CN112311017A - 一种虚拟电厂与主网最优协同调度方法 - Google Patents
一种虚拟电厂与主网最优协同调度方法 Download PDFInfo
- Publication number
- CN112311017A CN112311017A CN202010902485.9A CN202010902485A CN112311017A CN 112311017 A CN112311017 A CN 112311017A CN 202010902485 A CN202010902485 A CN 202010902485A CN 112311017 A CN112311017 A CN 112311017A
- Authority
- CN
- China
- Prior art keywords
- main network
- power
- power plant
- virtual power
- virtual
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000004146 energy storage Methods 0.000 claims abstract description 40
- 238000010248 power generation Methods 0.000 claims abstract description 29
- 230000005611 electricity Effects 0.000 claims description 19
- 238000007599 discharging Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- ZHKMVECXITZAPL-SNSGICDFSA-N tsvpp protocol Chemical compound ClCCN(N=O)C(=O)NC1CCCCC1.CNNCC1=CC=C(C(=O)NC(C)C)C=C1.O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1.C([C@H](C[C@]1(C(=O)OC)C=2C(=C3C([C@]45[C@H]([C@@]([C@H](OC(C)=O)[C@]6(CC)C=CCN([C@H]56)CC4)(O)C(=O)OC)N3C)=CC=2)OC)C[C@@](C2)(O)CC)N2CCC2=C1NC1=CC=CC=C21 ZHKMVECXITZAPL-SNSGICDFSA-N 0.000 claims description 2
- 230000003993 interaction Effects 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000004576 sand Substances 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
- H02J3/46—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
- 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
- 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]
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种虚拟电厂与主网最优协同调度方法，包括建立虚拟电厂与主网迭代交互的两层模型，并考虑虚拟电厂整体约束，分布式能源约束，储能系统约束以及柔性负荷约束，对虚拟电厂内分布式能源、储能系统充放电及柔性负荷进行调整；考虑主网整体约束，发电机约束及可再生发电约束，对主网发电机和可再生发电出力进行调整。本发明考虑到虚拟电厂出力对主网电价的影响，实现了虚拟电厂与主网之间的协同控制，能够为降低虚拟电厂运行成本，优化虚拟电厂与主网之间协同调度的行为决策提供理论指导。
Description
技术领域
本发明涉及电力调度技术领域，具体的说，涉及一种虚拟电厂与主网最优协同调度方法。
背景技术
分布式能源具有环保、投资小、灵活等优点，可以减少能源消耗与环境污染，逐渐成为电力系统的研究重点。但分布式能源单独并入电网的成本较高，且由于数量众多，电网难以对它们进行统一控制。此外分布式能源出力具有间断性和随机性，将给电网带来诸如电压波动、电压闪变、谐波污染、三相不平衡等电网运行稳定性问题。而分布式电源单机容量过小，独立参加电力市场会造成较大风险，因此仅靠它们本身加入电力市场运营并不可行。
虚拟电厂通过聚合不同类型的分布式电源与储能，能够作为一台发电机参与电力市场交易。即虚拟电厂将具有不同缺点(如随机出力)和优点(如高能量短期储存)的发电和储能设备以互补的方式组合在一起。其优点在于虚拟电厂可以聚合分布式能源对主网稳定供电，降低了分布式电源独立参加市场的风险；同时虚拟电厂对分布式电源的协调优化可以有效减小分布式电源并网对主网的冲击，提高系统运行稳定性。
目前主网与虚拟电厂之间的协调仍存在诸多难点。虚拟电厂中存在数量众多的分布式能源、储能以及柔性负荷，虚拟电厂的内部主体具有不同的运行特性、成本，导致虚拟电厂中的信息多而复杂。因此主网要想获得虚拟电厂内部所有信息不具有可行性。此外现有的研究都把虚拟电厂作为价格接受者，根据主网电价对虚拟电厂进行优化，并没有考虑虚拟电厂出力对主网的影响。
发明内容
本发明的目的在于提供一种基于均衡理论的虚拟电厂与主网最优协同调度方法，建立虚拟电厂与主网最优协同调度双层模型，为降低虚拟电厂与主网运行总成本，优化虚拟电厂与主网之间协同调度的行为决策提供理论指导。
为达到上述目的，本发明所采用的技术方案如下：
一种虚拟电厂与主网最优协同调度方法，包括：
建立虚拟电厂与主网最优协同调度双层模型；所述双层模型中，下层模型以虚拟电厂运行成本最小化为目标函数，上层模型以主网运行成本最小化为目标函数；
求解所述虚拟电厂与主网最优协同调度双层模型，根据求解结果调整虚拟电厂内分布式能源出力、储能系统充放电功率及柔性负荷用电量，调整主网发电机和可再生发电出力。
进一步的，所述建立虚拟电厂与主网最优协同调度双层模型，包括：
下层模型为：
min CVPP；
其中，CVPP为虚拟电厂运行成本，γs为时序曲线s出现的概率，
为时序曲线s下t时刻主网给虚拟电厂的固定报价，
为第i台燃气轮机的运行成本，
为时序曲线s下t时刻虚拟电厂向主网供电功率的相反数，
为第i台燃气轮机在时序曲线s下t时刻的发电功率，Uj(·)为第j个柔性负荷的效用函数，
为第j个柔性负荷在时序曲线s下t时刻的用电量，s∈S，S为时序曲线集合；
上层模型为：
min CMG；
其中，CMG为主网运行成本，
为第m个发电机运行成本，
为第m个发电机在时序曲线s下t时刻的发电功率。
进一步的，所述时序曲线集合确定如下：
基于光伏预测结果和区域电力系统中各光伏电站出力相关系数生成光伏出力曲线，由日前市场电价生成电价曲线，由虚拟电厂电气负荷生成负荷曲线；
从获取的曲线中随机抽样出S组时序曲线，每组时序曲线包含一日内不同时间下各光伏电站出力曲线、电价曲线和各柔性负荷曲线。
进一步的，所述求解所述虚拟电厂与主网最优协同调度双层模型，包括：
(1)在满足虚拟电厂整体约束，分布式能源约束，储能系统约束以及柔性负荷约束的前提下，求解下层模型，根据求解结果调整虚拟电厂内分布式能源出力、储能系统充放电功率及柔性负荷用电量，并计算虚拟电厂出力；所述分布式能源包括燃气轮机和光伏电站；
(2)判断下层模型计算结果及主网节点电价与上一次之间是否满足收敛条件；若满足，则输出虚拟电厂出力及主网节点电价；若不满足收敛条件，则转入步骤(3)；
(3)在满足主网整体约束，发电机约束及可再生发电约束的前提下，求解上层模型，得到主网节点电价信息，并根据求解结果调整主网发电机和可再生发电出力；返回步骤(1)。
进一步的，所述虚拟电厂整体约束为：
其中，
为第l个光伏电站在时序曲线s下t时刻的发电功率，
分别为第k个储能系统在时序曲线s下t时刻的充电功率和放电功率；
所述分布式能源约束为：
其中，
为第i台燃气轮机的发电功率上限，
为第l个光伏电站在时序曲线s下t时刻的预测功率；
所述储能系统约束为：
其中，
为第k个储能系统的充放电功率的上限，Ek,s,t为第k个储能系统在时序曲线s下t时刻的已充电能，Ek,s,0为第k个储能系统在在时序曲线s下t时刻的初始电量，Ek,max为第k个储能系统电量储存的上限，
为第k个储能系统的充放电效率，Ei,s,T第k个储能系统每个周期最后时刻的电量；
所述柔性负荷约束为：
其中，
分别为第j个柔性负荷用电量的下限和上限，Qj,s为第j个柔性负荷在时序曲线s下的日用电量最小值。
进一步的，所述主网整体约束为：
其中，
为第n个主网节点连接的虚拟电厂向主网传递的功率，
为第n个主网节点的负荷，
为第n个主网节点在时序曲线s下t时刻的可再生发电的发电功率，
为第n个主网节点在时序曲线s下t时刻的负荷用电功率，ΔPn为节点注入功率，GSDFk-n为发电转移分布因子，
为线路k潮流的下限和上限，λ与μk分别为对应约束的拉格朗日乘子；
所述发电机约束为：
其中，
和
分别为第m个发电机发电功率的下限和上限；
所述可再生发电约束为：
其中，
为第n个主网节点的可再生发电功率的上限。
进一步的，所述收敛条件为：
本次计算的虚拟电厂出力与主网节点电价与上一次计算结果之间的差在设定偏差范围之内。
本发明的有益效果为：
本发明将虚拟电厂与主网之间的协调优化表述为两个层次之间的市场均衡问题，提出虚拟电厂与主网交互的双层模型，分别构建以自身成本最小化为目标，计及分布式能源运行约束与电网安全约束的虚拟电厂与主网数学模型，实现虚拟电厂与主网之间的最优协调调度。本发明在考虑虚拟电厂出力对主网影响的同时能够有效降低虚拟电厂与主网协调的复杂程度，减小虚拟电厂与主网运行总成本，提升经济效益。
附图说明
图1为本发明的虚拟电厂与主网最优协同调度方法流程示意图。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
参见图1，本发明提出一种虚拟电厂与主网最优协同调度方法，包括：
1)获取虚拟电厂与主网最优协同调度预测数据，包括：
基于光伏预测结果和区域电力系统中各光伏电站出力相关系数生成光伏出力曲线，由日前市场电价生成电价曲线，由虚拟电厂电气负荷生成负荷曲线；
从获取的曲线中随机抽样出S组时序曲线，每组时序曲线包含虚拟电厂中一日内不同时间下各光伏电站出力曲线、电价曲线和各柔性负荷曲线。
本发明中，
虚拟电厂：利用通信、控制和物联网等领域的最新技术，通过聚合、优化、协调和控制一组分布式电源、储能和可控负荷，使其可作为电力市场中的一个可交易单元。
虚拟电厂包括CHP(热电联产)、生物质和沼气、小型发电厂(燃气轮机等)、小型水电站、风电、光伏、可控制/可调度负荷和储能。
主网：供电企业输电的主要网络，是指从配电网之上到发电厂之间的网络，一般是指110KV及以上的输电网络，在城市电网系统中，主网的作用是连接区域高压电网。
2)综合考虑虚拟电厂各组成部分间的物理联系以及考虑主网拓扑结构的潮流约束，建立基于均衡理论的虚拟电厂与主网最优协同调度的双层模型，包括：
2-1)下层模型以虚拟电厂运行成本最小化为目标函数，虚拟电厂运行成本表示如下：
其中，s∈S，CVPP为虚拟电厂的运行成本，γs为时序曲线s出现的概率；
为时序曲线s下t时刻主网给虚拟电厂的固定报价；
为第i台燃气轮机的运行成本；
为时序曲线s下t时刻虚拟电厂向主网供电功率的相反数；
为第i台燃气轮机在时序曲线s下t时刻的发电功率；Uj(·)为第j个柔性负荷的效用函数，
为第j个柔性负荷在时序曲线s下t时刻的用电量。
上层模型以主网运行成本最小化为目标函数，主网运行成本表示如下：
其中，CMG为主网运行成本，
为第m个发电机运行成本；
为第m个发电机在时序曲线s下t时刻的发电功率。
2-2)构建虚拟电厂与主网协同调度的约束条件：
2-2-1)虚拟电厂整体约束
其中，
为第l个光伏电站在时序曲线s下t时刻的发电功率，为未知量；
分别为第k个储能系统在时序曲线s下t时刻的充电功率和放电功率，为未知量。
2-2-2)主网整体约束
其中，
为第n个主网节点连接的虚拟电厂向主网传递的功率，为已知量；
为第n个主网节点的负荷，为已知量；
为第n个主网节点在时序曲线s下t时刻的可再生发电的发电功率；
为第n个主网节点在时序曲线s下t时刻的负荷用电功率，通过步骤一的负荷曲线获取，为已知量；ΔPn为节点注入功率；GSDFk-n为发电转移分布因子，为已知量；
为线路k潮流的下限和上限，为已知量，λ与μk分别为对应约束的拉格朗日乘子。
2-2-3)电源约束
其中，
为第i台燃气轮机的发电功率上限，
为第l个光伏电站在时序曲线s下t时刻的预测功率，通过步骤一的光伏出力曲线获取；
和
分别为第m个发电机发电功率的下限和上限；
为第n个主网节点的可再生发电功率的上限，均为已知量。
2-2-4)储能系统约束
其中，
为第k个储能系统的充、放电功率的上限；Ek,s,t为第k个储能系统在时序曲线s下t时刻的已充电能，为未知量；Ek,s,0为第k个储能系统在在时序曲线s下t时刻的初始电量，为未知量；Ek,max为第k个储能系统电量储存的上限，为已知量；
为第k个储能系统的充、放电效率，为已知量；Ei,s,T第k个储能系统每个周期最后时刻的电量，为未知量。
2-2-5)柔性负荷约束
其中，
分别为第j个柔性负荷用电量的下限和上限，为已知量；Qj,s为第j个柔性负荷在时序曲线s下的日用电量最小值，为已知量。
3)求解所述基于均衡理论的虚拟电厂与主网最优协同调度双层模型，包括：
31)虚拟电厂根据主网节点电价对其内部的分布式能源(光伏电站和燃气轮机)、储能系统以及柔性负荷进行优化，在满足虚拟电厂整体约束，分布式能源约束，储能系统约束以及柔性负荷约束的前提下，以虚拟电厂运行成本最小化为目标，调整分布式能源出力、储能系统充放电以及柔性负荷用电量，最终得到虚拟电厂向主网的供电功率。
32)判断本次优化结果及主网节点电价与上一次之间是否满足收敛条件。若满足收敛条件，则输出虚拟电厂向主网的供电功率及主网节点电价；若不满足收敛条件，则进行步骤33)。
收敛条件为：
当本次虚拟电厂供电功率与主网节点电价与上一次结果之间的差在设定偏差范围之内，则满足收敛条件。
33)主网根据虚拟电厂出力进行基于安全约束的经济调度，在满足主网整体约束，发电机约束及可再生发电约束的前提下，以主网运行成本最小化为目标，调整发电机和可再生发电的出力，并根据功率平衡约束以及潮流约束的对偶变量λ与μk得到主网节点的电价信息；；返回步骤31)。
通过主网与虚拟电厂之间的迭代交互，最终实现虚拟电厂出力以及主网节点电价的收敛。得到主网节点电价与虚拟电厂出力，并根据最终求解结果，调度虚拟电厂分布式能源出力，储能系统充放电以及柔性负荷用电量；调度主网发电机以及可再生发电出力，从而实现虚拟电厂与主网协同优化调度。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (7)
1.一种虚拟电厂与主网最优协同调度方法，其特征在于，包括：
建立虚拟电厂与主网最优协同调度双层模型；所述双层模型中，下层模型以虚拟电厂运行成本最小化为目标函数，上层模型以主网运行成本最小化为目标函数；
求解所述虚拟电厂与主网最优协同调度双层模型，根据求解结果调整虚拟电厂内分布式能源出力、储能系统充放电功率及柔性负荷用电量，调整主网发电机和可再生发电出力。
2.根据权利要求1所述的一种虚拟电厂与主网最优协同调度方法，其特征在于，所述建立虚拟电厂与主网最优协同调度双层模型，包括：
下层模型为：
min CVPP；
其中，CVPP为虚拟电厂运行成本，γs为时序曲线s出现的概率，
为时序曲线s下t时刻主网给虚拟电厂的固定报价，
为第i台燃气轮机的运行成本，
为时序曲线s下t时刻虚拟电厂向主网供电功率的相反数，
为第i台燃气轮机在时序曲线s下t时刻的发电功率，Uj(·)为第j个柔性负荷的效用函数，
为第j个柔性负荷在时序曲线s下t时刻的用电量，s∈S，S为时序曲线集合；
上层模型为：
minCMG；
其中，CMG为主网运行成本，
为第m个发电机运行成本，
为第m个发电机在时序曲线s下t时刻的发电功率。
3.根据权利要求2所述的一种虚拟电厂与主网最优协同调度方法，其特征在于，所述时序曲线集合确定如下：
基于光伏预测结果和区域电力系统中各光伏电站出力相关系数生成光伏出力曲线，由日前市场电价生成电价曲线，由虚拟电厂电气负荷生成负荷曲线；
从获取的曲线中随机抽样出S组时序曲线，每组时序曲线包含一日内不同时间下各光伏电站出力曲线、电价曲线和各柔性负荷曲线。
4.根据权利要求2所述的一种虚拟电厂与主网最优协同调度方法，其特征在于，所述求解所述虚拟电厂与主网最优协同调度双层模型，包括：
(1)在满足虚拟电厂整体约束，分布式能源约束，储能系统约束以及柔性负荷约束的前提下，求解下层模型，根据求解结果调整虚拟电厂内分布式能源出力、储能系统充放电功率及柔性负荷用电量，并计算虚拟电厂出力；所述分布式能源包括燃气轮机和光伏电站；
(2)判断下层模型计算结果及主网节点电价与上一次之间是否满足收敛条件；若满足，则输出虚拟电厂出力及主网节点电价；若不满足收敛条件，则转入步骤(3)；
(3)在满足主网整体约束，发电机约束及可再生发电约束的前提下，求解上层模型，得到主网节点电价信息，并根据求解结果调整主网发电机和可再生发电出力；返回步骤(1)。
5.根据权利要求4所述的一种虚拟电厂与主网最优协同调度方法，其特征在于，所述虚拟电厂整体约束为：
其中，
为第l个光伏电站在时序曲线s下t时刻的发电功率，
分别为第k个储能系统在时序曲线s下t时刻的充电功率和放电功率；
所述分布式能源约束为：
其中，
为第i台燃气轮机的发电功率上限，
为第l个光伏电站在时序曲线s下t时刻的预测功率；
所述储能系统约束为：
其中，
为第k个储能系统的充放电功率的上限，Ek,s,t为第k个储能系统在时序曲线s下t时刻的已充电能，Ek,s,0为第k个储能系统在在时序曲线s下t时刻的初始电量，Ek,max为第k个储能系统电量储存的上限，
为第k个储能系统的充放电效率，Ei,s,T第k个储能系统每个周期最后时刻的电量；
所述柔性负荷约束为：
其中，
分别为第j个柔性负荷用电量的下限和上限，Qj,s为第j个柔性负荷在时序曲线s下的日用电量最小值。
6.根据权利要求4所述的一种虚拟电厂与主网最优协同调度方法，其特征在于，所述主网整体约束为：
其中，
为第n个主网节点连接的虚拟电厂向主网传递的功率，
为第n个主网节点的负荷，
为第n个主网节点在时序曲线s下t时刻的可再生发电的发电功率，
为第n个主网节点在时序曲线s下t时刻的负荷用电功率，ΔPn为节点注入功率，GSDFk-n为发电转移分布因子，
为线路k潮流的下限和上限，λ与μk分别为对应约束的拉格朗日乘子；
所述发电机约束为：
其中，
和
分别为第m个发电机发电功率的下限和上限；
所述可再生发电约束为：
其中，
为第n个主网节点的可再生发电功率的上限。
7.根据权利要求4所述的一种虚拟电厂与主网最优协同调度方法，其特征在于，所述收敛条件为：
本次计算的虚拟电厂出力与主网节点电价与上一次计算结果之间的差在设定偏差范围之内。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010902485.9A CN112311017A (zh) | 2020-09-01 | 2020-09-01 | 一种虚拟电厂与主网最优协同调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010902485.9A CN112311017A (zh) | 2020-09-01 | 2020-09-01 | 一种虚拟电厂与主网最优协同调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112311017A true CN112311017A (zh) | 2021-02-02 |
Family
ID=74483823
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010902485.9A Pending CN112311017A (zh) | 2020-09-01 | 2020-09-01 | 一种虚拟电厂与主网最优协同调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112311017A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113852135A (zh) * | 2021-09-22 | 2021-12-28 | 广东电网有限责任公司 | 一种虚拟电厂能源调度方法、装置、存储介质及平台 |
| CN113964852A (zh) * | 2021-08-19 | 2022-01-21 | 国家电投集团资本控股有限公司 | 一种面向共享储能的虚拟电厂的发电控制方法及装置 |
| CN115473253A (zh) * | 2022-09-30 | 2022-12-13 | 国网河南省电力公司经济技术研究院 | 一种考虑多种共享储能的县域新型电力系统优化调度方法 |
| CN117096856A (zh) * | 2023-08-02 | 2023-11-21 | 中国地质大学（武汉） | 考虑配网三相电价和相间电压不平衡的虚拟电厂调度方法 |
-
2020
- 2020-09-01 CN CN202010902485.9A patent/CN112311017A/zh active Pending
Non-Patent Citations (1)
| Title |
|---|
| 安麒等: "基于均衡理论的虚拟电厂市场参与模式及方法", 《电力建设》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113964852A (zh) * | 2021-08-19 | 2022-01-21 | 国家电投集团资本控股有限公司 | 一种面向共享储能的虚拟电厂的发电控制方法及装置 |
| CN113964852B (zh) * | 2021-08-19 | 2023-11-28 | 国家电投集团资本控股有限公司 | 一种面向共享储能的虚拟电厂的发电控制方法及装置 |
| CN113852135A (zh) * | 2021-09-22 | 2021-12-28 | 广东电网有限责任公司 | 一种虚拟电厂能源调度方法、装置、存储介质及平台 |
| CN113852135B (zh) * | 2021-09-22 | 2024-06-11 | 广东电网有限责任公司 | 一种虚拟电厂能源调度方法、装置、存储介质及平台 |
| CN115473253A (zh) * | 2022-09-30 | 2022-12-13 | 国网河南省电力公司经济技术研究院 | 一种考虑多种共享储能的县域新型电力系统优化调度方法 |
| CN117096856A (zh) * | 2023-08-02 | 2023-11-21 | 中国地质大学（武汉） | 考虑配网三相电价和相间电压不平衡的虚拟电厂调度方法 |
| CN117096856B (zh) * | 2023-08-02 | 2024-06-04 | 中国地质大学（武汉） | 考虑配网三相电价和相间电压不平衡的虚拟电厂调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Roslan et al. | Scheduling controller for microgrids energy management system using optimization algorithm in achieving cost saving and emission reduction | |
| CN110311421B (zh) | 基于需求侧响应的微电网多时间尺度能量管理方法 | |
| CN107958300B (zh) | 一种考虑互动响应的多微网互联运行协调调度优化方法 | |
| CN112311017A (zh) | 一种虚拟电厂与主网最优协同调度方法 | |
| CN109327042A (zh) | 一种微电网多能源联合优化调度方法 | |
| CN109636056B (zh) | 一种基于多智能体技术的多能源微网去中心化优化调度方法 | |
| CN112800658A (zh) | 一种考虑源储荷互动的主动配电网调度方法 | |
| CN111934360B (zh) | 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法 | |
| CN104135025A (zh) | 基于模糊粒子群算法和储能系统的微网经济运行优化方法 | |
| Zhang et al. | Research on bi-level optimized operation strategy of microgrid cluster based on IABC algorithm | |
| CN110601260B (zh) | 一种限定联络线上功率波动的光-蓄系统容量优化方法 | |
| CN111786422A (zh) | 基于bp神经网络的微电网参与上层电网实时优化调度方法 | |
| CN115170343A (zh) | 一种区域综合能源系统分布式资源和储能协同规划方法 | |
| CN115115130A (zh) | 一种基于模拟退火算法的风光储制氢系统日前调度方法 | |
| CN115882460A (zh) | 一种考虑需求侧管理的两阶段新能源微电网优化调度方法 | |
| CN113822480A (zh) | 一种农村综合能源系统多层协同优化方法及系统 | |
| CN114759616B (zh) | 一种考虑电力电子器件特性的微电网鲁棒优化调度方法 | |
| Zhou et al. | Dynamic pricing of integrated energy service providers based on master-slave game | |
| Zhang et al. | Energy optimization management of multi-microgrid using deep reinforcement learning | |
| Hannan et al. | ANN based binary backtracking search algorithm for virtual power plant scheduling and cost-effective evaluation | |
| CN117559438B (zh) | 基于ems-lmp耦合的源网荷储一体化可再生能源消纳方法及装置 | |
| Wang et al. | A two-layer coordinated operation optimization model for multi-energy complementary systems considering demand response | |
| CN118214091B (zh) | 一种基于电-氢混合储能的海岛微电网分层协调方法 | |
| CN117543538A (zh) | 基于电碳耦合的能源系统调度控制方法与系统、存储介质 | |
| Liu | An optimal load distribution method for distributed energy systems based on the improved particle swarm optimisation |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210202 |