
步骤二,确定损失函数:
其中,η4为放大系数,其为3到9之间的常数;ρ4为缩小系数,均为0.0001到0.001的小数;v5、v6、ν7、ν8和ω5、ω6、ω7、ω8为大于零的常数;
步骤三,确定损失函数梯度:
对于Pi,t,其梯度表达式如下,
步骤四,计算当前位置步长:
确定Pi,t(1)处的步长,
若步长α0小于ε,则可停止迭代,当前Pi,t为最终结果;
步骤五,更新变量:
更新完毕后,继续转入步骤三进行下一轮的迭代运算;
通过梯度下降法n次迭代,可计算出各时间段的机组出力P。
优选地,所述优化算法模块的优化计算方法为梯度求解法,其算法流程为:
步骤一,初始化参数:
对最优互补式新电价集合的初始值Pr(0)设为0,此时最优时序负荷群集合设定为常数,其调用的是上一次最优负荷计算模块的输出结果D(0),同时初始终止距离ε以及步长α;
步骤二,确定损失函数:
其中,v和ω为大于零的常数;
步骤三,确定损失函数梯度:
对于Prt,其梯度表达式如下,
步骤四,计算当前位置步长:
确定Prt(1)处的步长,
若步长α0小于ε,则可停止迭代,当前Pr为最终结果;
步骤五,更新变量:
更新完毕后,继续转入步骤三进行下一轮的迭代运算。
优选地,所述电网调度模块所建立的数学模型的求解方法为梯度下降法,其算法流程为:
步骤一,初始化参数:
对各机组的发电功率的初始值Pi,t(0)设为0,此时高成分灵活负荷用户群的总负荷设定为常数,其调用的是上一次最优负荷计算模块的输出结果D(0),因此有D(0)=Dnew;同时初始终止距离ε以及步长α;
步骤二,确定损失函数:
其中,η为放大系数,其为3到9之间的常数;ρ为缩小系数,均为0.0001到0.001的小数;v1、v2、ν3、ν4和ω1、ω2、ω3、ω4为大于零的常数;
步骤三,确定损失函数梯度:
对于Pi,t,其梯度表达式如下,
步骤四,计算当前位置步长:
确定Pi,t(1)处的步长,
若步长α0小于ε,则可停止迭代,当前Pi,t为最终结果;
步骤五,更新变量:
更新完毕后,继续转入步骤三进行下一轮的迭代运算。
与现有技术相比,本发明技术方案的有益效果是:
本发明通过系统的构建和相应的计算,最终输出最优需方响应的电网成本,以此为核心构建出新的定价框架,即基于需求响应的互补式电价机制,对高成分灵活负荷群进行分类,并为此群体提供特定的价格曲线,促使高成分灵活负荷群改变用电行为,实现错峰用电,降低了电力系统运营成本,提高了社会能效水平。
附图说明
图1为本发明的系统流程图;
图2为本发明中所述最优需方响应互补式新电价制定系统的子流程图;
图3为本发明中所述目标函数模块的子流程图;
图4为本发明的方法流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
实施例1
如图1至图4所示,一种面向高成分灵活负荷的需求响应互补式电价系统,包括最优需方响应互补式新电价制定系统、标识判断模块、电网调度模块、高成分灵活负荷用户群、其他用户群;其中:所述最优需方响应互补式新电价制定系统与标识判断模块连接;所述最优需方响应互补式新电价制定系统与电网调度模块连接;所述最优需方响应互补式新电价制定系统与高成分灵活负荷用户群连接;所述最优需方响应互补式新电价制定系统与其他用户群连接;所述标识判断模块与高成分灵活负荷用户群连接;所述电网调度模块与高成分灵活负荷用户群连接;所述电网调度模块与其他用户群连接;
所述最优需方响应互补式新电价制定系统包括目标函数模块、指标约束模块和优化算法模块;其中:所述目标函数模块输入端与高成分灵活负荷用户群输入端连接;所述目标函数模块输出端与优化算法模块输入端连接;所述指标约束模块输出端与优化算法模块输入端连接;
所述目标函数模块包括最优用户负荷计算模块、电网调度简化优化模块;其中:所述最优用户负荷计算模块输入端与高成分灵活负荷用户群输出端连接;所述最优用户负荷计算模块输出端与电网调度简化优化模块输入端连接。
上述方案中,对于最优需方响应互补式新电价制定系统:其一,目标函数模块:最优用户负荷计算模块负责接收高成分灵活负荷用户群的各用电设备约束、传统峰谷电价、各高成分灵活负荷用户的备选互补式电价,并建立相应的数学模型,计算出最优时序负荷群集合;所述电网调度简化优化模块负责接收电网的机组参数、网架参数,以及最优用户负荷计算模块输出的最优时序负荷群集合,并建立简化、优化的数学模型,计算出备选互补式电价下的最优电网成本;其二,指标约束模块负责比较成本收益,并输出成本指标约束函数;其三,优化算法模块负责接收目标函数模块输出的备选互补式电价下的最优电网成本表达式、指标约束模块输出的成本指标约束函数,并通过优化计算方法,最终输出最优互补式新电价集合、标识集合。对于标识判断模块,负责判断优化算法模块输出的标识集合,若标识为1,高成分灵活负荷用户群将接受最优互补式新电价;若标识为0,高成分灵活负荷用户群将接受传统峰谷电价。对于电网调度模块,负责接收电网的机组参数、网架参数,以及高成分灵活负荷用户群的总负荷、其他用户群的总负荷,建立相应的数学模型,计算出最优需方响应的电网成本。对于高成分灵活负荷用户群,为个体负荷量大、群体数量小、负荷转移潜力大的用户群体。对于其他用户群,为不具有个体负荷量大、负荷转移潜力大特点的非高成分灵活负荷用户群体。
具体地,所述最优用户负荷计算模块所建立的数学模型具体为:
目标函数:Min:Cost-new=(Bill-Bill0)+(Salary-Salary0);
其中,(Bill-Bill0)为典型每日电费账单变化,(Salary-Salary0)为典型每日工资变化;Bill为备选互补式电价下的每日电费,Bill0为传统峰谷电价下的每日电费,Salary为备选互补式电价下的工人工资,Salary0为传统峰谷电价下的工人工资;
推导第一约束函数、第二约束函数、第三约束函数,需结合备选互补式电价下的每日电费计算公式:
其中,时间步长设定为1分钟,设备k在t时段的行为定义为开关概率,用(ON_protk)来表示;设备k在t时段的逻辑工作状态为Statk,其由ON_protk中的随机函数生成;random()为随机函数;prt为备用互补式电价在t时段的电价;K为灵活用户在t时段的功耗;60表示1小时有60分钟,1440表示1天有1440分钟;
推导第一约束函数、第二约束函数、第三约束函数,还需结合备选互补式电价下的工人工资计算公式:
所得第一约束函数为:
其中,constk为第k个设备的每天总开关时间;
所得第二约束函数为:
其中,Stat,unite作为并行工作的设备的逻辑工作状态;
所得第三约束函数为:
其中,ON_prot,k,old和ON_prot,k,new表示传统峰谷电价下的设备k在t时段的开关概率和备选互补式电价下的设备k在t时段的开关概率。
上述方案中,可知备选互补式电价下的每日电费是行为ON_proti的函数;备用互补式电价下的工人工资是一个关于ON_proti函数的行为;某一设备在一天的不同时段内需要的工人与设备的运行有很深的关系;设备行为ON_proti和工人数量pnumtk可以通过调查数据总结统计;若工资在1天内的所有时间段保持不变和所有设备在1天内的“开机”总时间不变;那么则可以从目标函数中删除(Salary-Salary0)这部分。由于高成分灵活负荷用户在每周或每月都有一定数量的产品制造任务,需保证日常生产力以保证产品数量,每个设备的总开关时间应该保持一致,因此可得第一约束函数;由于同一流水线上的设备将要同时打开开关,故在一条装配线内,不同的设备在同一时间表下并行工作,对于并行工作的设备,它们共享一个开关的概率,因此可得第二约束函数;由于某些设备启动过程需要高成本,故这些用电设备通常保持24小时运行,相应设备的控制时间表在任何的需求响应价格下都保持相同,因此可得第三约束函数。
具体地,所述电网调度简化优化模块所建立的数学模型具体为:
目标函数:
约束函数:
其中,Ci,t为第i台发电机t时刻的发电成本,Pi,t为第i台发电机t时刻的发电量,Dj,t为第j个负荷t时刻的最优时序负荷,PLmax为网架线路的最大潮流功率限制,SF为转移因子矩阵,KP为发电机关联矩阵,Pt为t时刻的机组矩阵,KD为负荷关联矩阵,Dt为t时刻的最优时序负荷群矩阵,Pmin,Pmax为机组发电容量下限矩阵和上限矩阵,NG为机组数量,ND为最优时序符合群数量。
上述方案中,约束(1)为功率平衡约束,约束(2)为潮流约束,约束(3)为机组发电约束。
具体地,所述指标约束模块输出的指标约束函数表达式为:
其中,Cost-old为传统峰谷电价下的成本;Cost-new为在备选互补式电价下的成本,σ为在互补式电价下的成本最小降低百分比,ON_protk表示设备k在t时段的开关概率,ON_protk,BBS为依据备选互补式电价下设定设备k在t时段的开关概率,ON_protk,0为依据传统峰谷电价下设定设备k在t时段的开关概率。
上述方案中,此函数约束了高成分灵活负荷用户群是否愿意参与电网互补式新电价下的调度机制。
具体地,所述电网调度模块建立的数学模型具体为:
目标函数:
约束函数:
其中:NG为机组数量,Pit为第i个机组t时刻的发电功率,Dnew_t为t时刻的高成分灵活负荷用户群的总负荷,Dold_t为t时刻的其他用户群的总负荷,Pt为t时刻的发电功率,KP为发电厂机组关联矩阵,KDnew为高成分灵活负荷用户群的负荷关联矩阵,KDold为其他用户群的负荷关联矩阵,B为节点电纳矩阵,θ为电压相角,xb为阻抗矩阵,KL为线路关联矩阵,PLmin,PLmax为网络潮流的最小值和最大值。
上述方案中,目标函数是将运营成本最小化;约束函数包括发电机组约束和传输网络完全约束,其中,约束(1)是系统功率平衡约束,约束(2)是实际发电机发电容量约束,约束(3)是节点功率平衡约束,约束(4)是潮流方程约束,约束(5)是潮流约束。
一种面向高成分灵活负荷的需求响应互补式电价方法,包括:S1:在最优用户负荷计算模块中建立数学模型,求解得到最优时序负荷群集合,并输出至电网调度简化优化模块;S2:在电网调度简化优化模块中建立数学模型,求解得到备选互补式电价下的最优电网成本,并输出至优化算法模块;S3:在优化算法模块中进行优化计算,得到最优互补式新电价集合、标识集合,并输出至电网调度模块;S4:在电网调度模块中建立数学模型并求解,并结合最优互补式新电价集合、标识集合,得到最优需方响应的电网成本。
上述方案中,首先,通过求解最优用户负荷计算模块所建立的数学模型,输出最优时序负荷群集合,并输入至电网调度简化优化模块;然后,通过求解电网调度简化优化模块所建立的数学模型,输出备选互补式电价下的最优电网成本,并输入至优化算法模块;再者,通过进行优化算法模块的优化计算,输出最优互补式新电价集合、标识集合,并在标识判断模块判断之后用于高成分灵活负荷用户群;最后,通过求解电网调度模块所建立的数学模型,得到整个网架的成本(高成分灵活负荷用户群采用最优互补式新电价、其他用户群采用传统峰谷电价),即输出最优需方响应的电网成本。通过获取最优需方响应的电网成本,并以此作为核心构建出了新的需求响应的互补式电价机制。
具体地,所述最优用户负荷计算模块所建立的数学模型的求解方法为梯度下降法,其算法流程为:
步骤一,算法相关参数初始化:
设Sta(0)初始值均为0,同时初始终止距离ε以及步长α;此时备选互补式电价设定为常数,其调用的是上一次最优需方响应互补式新电价制定系统的输出结果Pr(0);
步骤二,确定损失函数:
其中,η1、η2、η3为放大系数,其为3到9之间的常数;ρ1、ρ2、ρ3为缩小系数,均为0.0001到0.001的小数;Sta为设备的工作状态;
步骤三,确定损失函数梯度:
对于Statk,其梯度表达式如下,
步骤四,计算当前位置步长:
确定Statk(1)处的步长,
若步长α0小于ε,则可停止迭代,当前Sta为最终结果;
步骤五,更新变量:
更新完毕后,继续转入步骤三进行下一轮的迭代运算;
通过梯度下降法n次迭代,可计算出各设备的工作状态,由此再计算出灵活用户在t时段的功耗K(1),
上述方案中,通过所获得各时段的最优功耗,可得到灵活用户的最优时序负荷群集合D(1),作为最优用户负荷计算模块的输出结果。
具体地,所述电网调度简化优化模块所建立的数学模型的求解方法为梯度下降法,其算法流程为:
步骤一,初始化参数:
对各机组的发电功率的初始值Pi,t(0)设为0,此时高成分灵活负荷用户群的总负荷设定为常数,其调用的是上一次最优负荷计算模块的输出结果D(0),因此有D(0)=Dj,t;同时初始终止距离ε以及步长α;
步骤二,确定损失函数:
其中,η4为放大系数,其为3到9之间的常数;ρ4为缩小系数,均为0.0001到0.001的小数;v5、ν6、v7、ν8和ω5、ω6、ω7、ω8为大于零的常数;
步骤三,确定损失函数梯度:
对于Pi,t,其梯度表达式如下,
步骤四,计算当前位置步长:
确定Pi,t(1)处的步长,
若步长α0小于ε,则可停止迭代,当前Pi,t为最终结果;
步骤五,更新变量:
更新完毕后,继续转入步骤三进行下一轮的迭代运算。
上述方案中,通过梯度下降法n次迭代,可计算出各时间段的机组出力P。
具体地,所述优化算法模块的优化计算方法为梯度求解法,其算法流程为:
步骤一,初始化参数:
对最优互补式新电价集合的初始值Pr(0)设为0,此时最优时序负荷群集合设定为常数,其调用的是上一次最优负荷计算模块的输出结果D(0),同时初始终止距离ε以及步长α;
步骤二,确定损失函数:
其中,ν和ω为大于零的常数;
步骤三,确定损失函数梯度:
对于Prt,其梯度表达式如下,
步骤四,计算当前位置步长:
确定Prt(1)处的步长,
若步长α0小于ε,则可停止迭代,当前Pr为最终结果;
步骤五,更新变量:
更新完毕后,继续转入步骤三进行下一轮的迭代运算。
上述方案中,通过梯度下降法n次迭代,可计算出各时间段的最优互补式新电价Pr(1)。
具体地,所述电网调度模块所建立的数学模型的求解方法为梯度下降法,其算法流程为:
步骤一,初始化参数:
对各机组的发电功率的初始值Pi,t(0)设为0,此时高成分灵活负荷用户群的总负荷设定为常数,其调用的是上一次最优负荷计算模块的输出结果D(0),因此有D(0)=Dnew;同时初始终止距离ε以及步长α;
步骤二,确定损失函数:
其中,η为放大系数,其为3到9之间的常数;ρ为缩小系数,均为0.0001到0.001的小数;v1、v2、ν3、ν4和ω1、ω2、ω3、ω4为大于零的常数;
步骤三,确定损失函数梯度:
对于Pi,t,其梯度表达式如下,
步骤四,计算当前位置步长:
确定Pi,t(1)处的步长,
若步长α0小于ε,则可停止迭代,当前Pi,t为最终结果;
步骤五,更新变量:
更新完毕后,继续转入步骤三进行下一轮的迭代运算。
上述方案中,通过梯度下降法n次迭代,可计算出各时间段的机组出力P。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (3)
1.一种面向高成分灵活负荷的需求响应互补式电价方法,包括:S1:在最优用户负荷计算模块中建立数学模型,求解得到最优时序负荷群集合,并输出至电网调度简化优化模块;S2:在电网调度简化优化模块中建立数学模型,求解得到备选互补式电价下的最优电网成本,并输出至优化算法模块;S3:在优化算法模块中进行优化计算,得到最优互补式新电价集合、标识集合,并输出至电网调度模块;S4:在电网调度模块中建立数学模型并求解,并结合最优互补式新电价集合、标识集合,得到最优需方响应的电网成本;
所述最优用户负荷计算模块所建立的数学模型具体为:
目标函数:Min:Cost-new=(Bill-Bill0)+(Salary-Salary0)
推导第一约束函数、第二约束函数、第三约束函数,需结合备选互补式电价下的每日电费计算公式:
其中,时间步长设定为1分钟,设备k在t时段的行为定义为开关概率,用(ON_protk)来表示;设备k在t时段的逻辑工作状态为Statk,其由ON_protk中的随机函数生成;random()为随机函数;prt为备用互补式电价在t时段的电价;K为灵活用户在t时段的功耗;60表示1小时有60分钟,1440表示1天有1440分钟;
推导第一约束函数、第二约束函数、第三约束函数,还需结合备选互补式电价下的工人工资计算公式:
所得第一约束函数为:
所得第二约束函数为:
所得第三约束函数为:
所述电网调度简化优化模块所建立的数学模型具体为:目标函数:
约束函数:
所述电网调度模块建立的数学模型具体为:
目标函数:
约束函数:
其中,Cost-new为在备选互补式电价下的成本,(Bill-Bill0)为典型每日电费账单变化,(Salary-Salary0)为典型每日工资变化;Bill为备选互补式电价下的每日电费,Bill0为传统峰谷电价下的每日电费,Salary为备选互补式电价下的工人工资,Salary0为传统峰谷电价下的工人工资;constk为第k个设备的每天总开关时间,设备k在t时段的行为定义为开关概率,用(ON_protk)来表示;设备k在t时段的逻辑工作状态为Statk,其由ON_protk中的随机函数生成;Stat,unite作为并行工作的设备的逻辑工作状态;random()为随机函数,ON_prot,k,old和ON_prot,k,new表示传统峰谷电价下的设备k在t时段的开关概率和备选互补式电价下的设备k在t时段的开关概率;NG为机组数量,ND为最优时序符合群数量,Ci,t为第i台发电机t时刻的发电成本,Pi,t为第i台发电机t时刻的发电量,Dj,t为第j个负荷t时刻的最优时序负荷,PLmax为网架线路的最大潮流功率限制,SF为转移因子矩阵,KP为发电机关联矩阵,Pt为t时刻的机组矩阵,KD为负荷关联矩阵,Dt为t时刻的最优时序负荷群矩阵,Pmin,Pmax为机组发电容量下限矩阵和上限矩阵,Dnew_t为t时刻的高成分灵活负荷用户群的总负荷,Dold_t为t时刻的其他用户群的总负荷,KDnew为高成分灵活负荷用户群的负荷关联矩阵,KDold为其他用户群的负荷关联矩阵,B为节点电纳矩阵,θ为电压相角,xb为阻抗矩阵,KL为线路关联矩阵,PLmin,PLmax分别为网络潮流的最小值和最大值;
所述最优用户负荷计算模块所建立的数学模型的求解方法为梯度下降法,其算法流程为:
步骤一,算法相关参数初始化:
设Sta(0)初始值均为0,同时初始终止距离ε以及步长α;此时备选互补式电价设定为常数,其调用的是上一次最优需方响应互补式新电价制定系统的输出结果Pr(0);
步骤二,确定损失函数:
其中,η1、η2、η3为放大系数,其为3到9之间的常数;ρ1、ρ2、ρ3为缩小系数,均为0.0001到0.001的小数;Sta为设备的工作状态;
步骤三,确定损失函数梯度:
对于Statk,其梯度表达式如下,
步骤四,计算当前位置步长:
确定Statk(1)处的步长,
若步长α0小于ε,则可停止迭代,当前Sta为最终结果;
步骤五,更新变量:
更新完毕后,继续转入步骤三进行下一轮的迭代运算;
通过梯度下降法n次迭代,可计算出各设备的工作状态,由此再计算出灵活用户在t时段的功耗K(1),
所述电网调度简化优化模块所建立的数学模型的求解方法为梯度下降法,其算法流程为:
步骤一,初始化参数:
对各机组的发电功率的初始值Pi,t(0)设为0,此时高成分灵活负荷用户群的总负荷设定为常数,其调用的是上一次最优负荷计算模块的输出结果D(0),因此有D(0)=Dj,t;同时初始终止距离ε以及步长α;
步骤二,确定损失函数:
其中,η4为放大系数,其为3到9之间的常数;ρ4为缩小系数,均为0.0001到0.001的小数;ν5、ν6、ν7、ν8和ω5、ω6、ω7、ω8为大于零的常数;
步骤三,确定损失函数梯度:
对于Pi,t,其梯度表达式如下,
步骤四,计算当前位置步长:
确定Pi,t(1)处的步长,
若步长α0小于ε,则可停止迭代,当前Pi,t为最终结果;
步骤五,更新变量:
更新完毕后,继续转入步骤三进行下一轮的迭代运算;
所述优化算法模块的优化计算方法为梯度求解法,其算法流程为:
步骤一,初始化参数:
对最优互补式新电价集合的初始值Pr(0)设为0,此时最优时序负荷群集合设定为常数,其调用的是上一次最优负荷计算模块的输出结果D(0),同时初始终止距离ε以及步长α;
步骤二,确定损失函数:
其中,ν和ω为大于零的常数;
步骤三,确定损失函数梯度:
对于Prt,其梯度表达式如下,
步骤四,计算当前位置步长:
确定Prt(1)处的步长,
若步长α0小于ε,则可停止迭代,当前Pr为最终结果;
步骤五,更新变量:
更新完毕后,继续转入步骤三进行下一轮的迭代运算;
所述电网调度模块所建立的数学模型的求解方法为梯度下降法,其算法流程为:
步骤一,初始化参数:
对各机组的发电功率的初始值Pi,t(0)设为0,此时高成分灵活负荷用户群的总负荷设定为常数,其调用的是上一次最优负荷计算模块的输出结果D(0),因此有D(0)=Dnew;同时初始终止距离ε以及步长α;
步骤二,确定损失函数:
其中,η为放大系数,其为3到9之间的常数;ρ为缩小系数,均为0.0001到0.001的小数;v1、v2、v3、v4和、ω2、ω3、ω4为大于零的常数;
步骤三,确定损失函数梯度:
对于Pi,t,其梯度表达式如下,
步骤四,计算当前位置步长:
确定Pi,t(1)处的步长,
若步长α0小于ε,则可停止迭代,当前Pi,t为最终结果;
步骤五,更新变量:
更新完毕后,继续转入步骤三进行下一轮的迭代运算。
2.根据权利要求1所述一种面向高成分灵活负荷的需求响应互补式电价方法的一种面向高成分灵活负荷的需求响应互补式电价系统,其特征在于,包括最优需方响应互补式新电价制定系统、标识判断模块、电网调度模块、高成分灵活负荷用户群、其他用户群;其中:所述最优需方响应互补式新电价制定系统与标识判断模块连接;所述最优需方响应互补式新电价制定系统与电网调度模块连接;所述最优需方响应互补式新电价制定系统与高成分灵活负荷用户群连接;所述最优需方响应互补式新电价制定系统与其他用户群连接;所述标识判断模块与高成分灵活负荷用户群连接;所述电网调度模块与高成分灵活负荷用户群连接;所述电网调度模块与其他用户群连接;
所述最优需方响应互补式新电价制定系统包括目标函数模块、指标约束模块和优化算法模块;其中:所述目标函数模块输入端与高成分灵活负荷用户群输出端连接;所述目标函数模块输出端与优化算法模块输入端连接;所述指标约束模块输出端与优化算法模块输入端连接;
所述目标函数模块包括最优用户负荷计算模块、电网调度简化优化模块;其中:所述最优用户负荷计算模块输入端与高成分灵活负荷用户群输出端连接;所述最优用户负荷计算模块输出端与电网调度简化优化模块输入端连接。
3.根据权利要求2所述的一种面向高成分灵活负荷的需求响应互补式电价系统,其特征在于,所述指标约束模块输出的指标约束函数表达式为:
其中,Cost-old为传统峰谷电价下的成本;Cost-new为在备选互补式电价下的成本,σ为在互补式电价下的成本最小降低百分比,ON-protk表示设备k在t时段的开关概率,ON_protk,BBS为依据备选互补式电价下设定设备k在t时段的开关概率,ON_protk,0为依据传统峰谷电价下设定设备k在t时段的开关概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010923388.8A CN112150190B (zh) | 2020-09-04 | 2020-09-04 | 一种面向高成分灵活负荷的需求响应互补式电价系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010923388.8A CN112150190B (zh) | 2020-09-04 | 2020-09-04 | 一种面向高成分灵活负荷的需求响应互补式电价系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112150190A CN112150190A (zh) | 2020-12-29 |
CN112150190B true CN112150190B (zh) | 2023-08-22 |
Family
ID=73890723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010923388.8A Active CN112150190B (zh) | 2020-09-04 | 2020-09-04 | 一种面向高成分灵活负荷的需求响应互补式电价系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112150190B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184285A (zh) * | 2020-09-04 | 2021-01-05 | 广东工业大学 | 一种面向高成分灵活负荷的需求响应互补式电价系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106712005A (zh) * | 2017-01-11 | 2017-05-24 | 东南大学 | 一种计及需求响应的电网安全优化调度方法 |
CN108521132A (zh) * | 2018-04-16 | 2018-09-11 | 广西大学 | 多能互补支撑电网频率调节的多时间尺度优化控制方法 |
CN109002931A (zh) * | 2018-08-22 | 2018-12-14 | 河海大学 | 日前发电调度与日前峰谷分时电价联合优化方法 |
WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
CN110619428A (zh) * | 2019-08-30 | 2019-12-27 | 广东工业大学 | 一种智能体辅助独立发电商参与市场竞标的调度优化系统 |
CN110783959A (zh) * | 2019-12-02 | 2020-02-11 | 清华四川能源互联网研究院 | 一种新能源发电系统的稳定状态控制系统 |
CN110929948A (zh) * | 2019-11-29 | 2020-03-27 | 上海电力大学 | 基于深度强化学习的完全分布式智能电网经济调度方法 |
CN112184285A (zh) * | 2020-09-04 | 2021-01-05 | 广东工业大学 | 一种面向高成分灵活负荷的需求响应互补式电价系统 |
-
2020
- 2020-09-04 CN CN202010923388.8A patent/CN112150190B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106712005A (zh) * | 2017-01-11 | 2017-05-24 | 东南大学 | 一种计及需求响应的电网安全优化调度方法 |
WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
CN108521132A (zh) * | 2018-04-16 | 2018-09-11 | 广西大学 | 多能互补支撑电网频率调节的多时间尺度优化控制方法 |
CN109002931A (zh) * | 2018-08-22 | 2018-12-14 | 河海大学 | 日前发电调度与日前峰谷分时电价联合优化方法 |
CN110619428A (zh) * | 2019-08-30 | 2019-12-27 | 广东工业大学 | 一种智能体辅助独立发电商参与市场竞标的调度优化系统 |
CN110929948A (zh) * | 2019-11-29 | 2020-03-27 | 上海电力大学 | 基于深度强化学习的完全分布式智能电网经济调度方法 |
CN110783959A (zh) * | 2019-12-02 | 2020-02-11 | 清华四川能源互联网研究院 | 一种新能源发电系统的稳定状态控制系统 |
CN112184285A (zh) * | 2020-09-04 | 2021-01-05 | 广东工业大学 | 一种面向高成分灵活负荷的需求响应互补式电价系统 |
Non-Patent Citations (1)
Title |
---|
计及需求响应的主动配电网双层优化调度模型;华亮亮;黄伟;葛良军;刘立夫;;电力建设(09);120-127 * |
Also Published As
Publication number | Publication date |
---|---|
CN112150190A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110188950B (zh) | 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法 | |
Gabash et al. | Flexible optimal operation of battery storage systems for energy supply networks | |
CN114498639B (zh) | 一种考虑需求响应的多微电网联合互济的日前调度方法 | |
CN106786801A (zh) | 一种基于竞价均衡的微电网运行方法 | |
CN111126882B (zh) | 虚拟变电站调度方法及终端设备 | |
Ferrero et al. | Dynamic economic dispatch in deregulated systems | |
CN112150190B (zh) | 一种面向高成分灵活负荷的需求响应互补式电价系统及方法 | |
CN111193293A (zh) | 配电网协调多主体调度处理方法及装置 | |
CN111062773B (zh) | 一种虚拟电厂交易管理系统 | |
CN110556821B (zh) | 考虑交互功率控制和双边竞价交易的多微电网双层优化调度方法 | |
CN116707016A (zh) | 基于场景生成和削减的风光氢储日前随机优化调度方法 | |
Khoshjahan et al. | Flexibility provision by distributed prosumers in wholesale electricity market | |
Kou et al. | Game-theoretic approach for smartgrid energy trading with microgrids during restoration | |
CN116436048A (zh) | 一种多目标驱动的微电网群云储能优化配置方法及装置 | |
CN110601183A (zh) | 一种远洋孤岛微电网系统及其分散式周期性能量交易方法 | |
CN110661277A (zh) | 一种基于敏感负荷接入的虚拟电厂日前调度方法 | |
CN112865101B (zh) | 一种考虑可再生能源出力不确定性的线性化交易方法 | |
CN115481866A (zh) | 乡村能源微电网群的调度方法、装置、设备及存储介质 | |
CN108629448A (zh) | 一种基于Lyapunov优化的数据中心电能开销优化控制方法及系统 | |
Garella et al. | Provision of flexibility services through energy communities | |
Amooi et al. | Operation of an active distribution network with PV and storage battery and vehicle charge station and modeling of uncertainty with copula model | |
CN112184285A (zh) | 一种面向高成分灵活负荷的需求响应互补式电价系统 | |
Chen et al. | Value stacking of a behind-the-meter utility-scale battery for demand response markets and demand charge management: real-world operation on the UC San Diego campus | |
CN112102047A (zh) | 虚拟电厂优化组合竞价方法、装置、设备和存储介质 | |
CN111445154A (zh) | 一种电力市场资源自调度优化方法、系统以及设备 |
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 |