CN112215687B - 一种基于云边协同的家庭微网自主竞价系统及方法 - Google Patents
一种基于云边协同的家庭微网自主竞价系统及方法 Download PDFInfo
- Publication number
- CN112215687B CN112215687B CN202011285413.0A CN202011285413A CN112215687B CN 112215687 B CN112215687 B CN 112215687B CN 202011285413 A CN202011285413 A CN 202011285413A CN 112215687 B CN112215687 B CN 112215687B
- Authority
- CN
- China
- Prior art keywords
- grid
- micro
- home
- power
- home micro
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000010248 power generation Methods 0.000 claims abstract description 28
- 238000004146 energy storage Methods 0.000 claims abstract description 11
- 230000004044 response Effects 0.000 claims description 25
- 230000005611 electricity Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000007704 transition 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0611—Request for offers or quotes
-
- 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
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种基于云边协同的家庭微网自主竞价系统及方法,涉及电力系统运行控制技术领域。本发明系统包括家庭微网系统以及自主竞价系统;家庭微网系统包括分布式发电设备、储能设备和可控负荷;自主竞价系统通过ICP/IP协议连接家庭微网系统,通过赋予边缘电力用户参与零售电力市场的自主权最大化社会福利,同时促进可再生能源高效利用。
Description
技术领域
本发明涉及电力系统运行控制技术领域,尤其涉及一种基于云边协同的家庭微网自主竞价系统及方法。
背景技术
可再生能源及智能电网技术是应对全球能源危机、气候变化的有效途径之一。随着分布式可再生能源发电和可调度电力负荷在智能电网中的广泛渗透,越来越多的传统电力用户逐渐转变为自治家庭微网,并通过控制储能和灵活负载参与电力市场。这进一步导致了传统集中式电力市场向分散式零售电力市场的转变,需要重新考虑新型家庭微网的调度策略及零售电力市场的运营模式。
新型电力市场环境下自治家庭微网间广泛互动,因此在零售电力市场运行过程中需要解决相关接入参与者间信息耦合问题,特别是参与者需要相对公平的竞价和决策机制来最大化自身社会福利。因此,双边或多边交易过程中竞价方案的制定已成为目前零售电力市场亟待解决的问题。
发明内容
针对现有技术的不足,本发明提出一种基于云边协同的家庭微网自主竞价系统及方法,考虑边缘家庭微网自治行为及零售电力市场中各参与者间的紧密耦合和信息交互,完成零售电力市场双边或多边交易过程中竞价方案的制定。
为解决上述技术问题,本发明所采取的技术方案是:
一方面,一种基于云边协同的家庭微网自主竞价系统,包括家庭微网系统以及自主竞价系统;
所述家庭微网系统包括分布式发电设备、储能设备和可控负荷;其中所述分布式发电设备包括屋顶光伏发电设备、小型风力发电设备;所述储能设备包括蓄电池;所述可控负荷包括智能空调;所述屋顶光伏发电设备、小型风力发电设备、蓄电池和智能空调之间通过低压配电网馈线连接;
所述自主竞价系统通过ICP/IP协议连接家庭微网系统,包括云计算模块、边缘计算模块和通信模块;所述云计算模块连接所述边缘计算模块,为云计算平台,基于一致性准则迭代竞价,获得最优交易策略;所述边缘计算模块与其对应的屋顶光伏发电设备、小型风力发电设备、蓄电池和智能空调连接,用于家庭微网预测供需能力、制定初始报价策略、并求解需求响应模型;所述通信模块用于云计算模块和边缘计算模块、边缘计算模块和分布式发电设备、储能设备和可控负荷设备之间进行信息交互;
另一方面,一种基于云边协同的家庭微网自主竞价方法,基于前述一种基于云边协同的家庭微网自主竞价系统实现,包括以下步骤:
步骤1:获取t时刻第i个家庭的家庭微网的供需能力;
所述家庭微网的供需能力包括小型风力发电机输出功率屋顶光伏设备输出功率/>和家庭微网的基本负荷需求/>其中,e表示服从高斯分布的预测误差;
步骤2:基于预测的家庭微网的供需能力,制定初始报价策略并构建家庭微网需求响应模型;
步骤2.1:构建t时刻第i个家庭微网决策变量矢量包括蓄电池放电功率/>空调消耗功率/>参与电力市场交易功率/>
步骤2.2:基于决策变量构建t时刻第i个家庭微网蓄电池的容量状态
其中,η表示蓄电池自放电因数;蓄电池的容量状态及放电功率的不等式约束满足:
其中,SOCi,min、SOCi,max、ui,dis,min、ui,dis,max表示变量的边界值。
步骤2.3:基于决策变量构建t时刻第i个家庭微网室内温度状态ITt i
其中,τi表示第i个家庭对应的建筑热惯性因数,γi表示空调性能系数,Ki表示空调输出总热量与所消耗电功率的比例常数,ATt表示室外环境温度。
步骤2.4:基于决策变量构建t时刻第i个家庭微网供需平衡状态
步骤2.5:利用改进的Stone-Geary效用函数构建t时刻第i个家庭微网的初始报价策略
其中,α、β分别表示效用系数和惩罚系数。
步骤2.6:所述家庭微网需求响应模型基于以下优化问题
其中,表示家庭微网耗电成本系数,ξ表示实际室内温度偏离设定温度ITt i,set的成本惩罚系数。
步骤3:云计算模块基于优先级和初始报价匹配交易方,并引入拉格朗日罚函数构建基于一致性准则的竞价模型对所述报价策略进行迭代;
步骤3.1:云计算模块根据交易方上报的可交易电量的绝对值进行优先级排序,确定交易电量相近的双方优先匹配竞价。
步骤3.2:构建基于家庭微网需求响应模型,包括交易双方的总成本最小化问题
其中,分别表示购买方和出售方的决策变量矢量,/>包括购买方蓄电池放电功率/>购买方空调消耗功率/>购买方参与电力市场交易功率/>包括出售方蓄电池放电功率/>出售方空调消耗功率/>出售方参与电力市场交易功率/>A、B为常数矩阵,c为常数矢量,此外,服从的等式约束包含交易双方竞价一致性准则/> 分别表示购买方和出售方的初始报价策略;/>分别表示购买方和出售方的需求响应模型的目标函数。
步骤3.3:引入増广拉格朗日函数将所述交易双方的总成本最小化问题改写为
其中,Lρ为拉格朗日算符;yT为拉格朗日乘子;ρ>0为惩罚参数;
步骤3.4:采用交替方向乘子法将所述步骤3.3的増广拉格朗日函数分解为云边协同迭代求解交易双方最优电量交易策略及需求响应策略,即
购买方:
出售方:
云计算模块:
其中,k为迭代次数。
步骤4:交易双方在云计算模块达成报价共识,边缘家庭微网获取最优电量交易策略及需求响应策略。
步骤4.1:经所述步骤1-3迭代后,云计算模块统计各家庭微网的余电状态,判断是否仍有请求交易的家庭微网,若是,执行步骤4.2,若否,执行步骤4.4;
步骤4.2:判断是否同时存在购买方和出售方,若是,执行步骤1-4,若否,执行步骤4.3;
步骤4.3:将余电注入主电网或向主电网购电;
步骤4.4:输出边缘家庭微网最优电量交易策略及需求响应策略。
采用上述技术方案所产生的有益效果在于:
本发明提出了一种基于云边协同的家庭微网自主竞价系统及方法,通过赋予边缘电力用户参与零售电力市场的自主权最大化社会福利,同时促进可再生能源高效利用。相比传统集中式能量管理系统和电力市场,可以动态、高效地计算出最优能量调度和交易策略,具有较大的实际应用价值。
附图说明
图1为本发明所述的基于云边协同的家庭微网自主竞价系统示意图;
图2为本发明所述的基于云边协同的家庭微网自主竞价方法示意图;
图3为本发明实施例中屋顶光伏设备、小型风力发电机和基本负荷需求的预测值绘图;
图4为本发明实施例中利用本发明的方法得到的交易双方总成本优化结果。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
一方面,一种基于云边协同的家庭微网自主竞价系统,如图1所示,包括家庭微网系统以及自主竞价系统;
所述家庭微网系统包括分布式发电设备、储能设备和可控负荷;其中所述分布式发电设备包括屋顶光伏发电设备、小型风力发电设备;所述储能设备包括蓄电池;所述可控负荷包括智能空调;所述屋顶光伏发电设备、小型风力发电设备、蓄电池和智能空调之间通过低压配电网馈线连接;
所述自主竞价系统通过ICP/IP协议连接家庭微网系统,包括云计算模块、边缘计算模块和通信模块;所述云计算模块连接所述边缘计算模块,为云计算平台,基于一致性准则迭代竞价,获得最优交易策略;所述边缘计算模块与其对应的屋顶光伏发电设备、小型风力发电设备、蓄电池和智能空调连接,用于家庭微网预测供需能力、制定初始报价策略、并求解需求响应模型;所述通信模块用于云计算模块和边缘计算模块、边缘计算模块和分布式发电设备、储能设备和可控负荷设备之间进行信息交互;
另一方面,一种基于云边协同的家庭微网自主竞价方法,基于前述一种基于云边协同的家庭微网自主竞价系统实现,如图2所示,包括以下步骤:
步骤1:获取t时刻第i个家庭的家庭微网的供需能力;
所述家庭微网的供需能力包括小型风力发电机输出功率屋顶光伏设备输出功率/>和家庭微网的基本负荷需求/>其中,e表示服从高斯分布的预测误差;
步骤2:基于预测的家庭微网的供需能力,制定初始报价策略并构建家庭微网需求响应模型;
步骤2.1:构建t时刻第i个家庭微网决策变量矢量包括蓄电池放电功率/>空调消耗功率/>参与电力市场交易功率/>
步骤2.2:基于决策变量构建t时刻第i个家庭微网蓄电池的容量状态
其中,η表示蓄电池自放电因数;蓄电池的容量状态及放电功率的不等式约束满足:
其中,SOCi,min、SOCi,max、ui,dis,min、ui,dis,max表示变量的边界值。
步骤2.3:基于决策变量构建t时刻第i个家庭微网室内温度状态
其中,τi表示第i个家庭对应的建筑热惯性因数,γi表示空调性能系数,Ki表示空调输出总热量与所消耗电功率的比例常数,ATt表示室外环境温度。
步骤2.4:基于决策变量构建t时刻第i个家庭微网供需平衡状态
步骤2.5:利用改进的Stone-Geary效用函数构建t时刻第i个家庭微网的初始报价策略
其中,α、β分别表示效用系数和惩罚系数。
步骤2.6:所述家庭微网需求响应模型基于以下优化问题
其中,表示家庭微网耗电成本系数,ξ表示实际室内温度偏离设定温度/>的成本惩罚系数。
步骤3:云计算模块基于优先级和初始报价匹配交易方,并引入拉格朗日罚函数构建基于一致性准则的竞价模型对所述报价策略进行迭代;
步骤3.1:云计算模块根据交易方上报的可交易电量的绝对值进行优先级排序,确定交易电量相近的双方优先匹配竞价。
步骤3.2:构建基于家庭微网需求响应模型,包括交易双方的总成本最小化问题
其中,分别表示购买方和出售方的决策变量矢量,/>包括购买方蓄电池放电功率/>购买方空调消耗功率/>购买方参与电力市场交易功率/> 包括出售方蓄电池放电功率/>出售方空调消耗功率/>出售方参与电力市场交易功率/>A、B为常数矩阵,c为常数矢量,此外,服从的等式约束包含交易双方竞价一致性准则/> 分别表示购买方和出售方的初始报价策略;/>分别表示购买方和出售方的需求响应模型的目标函数。
步骤3.3:引入増广拉格朗日函数将所述交易双方的总成本最小化问题改写为
其中,Lρ为拉格朗日算符;yT为拉格朗日乘子;ρ>0为惩罚参数;
步骤3.4:采用交替方向乘子法将所述步骤3.3的増广拉格朗日函数分解为云边协同迭代求解交易双方最优电量交易策略及需求响应策略,即
购买方:
出售方:
云计算模块:
其中,k为迭代次数。
步骤4:交易双方在云计算模块达成报价共识,边缘家庭微网获取最优电量交易策略及需求响应策略。
步骤4.1:经所述步骤1-3迭代后,云计算模块统计各家庭微网的余电状态,判断是否仍有请求交易的家庭微网,若是,执行步骤4.2,若否,执行步骤4.4;
步骤4.2:判断是否同时存在购买方和出售方,若是,执行步骤1-4,若否,执行步骤4.3;
步骤4.3:将余电注入主电网或向主电网购电;
步骤4.4:输出边缘家庭微网最优电量交易策略及需求响应策略。
本实施例中家庭微网屋顶光伏设备、小型风力发电机和基本负荷需求的预测值如图3所示,图中横坐标为时间,预测时间间隙为5分钟,纵坐标为功率,单位为kW。
重复步骤1-4,得到的一次交易后双方总成本优化结果,如图4所示,图中横坐标为迭代次数,纵坐标为交易双方的总成本。可以看到,经过1481次迭代,总成本趋于收敛至143.4。证明了本发明的方法的有效性。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (2)
1.一种基于云边协同的家庭微网自主竞价方法,其特征在于,具体包括以下步骤;
步骤1:获取t时刻第i个家庭的家庭微网的供需能力;
所述家庭微网的供需能力包括小型风力发电机输出功率屋顶光伏设备输出功率/>和家庭微网的基本负荷需求/>其中,e表示服从高斯分布的预测误差;
步骤2:基于预测的家庭微网的供需能力,制定初始报价策略并构建家庭微网需求响应模型;
步骤2.1:构建t时刻第i个家庭微网决策变量矢量包括蓄电池放电功率/>空调消耗功率/>参与电力市场交易功率/>
步骤2.2:基于决策变量构建t时刻第i个家庭微网蓄电池的容量状态
其中,η表示蓄电池自放电因数;蓄电池的容量状态及放电功率的不等式约束满足:
其中,SOCi,min、SOCi,max、ui,dis,min、ui,dis,max表示变量的边界值;
步骤2.3:基于决策变量构建t时刻第i个家庭微网室内温度状态ITt i
其中,τi表示第i个家庭对应的建筑热惯性因数,γi表示空调性能系数,Ki表示空调输出总热量与所消耗电功率的比例常数,ATt表示室外环境温度;
步骤2.4:基于决策变量构建t时刻第i个家庭微网供需平衡状态
步骤2.5:利用改进的Stone-Geary效用函数构建t时刻第i个家庭微网的初始报价策略
其中,α、β分别表示效用系数和惩罚系数;
步骤2.6:所述家庭微网需求响应模型基于以下优化问题
其中,表示家庭微网耗电成本系数,ξ表示实际室内温度偏离设定温度ITt i,set的成本惩罚系数;
步骤3:云计算模块基于优先级和初始报价匹配交易方,并引入拉格朗日罚函数构建基于一致性准则的竞价模型对所述报价策略进行迭代;
步骤3.1:云计算模块根据交易方上报的可交易电量的绝对值进行优先级排序,确定交易电量相近的双方优先匹配竞价;
步骤3.2:构建基于家庭微网需求响应模型,包括交易双方的总成本最小化问题:
其中,分别表示购买方和出售方的决策变量矢量,/>包括购买方蓄电池放电功率/>购买方空调消耗功率/>购买方参与电力市场交易功率/> 包括出售方蓄电池放电功率/>出售方空调消耗功率/>出售方参与电力市场交易功率A、B为常数矩阵,c为常数矢量,此外,服从的等式约束包含交易双方竞价一致性准则 分别表示购买方和出售方的初始报价策略;/>分别表示购买方和出售方的需求响应模型的目标函数;
步骤3.3:引入増广拉格朗日函数将所述交易双方的总成本最小化问题改写为:
其中,Lρ为拉格朗日算符;yT为拉格朗日乘子;ρ>0为惩罚参数;
步骤3.4:采用交替方向乘子法将所述步骤3.3的増广拉格朗日函数分解为云边协同迭代求解交易双方最优电量交易策略及需求响应策略,即:
购买方:
出售方:
云计算模块:
其中,k为迭代次数;
步骤4:交易双方在云计算模块达成报价共识,边缘家庭微网获取最优电量交易策略及需求响应策略;
步骤4.1:经所述步骤1-3迭代后,云计算模块统计各家庭微网的余电状态,判断是否仍有请求交易的家庭微网,若是,执行步骤4.2,若否,执行步骤4.4;
步骤4.2:判断是否同时存在购买方和出售方,若是,执行步骤1-4,若否,执行步骤4.3;
步骤4.3:将余电注入主电网或向主电网购电;
步骤4.4:输出边缘家庭微网最优电量交易策略及需求响应策略。
2.根据权利要求1所述的一种基于云边协同的家庭微网自主竞价方法,其特征在于,该方法基于一种基于云边协同的家庭微网自主竞价系统实现,包括家庭微网系统以及自主竞价系统;
所述家庭微网系统包括分布式发电设备、储能设备和可控负荷;其中所述分布式发电设备包括屋顶光伏发电设备、小型风力发电设备;所述储能设备包括蓄电池;所述可控负荷包括智能空调;所述屋顶光伏发电设备、小型风力发电设备、蓄电池和智能空调之间通过低压配电网馈线连接;
所述自主竞价系统通过ICP/IP协议连接家庭微网系统,包括云计算模块、边缘计算模块和通信模块;所述云计算模块连接所述边缘计算模块,为云计算平台,基于一致性准则迭代竞价,获得最优交易策略;所述边缘计算模块与其对应的屋顶光伏发电设备、小型风力发电设备、蓄电池和智能空调连接,用于家庭微网预测供需能力、制定初始报价策略、并求解需求响应模型;所述通信模块用于云计算模块和边缘计算模块、边缘计算模块和分布式发电设备、储能设备和可控负荷设备之间进行信息交互。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011285413.0A CN112215687B (zh) | 2020-11-17 | 2020-11-17 | 一种基于云边协同的家庭微网自主竞价系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011285413.0A CN112215687B (zh) | 2020-11-17 | 2020-11-17 | 一种基于云边协同的家庭微网自主竞价系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112215687A CN112215687A (zh) | 2021-01-12 |
CN112215687B true CN112215687B (zh) | 2024-02-02 |
Family
ID=74057082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011285413.0A Active CN112215687B (zh) | 2020-11-17 | 2020-11-17 | 一种基于云边协同的家庭微网自主竞价系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215687B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116111599A (zh) * | 2022-09-08 | 2023-05-12 | 贵州电网有限责任公司 | 一种基于区间预测的智能电网不确定性感知管理控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016078329A1 (zh) * | 2014-11-19 | 2016-05-26 | 天津大学 | 一种多智能体结构的微电网优化运行方法 |
CN106786801A (zh) * | 2017-02-13 | 2017-05-31 | 天津大学 | 一种基于竞价均衡的微电网运行方法 |
CN111311012A (zh) * | 2020-02-27 | 2020-06-19 | 南京邮电大学 | 基于多智能体的微电网电力市场双层竞价优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7430534B2 (en) * | 2001-06-15 | 2008-09-30 | Abb Ab | System, method and computer program product for risk-minimization and mutual insurance relations in meteorology dependent activities |
-
2020
- 2020-11-17 CN CN202011285413.0A patent/CN112215687B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016078329A1 (zh) * | 2014-11-19 | 2016-05-26 | 天津大学 | 一种多智能体结构的微电网优化运行方法 |
CN106786801A (zh) * | 2017-02-13 | 2017-05-31 | 天津大学 | 一种基于竞价均衡的微电网运行方法 |
CN111311012A (zh) * | 2020-02-27 | 2020-06-19 | 南京邮电大学 | 基于多智能体的微电网电力市场双层竞价优化方法 |
Non-Patent Citations (1)
Title |
---|
Connectivity Verification in Distribution Systems Using Smart Meter Voltage Analytics: A Cloud-Edge Collaboration Approach;Fangyuan Si等;《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》;第17卷(第6期);第3929-3939页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112215687A (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Transactive energy supported economic operation for multi-energy complementary microgrids | |
Zhao et al. | Strategic bidding of hybrid AC/DC microgrid embedded energy hubs: A two-stage chance constrained stochastic programming approach | |
Li et al. | Risk-averse energy trading in multienergy microgrids: A two-stage stochastic game approach | |
CN110188950A (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 | |
Alzahrani et al. | Real-time energy optimization and scheduling of buildings integrated with renewable microgrid | |
Jin et al. | Scheduling distributed energy resources and smart buildings of a microgrid via multi‐time scale and model predictive control method | |
Farinis et al. | Integrated energy management system for Microgrids of building prosumers | |
Jordehi | Two-stage stochastic programming for risk-aware scheduling of energy hubs participating in day-ahead and real-time electricity markets | |
CN112381263A (zh) | 基于区块链分布式数据存储多微网日前鲁棒电能交易方法 | |
CN112883584B (zh) | 一种考虑利益交互的多能微网群冷热电多能耦合优化方法 | |
Zhao et al. | Cooperative energy dispatch of smart building cluster based on smart contracts | |
CN115760206A (zh) | 一种基于工业用户用电需求的电力市场电价计算方法 | |
Zhou et al. | Correlated deep q-learning based microgrid energy management | |
Nguyen et al. | Optimal energy management for building microgrid with constrained renewable energy utilization | |
CN112215687B (zh) | 一种基于云边协同的家庭微网自主竞价系统及方法 | |
CN112883630B (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
Si et al. | Cloud-edge-based we-market: Autonomous bidding and peer-to-peer energy sharing among prosumers | |
CN115860241B (zh) | 基于salr的互联多区域综合能源系统分布式调度方法及装置 | |
Li et al. | Aggregator’s scheduling and offering strategy for renewable integration based on information gap decision theory | |
CN116862144A (zh) | 一种基于双重博弈的多园区低碳调度方法及系统 | |
Ma et al. | Optimal Peer-to-Peer Energy Transaction of Distributed Prosumers in High-Penetrated Renewable Distribution Systems | |
Thangavelu et al. | Transactive energy management systems: Mathematical models and formulations | |
CN116307029A (zh) | 促进多虚拟网格间源储荷协调的双层优化调度方法及系统 | |
CN112713590B (zh) | 计及idr的冷热电联供微网与主动配电网联合优化调度方法 | |
Ullah et al. | Multi agent-based distributed energy arbitrage in residential distribution system |
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 |