CN112366682B - 用户侧可调控灵活资源的量化与协同优化控制方法 - Google Patents

用户侧可调控灵活资源的量化与协同优化控制方法 Download PDF

Info

Publication number
CN112366682B
CN112366682B CN202011015014.2A CN202011015014A CN112366682B CN 112366682 B CN112366682 B CN 112366682B CN 202011015014 A CN202011015014 A CN 202011015014A CN 112366682 B CN112366682 B CN 112366682B
Authority
CN
China
Prior art keywords
polymer
electric automobile
temperature
load
temperature control
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
CN202011015014.2A
Other languages
English (en)
Other versions
CN112366682A (zh
Inventor
陈培育
霍现旭
崇志强
李国栋
李树青
于光耀
胡晓辉
李树鹏
马世乾
刘亚丽
王峥
刘云
王天昊
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 Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Electric Power Research Institute of State Grid Tianjin 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 Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd, Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011015014.2A priority Critical patent/CN112366682B/zh
Publication of CN112366682A publication Critical patent/CN112366682A/zh
Application granted granted Critical
Publication of CN112366682B publication Critical patent/CN112366682B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Feedback Control In General (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明涉及一种用户侧可调控灵活资源的量化与协同优化控制方法，包括如下步骤：步骤1、以电动汽车聚合体和温控负荷聚合体为两个单体对象，分别构建电动汽车聚合体的可调控潜力量化模型与温控负荷聚合体可调控潜力量化模型；步骤2、在电动汽车聚合体、温控负荷聚合体的建模基础上，以经济调控成本最低为目标，建立电动汽车聚合体与温控负荷聚合体协同优化控制策略。本发明可充分挖掘了用户侧电动汽车和温控负荷的快速功率调节能力，用以实现多类型可控负荷虚拟电厂的经济调控，同时，针对电动汽车和温控负荷的接入状态，提出了考虑用户舒适度的序列排序控制策略，以降低控制对用户用能舒适度的影响。

Description

用户侧可调控灵活资源的量化与协同优化控制方法
技术领域
本发明涉及能源系统优化能量管控技术领域，具体涉及一种用户侧可调控灵活资源的量化与协同优化控制方法。
背景技术
用户侧是指用户针对电力价格信号或者激励机制做出响应，改变正常电力消费模式的市场参与行为，它目前是智能电网研究的重点。电动汽车借助充电桩从电网获取电能，同时在激励机制下能够改变与电网交换功率的大小，实现与电网之间的V2G(Vehicle-to-Grid)互动，从而达到辅助电网安全稳定运行的目的。温控负荷可快速改变开关状态，并在短时间内不会大幅改变室温、水温等用户舒适度指标，因此，温控负荷在不影响用户需求的前提下，通过对运行状态的一系列控制，能够提供较好的辅助服务，是一种参与运行调控的重要资源。
目前，已有针对电动汽车和温控负荷聚合体建模方法的研究，未能全方位分析聚合体建模所需的数据，未能提供单体可控负荷的精细化模型，所建立的聚合体可调控潜力量化模型未能充分分析资源响应能力的时空分布特性；已有针对电动汽车和温控负荷聚合体控制策略的研究，未能提出电动汽车和温控负荷聚合体的协同优化控制策略，未能充分分析用户用能舒适度所带来的约束，以降低参与控制对用户用能舒适度的影响。
因此，为了协同控制电动汽车和温控负荷，充分考虑用户舒适度带来约束，有必要建立单体入网电动汽车和温控负荷精细化模型以及电动汽车和温控负荷聚合体可调控潜力量化模型，并在此基础上提出电动汽车与温控负荷聚合体协同优化控制方法。
发明内容
本发明的目的在于克服现有技术的不足之处，提供一种用户侧可调控灵活资源的量化与协同优化控制方法。
本发明为解决上述技术问题采取的技术方案为：
一种用户侧可调控灵活资源的量化与协同优化控制方法，其特征在于，包括如下步骤：
步骤1、以电动汽车聚合体和温控负荷聚合体为两个单体对象，分别构建电动汽车聚合体的可调控潜力量化模型与温控负荷聚合体可调控潜力量化模型；
步骤2、在电动汽车聚合体、温控负荷聚合体的建模基础上，以经济调控成本最低为目标，建立电动汽车聚合体与温控负荷聚合体协同优化控制策略。
进一步的：构建电动汽车聚合体的可调控潜力量化模型的具体步骤为：
(1)通过对电动汽车特征参数进行统计分析，获取电动汽车聚合体可调控潜力量化模型构建的关键参数，包括：通过对电动汽车车辆类型进行分类，分析电动汽车电池特征参数的统计数据；根据电动汽车接入特性的差异，分析电动汽车充放电特性的统计数据；根据电动汽车车辆用途的分类，分析电动汽车交通出行特征参数的统计数据；根据电动汽车用户特征信息的分类，分析电动汽车用能特征的统计数据；
(2)以向电网反供电为正方向，t时刻入网电动汽车j的有功功率为Pj,t，其最大值为最小值为P j,t，如式(1)所示。
以保有N0辆电动汽车的聚合体为例，以下步骤用来获取电动汽车聚合体可调控潜力量化模型；
(2.1)确定电动汽车接入电网的初始SOC：
为确定电动汽车接入电网时的初始SOC，通过分析电动汽车一系列参数，其中包括出行前的SOC、电动汽车基础参数(容量、能耗)和运行参数(日出行距离)，如式(2)所示：
式中，Dj为电池容量，dj为电动汽车的日出行距离，Cj,e为每公里电池能耗，SOCj,s为入网时的初始SOC，δj为用户出行前的SOC值；
利用蒙特卡罗方法对电池容量的概率分布进行抽样，确定电动汽车j的电池容量Dj；基于相同方法，根据电池能耗和日出行距离的概率分布，分别抽样确定每公里的电池能耗Cj,e和日出行距离dj；在上述数据的基础上，利用式(2)确定电动汽车入网时的初始状态；
(2.2)确定电动汽车的出行时间：
出行时间包括：开始和结束出行时间；根据开始出行时间和结束出行时间的概率分布，利用蒙特卡罗方法，分别抽样确定电动汽车j的开始出行时间tj,d(电动汽车离开电网时刻)和电动汽车的结束出行时间tj,s(电动汽车接入电网时刻)，结合步骤(2.1)，确定入网时的SOCj,s；
(2.3)确定用户的出行需求：
根据用能需求的概率分布，抽样确定电动汽车出行对SOC的需求SOCj,d；充电时的SOC不断变化，如式(3)所示，因以电动汽车向电网供电方向，即反供电为正方向，因此充电时Pj,t为负值，同时Pj,t需要满足交换功率的限制；
式中，△t为时间间隔，Dj,t为如式(4)的广义电池容量；
式中，ηc和ηd分别为充电和放电效率(0≤ηc,ηd≤1)；
(2.4)确定电动汽车聚合体响应能力：
设实时入网的电动汽车数量为nt(nt≤N0)，则电动汽车聚合体的与电网交换的功率如式(5)所示。本发明定义电动汽车聚合体的上调能力/>和下调能力/>分别如式(6)和(7)所示：
进一步的：构建温控负荷聚合体的可调控潜力量化模型的具体步骤为：
(1)通过对温控负荷特征参数进行统计分析，获取温控负荷聚合体可调控潜力量化模型构建的关键参数，包括根据温控负荷的用能特征信息，对温控负荷用能舒适度的统计数据进行分析；根据温控负荷接入电网的特征信息，对温控负荷用能功率、热泵特征参数的统计数据进行分析；根据温控负荷用能环境的特征信息，对温控负荷用户室外温度、室内温度要求的统计数据进行分析；
(2)以电热泵设备为例，以下步骤用来获取温控负荷聚合体可调控潜力量化模型：
以一天内温控负荷所在室内温度为状态变量，温度的变化如式(8)所示；
式中，为t时刻电热泵j所在室内的环境温度；/>为室外温度；aj取值为/>Rj、Cj分别为电热泵j的等值热电阻、等值热电容；/>为电热泵与电网交换的有功功率，以向电网反馈电能为正方向，/>的取值集合为/> 和/>分别为/>的上下界；
为保证用户用能舒适度，室内温度的上下限为[θlower,θupper]；[0,t2]时段温控负荷处于开启状态，室温上升，[t2,t4]时段处于关断状态，室温下降；[0,t1]时段室温由θlower变化为此时开启时间较短，不宜参与控制；[t1,t2]时段室内温度由/>变化为θupper，此时温控负荷能够通过关断参与系统响应；[t2,t3]时段室温由θupper变化为/>此时温控负荷关断时间较短，不宜参与控制；[t3,t4]时段室温由/>变化为θlower，此时温控负荷能够通过开启参与系统响应；
温控负荷j的输出功率的上下限(和/>)如式(9)表示；
式中，为温控负荷j的额定消耗功率，θj,t为温控负荷的开关状态；
温控负荷聚合体的输出功率如式(10)所示，输出功率的上下边界/>和/>分别如式(11)和(12)所示：
进一步的：步骤2中的协同优化控制策略包括步骤：
2.1、电网控制中心实时采集系统的运行数据，根据电网需求确定两类聚合体提供边界的反馈信息，确定两类聚合体需要响应的总容量，并发出控制命令；
2.2根据两类聚合体的经济成本模型，通过优化，分别确定两类聚合体各自需要响应的容量；
2.3两类聚合体根据响应目标分别生成控制信号，实现各自聚合体内单体负荷的充放电和开关控制，并实现聚合体输出功率大小的调节；
2.4两类聚合体可调控潜力量化模型重新计算各负荷的状态及聚合体响应能力边界的变化，并将此信息反馈给电网控制中心。
更进一步：步骤2.2中电动汽车聚合体与温控负荷聚合体输出功率的成本函数如式(13)所示：
式中，Ci,t为t时刻聚合体i参与系统响应经济成本；Pi,t为t时刻聚合体i可以提供的响应容量；ai,t、bi,t、ci,t为t时刻聚合体i的经济成本函数系数；
电动汽车与温控负荷聚合体协同控制模型的优化目标函数如式(14)所示：
式中，Cz,t为t时刻两类聚合体参与系统响应总经济成本；CEV,t为电动汽车聚合体参与响应的经济成本；CTCL,t为温控负荷聚合体参与响应的经济成本；aEV,t、bEV,t、cEV,t为电动汽车聚合体的成本函数系数；aTCL,t、bTCL,t、cTCL,t为温控负荷聚合体的成本函数系数。
更进一步的：步骤2.4中，两类聚合体响应能力边界的约束，如式(15)所示：
式中，PEV,t和PTCL,t分别为电动汽车聚合体和温控负荷聚合体的调节容量；PZ(t)为t时刻聚合体需要调节的总功率，根据上层配电网优化结果获得；PEVc,t为t时刻电动汽车聚合体负荷功率；和/>分别为电动汽车聚合体的上下边界；PTCLc,t为t时刻温控负荷聚合体负荷功率；/>和/>分别为温控负荷聚合体的上下边界。
更进一步的：步骤2.3中，以降低负荷需求侧响应对用户舒适度的影响为目标，电动汽车聚合体重的单体负荷和温控负荷聚合体中的单体负荷分别以荷电状态和受控环境温度为基准进行排序，根据状态排序结果进行充放电、开关控制，响应上层电网优化调度。
本发明具有的优点和积极效果：
本发明全方位分析了温控负荷虚拟电厂建模所需的数据，建立单体温控负荷的精细化模型以分析温控负荷的响应特性和多阶段温度约束，同时考虑到温控负荷关断和开启的接入状态，通过时序求和评估温控虚拟电厂的响应能力。本发明以功率控制的经济成本为目标，同时考虑到虚拟电厂响应能力的时序约束和单体可控负荷的约束，提出了电动汽车与温控负荷虚拟电厂协同优化控制的模型，可充分挖掘了用户侧电动汽车和温控负荷的快速功率调节能力，用以实现多类型可控负荷虚拟电厂的经济调控，同时，针对电动汽车和温控负荷的接入状态，提出了考虑用户舒适度的序列排序控制策略，以降低控制对用户用能舒适度的影响。
附图说明
图1是本发明电动汽车聚合体与温控负荷聚合体可调控潜力量化模型的实现框架图；
图2是本发明电动汽车聚合体可调控潜力量化模型所需的数据图；
图3是本发明温控负荷聚合体可调控潜力量化模型所需的数据图；
图4是本发明独立电动汽车在入网过程中的响应特性图；
图5是本发明单个温控负荷动态特性图；
图6是本发明单个温控负荷热力学等值模型；
图7是本发明单个温控负荷响应特性图；
图8是本发明电动汽车聚合体与温控负荷聚合体协同优化控制实现框架图；
图9是本发明基于状态队列的电动汽车控制策略图；
图10是本发明基于状态队列的温控负荷控制策略图；
图11是本发明实施例室外温度变化情况图；
图12是本发明实施例电动汽车聚合体响应能力图；
图13是本发明实施例聚合体中电动汽车的响应状态分布图；
图14是本发明实施例温控负荷聚合体响应能力图；
图15是本发明实施例聚合体中温控负荷的响应状态分布图；
图16是本发明实施例协同控制后电动汽车聚合体响应能力图；
图17是本发明实施例协同控制后聚合体中电动汽车的响应状态分布图；
图18是本发明实施例协同控制后温控负荷聚合体响应能力
图19是本发明实施例协同控制后聚合体中温控负荷的响应状态分布。
具体实施方式
下面结合图并通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。
一种用户侧可调控灵活资源的量化与协同优化控制方法，请参见图1-10，包括如下步骤：
步骤1、以电动汽车聚合体和温控负荷聚合体为两个单体对象，分别构建电动汽车聚合体的可调控潜力量化模型与温控负荷聚合体可调控潜力量化模型。电动汽车聚合体与温控负荷聚合体可调控潜力量化模型的实现框架如图1所示。
聚合体可调控潜力量化模型的建立需要以大量历史统计数据为基础，通过对数据进行统计分析，获取构建电动汽车与温控负荷聚合体可调控潜力量化模型的关键参数。
电动汽车聚合体可调控潜力量化模型所需的数据如图2所示，通过对电动汽车特征参数进行统计分析，获取电动汽车聚合体可调控潜力量化模型构建的关键参数。通过对电动汽车车辆类型进行分类，分析电动汽车电池特征参数的统计数据；根据电动汽车接入特性的差异，分析电动汽车充放电特性的统计数据；根据电动汽车车辆用途的分类，分析电动汽车交通出行特征参数的统计数据；根据电动汽车用户特征信息的分类，分析电动汽车用能特征的统计数据。
温控负荷聚合体可调控潜力量化模型所需的数据如图3所示，通过对温控负荷特征参数进行统计分析，获取温控负荷聚合体可调控潜力量化模型构建的关键参数。根据温控负荷的用能特征信息，对温控负荷用能舒适度的统计数据进行分析；根据温控负荷接入电网的特征信息，对温控负荷用能功率、热泵特征参数的统计数据进行分析；根据温控负荷用能环境的特征信息，对温控负荷用户室外温度、室内温度要求的统计数据进行分析。
1、电动汽车聚合体建模过程如下：
图4给出了独立电动汽车在入网过程中的响应特性。图中纵坐标为电池的SOC；图中横坐标为时间。图中阴影区域ABCFED来说明电动汽车入网过程中的响应特性，图中tj,s为电动汽车j入网的时间，SOCj,s为电动汽车入网时的SOC，SOCj为电动汽车允许的放电下限，为电动汽车允许的充电上限，tj,d为电动汽车离开电网的时间，SOCj,d为电动汽车出行前对SOC的需求；EF则为满足用户的出行需求，需保障电动汽车离开电网前需保持SOC在 的范围内。
电动汽车的可控区域如图4阴影区域所示，处于可控区域内的电动汽车为参与系统的需求响应，可通过调整与电网交换功率的大小实现。以向电网反供电为正方向，t时刻入网电动汽车j的有功功率为Pj,t，其最大值为最小值为Pj,t，如式(1)所示。
图中阴影区域ABCFED来说明电动汽车入网过程中的响应特性，图中tj,s为电动汽车j入网的时间，SOCj,s为电动汽车入网时的SOC，SOCj 为电动汽车允许的放电下限，为电动汽车允许的充电上限，tj,d为电动汽车离开电网的时间，SOCj,d为电动汽车出行前对SOC的需求；EF则为满足用户的出行需求，需保障电动汽车离开电网前需保持SOC在的范围内。
以保有N0辆电动汽车的聚合体为例，以下步骤用来获取电动汽车聚合体可调控潜力量化模型。
(1)确定电动汽车接入电网的初始SOC：
为确定电动汽车接入电网时的初始核电状态(State of Charge,SOC)，通过分析电动汽车一系列参数，其中包括出行前的SOC、电动汽车基础参数(容量、能耗)和运行参数(日出行距离)等，如式(2)所示：
式中，Dj为电池容量，dj为电动汽车的日出行距离，Cj,e为每公里电池能耗，SOCj,s为入网时的初始SOC，δj为用户出行前的SOC值。
利用蒙特卡罗方法对电池容量的概率分布进行抽样，确定电动汽车j的电池容量Dj；基于相同方法，根据电池能耗和日出行距离的概率分布，分别抽样确定每公里的电池能耗Cj,e和日出行距离dj。在上述数据的基础上，利用式(2)确定电动汽车入网时的初始状态。
(2)确定电动汽车的出行时间：
出行时间包括：开始和结束出行时间。根据开始出行时间和结束出行时间的概率分布，利用蒙特卡罗方法，分别抽样确定电动汽车j的开始出行时间tj,d(电动汽车离开电网时刻)和电动汽车的结束出行时间tj,s(电动汽车接入电网时刻)，结合上述(1)，确定入网时的SOCj,s。
(3)确定用户的出行需求：
根据用能需求的概率分布，抽样确定电动汽车出行对SOC的需求SOCj,d。充电时的SOC不断变化，如式(3)所示，由于本发明以电动汽车向电网供电方向，即反供电为正方向，因此充电时Pj,t为负值，同时Pj,t需要满足交换功率的限制。在入网时段内，实时SOC值SOCj,t受图4阴影区域的约束，以保证出行需求；
式中，△t为时间间隔，Dj,t为如式(4)的广义电池容量；
式中，ηc和ηd分别为充电和放电效率(0≤ηc,ηd≤1)。
(4)确定电动汽车聚合体响应能力：
设实时入网的电动汽车数量为nt(nt≤N0)，则电动汽车聚合体的与电网交换的功率如式(5)所示。本发明定义电动汽车聚合体的上调能力/>和下调能力/>分别如式(6)和(7)所示：
2、温控负荷聚合体建模过程如下：
在众多用户侧家居温控负荷中，电热泵设备是一种较为典型的代表。由于家居温控负荷具有良好的热储能特性，为此电热泵设备逐渐成为家居型需求响应控制技术的研究重点。电热泵设备基本动态过程和热力学等值模型分别如图5和图6所示。其他温控设备如电空调、电冰箱、电热水器等与其原理类似。
以一天内温控负荷所在室内温度为状态变量，温度的变化如式(8)所示。电热泵的响应特性如图5所示，图中阴影部分为电热泵负荷响应的可控区域。
式中，为t时刻电热泵j所在室内的环境温度；/>为室外温度；aj取值为/>Rj、Cj分别为电热泵j的等值热电阻、等值热电容；/>为电热泵与电网交换的有功功率，以向电网反馈电能为正方向，/>的取值集合为/> 和/>分别为/>的上下界。
如图7所示，为保证用户用能舒适度，室内温度的上下限为[θlower,θupper]；[0,t2]时段温控负荷处于开启状态，室温上升，[t2,t4]时段处于关断状态，室温下降；[0,t1]时段室温由θlower变化为此时开启时间较短，不宜参与控制；[t1,t2]时段室内温度由/>变化为θupper，此时温控负荷能够通过关断参与系统响应；[t2,t3]时段室温由θupper变化为此时温控负荷关断时间较短，不宜参与控制；[t3,t4]时段室温由/>变化为θlower，此时温控负荷能够通过开启参与系统响应。
温控负荷j的输出功率的上下限(和/>)如式(9)表示。
式中，为温控负荷j的额定消耗功率，θj,t为温控负荷的开关状态。
温控负荷聚合体的输出功率如式(10)所示，输出功率的上下边界/>和/>分别如式(11)和(12)所示：
步骤2、在电动汽车聚合体、温控负荷聚合体的建模基础上，以经济调控成本最低为目标，建立电动汽车聚合体与温控负荷聚合体协同优化控制策略。
电动汽车与温控负荷聚合体协同优化控制策略的实现框架如图8所示，协同优化控制策略包括步骤：
2.1、电网控制中心实时采集系统的运行数据，根据电网需求确定两类聚合体提供边界的反馈信息，确定两类聚合体需要响应的总容量，并发出控制命令；
2.2根据两类聚合体的经济成本模型，通过优化，分别确定两类聚合体各自需要响应的容量；
其中，电动汽车聚合体与温控负荷聚合体输出功率的成本函数如式(13)所示：
式中，Ci,t为t时刻聚合体i参与系统响应经济成本；Pi,t为t时刻聚合体i可以提供的响应容量；ai,t、bi,t、ci,t为t时刻聚合体i的经济成本函数系数；
电动汽车与温控负荷聚合体协同控制模型的优化目标函数如式(14)所示：
式中，Cz,t为t时刻两类聚合体参与系统响应总经济成本；CEV,t为电动汽车聚合体参与响应的经济成本；CTCL,t为温控负荷聚合体参与响应的经济成本；aEV,t、bEV,t、cEV,t为电动汽车聚合体的成本函数系数；aTCL,t、bTCL,t、cTCL,t为温控负荷聚合体的成本函数系数。
2.3两类聚合体根据响应目标分别生成控制信号，实现各自聚合体内单体负荷的充放电和开关控制，并实现聚合体输出功率大小的调节。具体的：
基于状态队列的电动汽车控制策略如图9所示。该策略的核心在于基于状态排序控制电动汽车的荷电状态SOC。在分布式电源出力较高时，按照荷电状态由低到高的顺序将电动汽车投入到充电状态；在分布式电源出力较低时，按照荷电状态由高到低的顺序将电动汽车投入到闲置状态；当系统功率缺额较大时，按照荷电状态由高到低的顺序将电动汽车投入到反供电状态。
基于状态队列的温控负荷控制流程如图10所示。该策略的核心在于基于室温排序控制温控负荷的用电状态。在分布式电源出力较高时，按照受控室温由高到低的顺序将温控负荷投入到关断状态；在分布式电源出力较低时，按照受控室温由低到高的顺序将温控负荷投入到开启状态。
2.4两类聚合体可调控潜力量化模型重新计算各负荷的状态及聚合体响应能力边界的变化，并将此信息反馈给电网控制中心。
其中，两类聚合体响应能力边界的约束，如式(15)所示：
式中，PEV,t和PTCL,t分别为电动汽车聚合体和温控负荷聚合体的调节容量；PZ(t)为t时刻聚合体需要调节的总功率，根据上层配电网优化结果获得；PEVc,t为t时刻电动汽车聚合体负荷功率；和/>分别为电动汽车聚合体的上下边界；PTCLc,t为t时刻温控负荷聚合体负荷功率；/>和/>分别为温控负荷聚合体的上下边界。
优化约束还包括单体电动汽车电池状态约束包括充放电功率约束、出行时间约束、出行需求SOC约束、电池SOC变化范围约束等，单体温控负荷约束包括额定功率约束、开关状态约束、用能舒适度的约束等。
实施例：
本实施例中电动汽车的额定充电功率为6.6kW，温控负荷额定功率服从U(6,10)的均匀分布。为保证用户用能舒适度，温度设定值Tset为21℃，温度上下边界δ为±2℃。假设等值热阻R、等值热容C、热功率Q均取值典型参数，分别在[0.1008,0.1408]℃/W、[3579.3,3619.3]J/℃、[398,402]W范围内服从均匀分布。采用蒙特卡罗方法对R、C、Q的取值进行随机抽样，从而获取温控负荷群体的仿真参数。温控负荷模型受室外温度变化的影响，以一天中室外温度的变化曲线为参考，假设室外温度变化满足图11所示的变化规律。
本发明选取在5:00和20:00时刻发出针对聚合体的调度控制命令，聚合体总共需要在5:00减少聚合体出力总功率PZ(t)为7.9MW，在20:00时刻需要增加聚合体总功率PZ(t)为6.2MW。
在5:00和20:00时刻，针对于电动汽车聚合体的成本函数参数，aEV,t为0.4044元/MW2，bEV,t为6.4700元/MW2，cEV,t为4.3000元，针对于温控负荷聚合体的成本函数参数，aTCL,t为0.0243元/MW2，bTCL,t为12.9400元/MW2，cTCL,t为8.4000元。
(1)电动汽车聚合体响应能力
图12所示为电动汽车聚合体输出功率及其上下边界的分布情况，“有功功率”曲线为电动汽车充电负荷，从电厂的角度认为是电动汽车聚合体的有功出力，“上边界”和“下边界”曲线分别为电动汽车聚合体可提供的功率出力的上下边界。
图13所示为相应每个时刻的电动汽车响应状态分布，“空闲”状态表示充电桩无电动汽车接入，“仅接入”状态表示充电桩有电动汽车接入但电动汽车与电网无功率交换，“充电”状态表示充电桩上电动汽车处于充电状态，“反供电”状态表示充电桩上电动汽车处于放电状态。
0:00-6:00：该时间段内，多数用户尚未出行，电动汽车由于未达到出行所需SOC状态，因此处于满充状态，充电负荷低，具有较大的有功功率调节范围，属于可控状态。
6:00-16:00：该时间段内，用户行为由空闲逐渐转为出行，可控的电动汽车数量急剧减少电动汽车充电负荷低，有功功率调节范围小。
16:00-20:00：从电动汽车处于充电状态的比例明显高于其他时段可以看出，由于多数车辆出行结束，在该时段内逐渐接入电网，开始充电阶段SOC较小，且处于不可控状态。
20:00-0:00：随着电动汽车接入电网时间增加，处于满充状态的电动汽车开始增多，可控电动汽车的比例增大，充电负荷降低，有功功率调节范围增大。
(2)温控负荷聚合体响应能力
温控负荷聚合体输出功率及其上下边界的分布情况如图14所示，相应各时刻的温控负荷开关状态分布如图15所示。“有功功率”曲线为温控负荷充电负荷，从电厂的角度认为是温控负荷聚合体的有功出力，“上边界”和“下边界”曲线分别为温控负荷聚合体可提供的功率出力的上下边界。“关断”状态表示温控负荷无功率消耗，“开通”状态表示温控负荷正在消耗功率。
对于用户来说，存在用能舒适度的温度范围，在不受控制的情况下，大部分温控负荷处于该温度范围内，处于可控状态，因此温控负荷聚合体上边界距离被横轴的较近，上边界和下边界功率变化均较为平缓。
(3)电动汽车与温控负荷聚合体协同控制
根据上层电网优化后的控制命令，5:00时刻柔性负荷聚合体需要减少的总功率PZ(t)为7.900MW，此时电动汽车与温控负荷聚合体能够减少的最大功率值分别为6.555MW和2.304MW，二者可减少的最大功率总和为8.859MW，满足功率下限的约束要求。
电动汽车和温控聚合体负荷聚合体参与功率控制时，采用协同控制的经济成本最低，同时满足上层电网的功率需求。根据优化结果，电动汽车聚合体需要减少6.555MW，即电动汽车通过切负荷、反供电的控制措施实现该目标，而温控负荷需要提供1.345MW，即通过控制在温度死区内的温控负荷的关断实现该目标，减少的功率总量为7.9MW。
根据上层电网优化后的控制命令，20:00时刻两类聚合体需要提供的总功率PZ(t)为6.200MW，此时电动汽车与温控负荷聚合体能够提供的最大功率值分别为5.941MW和0.359MW，二者可提供的最大功率总和为6.230MW，满足功率上限的约束要求。
电动汽车和温控聚合体负荷聚合体采用有功协同控制的经济成本最低，同时满足上层配电网网的功率需求。根据优化结果，电动汽车聚合体需要提供5.941MW，而温控负荷需要提供0.359MW，提供的功率总量为6.200MW。
协同控制后电动汽车聚合体功率控制结果如图16所示，该图给出了电动汽车聚合体原上下边界与新上下边界的对比效果，相应的，电动汽车聚合体各响应状态所占比例的分布情况如图17所示。由图可以看出，电动汽车聚合体在5:00时刻减少6.555MW的功率支持，由于该时刻电动汽车通过再充电来达到功率调度的目的，再充电的电动汽车会随着充电过程逐渐由可控状态变为不可控状态，因此电动汽车聚合体的下边界会高于原下边界。而电动汽车聚合体在20:00时刻提供5.941MW的功率支持，由于该时刻电动汽车通过切负荷和反供电来达到功率调度的目的，反供电的电动汽车会随着放电过程逐渐由可控状态变为不可控状态，因此电动汽车聚合体的上边界会低于原上边界。
协同控制后温控负荷聚合体功率控制结果如图18所示，该图给出了温控负荷聚合体输出功率原上下边界与新上下边界的对比效果，相应的，温控负荷聚合体各响应状态所占比例的分布情况如图19所示。由图可以看出，温控负荷聚合体在5:00时刻减少1.345MW的功率出力，该时刻温控负荷通过开通负荷来达到功率调度的目的；由该图可以看出，温控负荷聚合体在20:00时刻提供0.359MW的功率支持，该时刻温控负荷通过关断负荷来达到功率调度的目的。由于温控负荷聚合体上下边界受开关状态影响较大，温控负荷聚合体的上下边界在功率控制后发生变化。
尽管为说明目的公开了本发明的实施例和图，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换、变化和修改都是可能的，因此，本发明的范围不局限于实施例和图所公开的内容。

Claims (5)

1.一种用户侧可调控灵活资源的量化与协同优化控制方法，其特征在于，包括如下步骤：
步骤一、以电动汽车聚合体和温控负荷聚合体为两个单体对象，分别构建电动汽车聚合体的可调控潜力量化模型与温控负荷聚合体可调控潜力量化模型；
步骤二、在电动汽车聚合体、温控负荷聚合体的建模基础上，以经济调控成本最低为目标，建立电动汽车聚合体与温控负荷聚合体协同优化控制策略；
步骤一中构建电动汽车聚合体的可调控潜力量化模型的具体步骤为：
(1)通过对电动汽车特征参数进行统计分析，获取电动汽车聚合体可调控潜力量化模型构建的关键参数，包括：通过对电动汽车车辆类型进行分类，分析电动汽车电池特征参数的统计数据；根据电动汽车接入特性的差异，分析电动汽车充放电特性的统计数据；根据电动汽车车辆用途的分类，分析电动汽车交通出行特征参数的统计数据；根据电动汽车用户特征信息的分类，分析电动汽车用能特征的统计数据；
(2)以向电网反供电为正方向，t时刻入网电动汽车j的有功功率为Pj,t，其最大值为最小值为Pj,t如式(1)所示；
以保有N0辆电动汽车的聚合体为例，以下步骤用来获取电动汽车聚合体可调控潜力量化模型；
(2.1)确定电动汽车接入电网的初始SOC：
为确定电动汽车接入电网时的初始SOC，通过分析电动汽车一系列参数，其中包括出行前的SOC、电动汽车基础参数(容量、能耗)和运行参数(日出行距离)，如式(2)所示：
式中，Dj为电池容量，dj为电动汽车的日出行距离，Cj,e为每公里电池能耗，SOCj,s为入网时的初始SOC，δj为用户出行前的SOC值；
利用蒙特卡罗方法对电池容量的概率分布进行抽样，确定电动汽车j的电池容量Dj；基于相同方法，根据电池能耗和日出行距离的概率分布，分别抽样确定每公里的电池能耗Cj,e和日出行距离dj；在上述数据的基础上，利用式(2)确定电动汽车入网时的初始状态；
(2.2)确定电动汽车的出行时间：
出行时间包括：开始和结束出行时间；根据开始出行时间和结束出行时间的概率分布，利用蒙特卡罗方法，分别抽样确定电动汽车j的开始出行时间tj,d(电动汽车离开电网时刻)和电动汽车的结束出行时间tj,s(电动汽车接入电网时刻)，结合步骤(2.1)，确定入网时的SOCj,s；
(2.3)确定用户的出行需求：
根据用能需求的概率分布，抽样确定电动汽车出行对SOC的需求SOCj,d；充电时的SOC不断变化，如式(3)所示，因以电动汽车向电网供电方向，即反供电为正方向，因此充电时Pj,t为负值，同时Pj,t需要满足交换功率的限制；
式中，Δt为时间间隔，Dj,t为如式(4)的广义电池容量；
式中，ηc和ηd分别为充电和放电效率(0≤ηc,ηd≤1)；
(2.4)确定电动汽车聚合体响应能力：
设实时入网的电动汽车数量为nt(nt≤N0)，则电动汽车聚合体的与电网交换的功率Pt eva如式(5)所示；本发明定义电动汽车聚合体的上调能力和下调能力/>分别如式(6)和(7)所示：
构建温控负荷聚合体的可调控潜力量化模型的具体步骤为：
(1)通过对温控负荷特征参数进行统计分析，获取温控负荷聚合体可调控潜力量化模型构建的关键参数，包括根据温控负荷的用能特征信息，对温控负荷用能舒适度的统计数据进行分析；根据温控负荷接入电网的特征信息，对温控负荷用能功率、热泵特征参数的统计数据进行分析；根据温控负荷用能环境的特征信息，对温控负荷用户室外温度、室内温度要求的统计数据进行分析；
(2)以电热泵设备为例，以下步骤用来获取温控负荷聚合体可调控潜力量化模型：
以一天内温控负荷所在室内温度为状态变量，温度的变化如式(8)所示；
式中，为t时刻电热泵j所在室内的环境温度；/>为室外温度；aj取值为/>Rj、Cj分别为电热泵j的等值热电阻、等值热电容；/>为电热泵与电网交换的有功功率，以向电网反馈电能为正方向，/>的取值集合为/> 和/>分别为/>的上下界；
为保证用户用能舒适度，室内温度的上下限为[θlower,θupper]；[0,t2]时段温控负荷处于开启状态，室温上升，[t2,t4]时段处于关断状态，室温下降；[0,t1]时段室温由θlower变化为此时开启时间较短，不宜参与控制；[t1,t2]时段室内温度由/>变化为θupper，此时温控负荷能够通过关断参与系统响应；[t2,t3]时段室温由θupper变化为/>此时温控负荷关断时间较短，不宜参与控制；[t3,t4]时段室温由/>变化为θlower，此时温控负荷能够通过开启参与系统响应；
温控负荷j的输出功率的上下限(和/>)如式(9)表示；
式中，为温控负荷j的额定消耗功率，θj,t为温控负荷的开关状态；
温控负荷聚合体的输出功率Pt LA如式(10)所示，输出功率的上下边界和/>分别如式(11)和(12)所示：
2.根据权利要求1所述的用户侧可调控灵活资源的量化与协同优化控制方法，其特征在于：步骤2中的协同优化控制策略包括步骤：
2.1、电网控制中心实时采集系统的运行数据，根据电网需求确定两类聚合体提供边界的反馈信息，确定两类聚合体需要响应的总容量，并发出控制命令；
2.2根据两类聚合体的经济成本模型，通过优化，分别确定两类聚合体各自需要响应的容量；
2.3两类聚合体根据响应目标分别生成控制信号，实现各自聚合体内单体负荷的充放电和开关控制，并实现聚合体输出功率大小的调节；
2.4两类聚合体可调控潜力量化模型重新计算各负荷的状态及聚合体响应能力边界的变化，并将此信息反馈给电网控制中心。
3.根据权利要求2所述的用户侧可调控灵活资源的量化与协同优化控制方法，其特征在于：步骤2.2中电动汽车聚合体与温控负荷聚合体输出功率的成本函数如式(13)所示：
式中，Ci,t为t时刻聚合体i参与系统响应经济成本；Pi,t为t时刻聚合体i可以提供的响应容量；ai,t、bi,t、ci,t为t时刻聚合体i的经济成本函数系数；
电动汽车与温控负荷聚合体协同控制模型的优化目标函数如式(14)所示：
minCz,t＝CEV,t+CTCL,t
式中，Cz,t为t时刻两类聚合体参与系统响应总经济成本；CEV,t为电动汽车聚合体参与响应的经济成本；CTCL,t为温控负荷聚合体参与响应的经济成本；aEV,t、bEV,t、cEV,t为电动汽车聚合体的成本函数系数；aTCL,t、bTCL,t、cTCL,t为温控负荷聚合体的成本函数系数。
4.根据权利要求2所述的用户侧可调控灵活资源的量化与协同优化控制方法，其特征在于：步骤2.4中，两类聚合体响应能力边界的约束，如式(15)所示：
式中，PEV,t和PTCL,t分别为电动汽车聚合体和温控负荷聚合体的调节容量；PZ(t)为t时刻聚合体需要调节的总功率，根据上层配电网优化结果获得；PEVc,t为t时刻电动汽车聚合体负荷功率；和/>分别为电动汽车聚合体的上下边界；PTCLc,t为t时刻温控负荷聚合体负荷功率；/>和/>分别为温控负荷聚合体的上下边界。
5.根据权利要求2所述的用户侧可调控灵活资源的量化与协同优化控制方法，其特征在于：步骤2.3中，以降低负荷需求侧响应对用户舒适度的影响为目标，电动汽车聚合体重的单体负荷和温控负荷聚合体中的单体负荷分别以荷电状态和受控环境温度为基准进行排序，根据状态排序结果进行充放电、开关控制，响应上层电网优化调度。
CN202011015014.2A 2020-09-24 2020-09-24 用户侧可调控灵活资源的量化与协同优化控制方法 Active CN112366682B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011015014.2A CN112366682B (zh) 2020-09-24 2020-09-24 用户侧可调控灵活资源的量化与协同优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011015014.2A CN112366682B (zh) 2020-09-24 2020-09-24 用户侧可调控灵活资源的量化与协同优化控制方法

Publications (2)

Publication Number Publication Date
CN112366682A CN112366682A (zh) 2021-02-12
CN112366682B true CN112366682B (zh) 2023-07-28

Family

ID=74507601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011015014.2A Active CN112366682B (zh) 2020-09-24 2020-09-24 用户侧可调控灵活资源的量化与协同优化控制方法

Country Status (1)

Country Link
CN (1) CN112366682B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113311713B (zh) * 2021-05-31 2022-08-16 燕山大学 基于集群状态统计的温控负荷需求响应控制方法
CN113610330B (zh) * 2021-10-08 2022-01-25 国网江西省电力有限公司供电服务管理中心 一种基于用户体验的用户侧灵活资源用能行为优化方法
CN114362212B (zh) * 2022-03-21 2022-06-10 北京鼎诚鸿安科技发展有限公司 一种多类型电网负荷资源数据处理与调节方法及系统
CN116957306B (zh) * 2023-09-20 2024-01-12 国网山西省电力公司营销服务中心 基于资源协同互动的用户侧响应潜力评估方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101739271B1 (ko) * 2016-03-30 2017-05-24 재단법인차세대융합기술연구원 수요반응자원 최적 구성용 스마트 포트폴리오 최적화모델링형성장치 및 방법
CN107069773A (zh) * 2017-02-28 2017-08-18 天津大学 基于需求侧资源统一状态模型的负荷平滑控制方法
CN110445150A (zh) * 2019-06-28 2019-11-12 天津大学 基于电动汽车与温控负荷聚合体响应的频率协调控制方法
CN111244988A (zh) * 2020-01-06 2020-06-05 华北电力大学 考虑分布式电源的电动汽车和储能优化调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101739271B1 (ko) * 2016-03-30 2017-05-24 재단법인차세대융합기술연구원 수요반응자원 최적 구성용 스마트 포트폴리오 최적화모델링형성장치 및 방법
CN107069773A (zh) * 2017-02-28 2017-08-18 天津大学 基于需求侧资源统一状态模型的负荷平滑控制方法
CN110445150A (zh) * 2019-06-28 2019-11-12 天津大学 基于电动汽车与温控负荷聚合体响应的频率协调控制方法
CN111244988A (zh) * 2020-01-06 2020-06-05 华北电力大学 考虑分布式电源的电动汽车和储能优化调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙毅 ; 李泽坤 ; 黄绍模 ; 霍沫霖 ; 李彬 ; 马永红 ; .基于分布式需求侧资源备调池的低频减载优化策略研究.电网技术.2020,(第03期),全文. *
郭炳庆 ; 杨婧捷 ; 屈博 ; 戚艳 ; 刘幸蔚 ; 王迎秋 ; .基于电动汽车与温控负荷的电力系统协同频率控制策略.电力系统及其自动化学报.2016,(第12期),全文. *

Also Published As

Publication number Publication date
CN112366682A (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
CN112366682B (zh) 用户侧可调控灵活资源的量化与协同优化控制方法
CN110729726B (zh) 一种智慧社区能量优化调度方法和系统
CN105356491B (zh) 一种基于储能和虚拟储能最优控制的功率波动平抑方法
CN108197726B (zh) 一种基于改进进化算法的家庭能量数据优化方法
CN108471139B (zh) 一种含新能源和温控负荷的区域电网动态需求响应方法
CN107069773B (zh) 基于需求侧资源统一状态模型的负荷平滑控制方法
CN108471130B (zh) 计及优化损耗的电池储能系统功率分配方案
CN112186783B (zh) 一种温控负荷集群控制方法
CN116780619A (zh) 考虑电力交易的分布式源-储聚合功率调节特性评价方法
CN115511658A (zh) 一种计及储能装置折损的楼宇能量优化方法
CN111277007A (zh) 计及需求侧响应的火电机组调频系统
CN111211569A (zh) 一种柔性负荷参与电网调峰的优化配置方法
CN111585305B (zh) 适用于多能互补联动经济性评价的方法
CN116258345A (zh) 一种考虑电动汽车参与的负荷聚合商运营优化管控方法
CN111967728A (zh) 计及用能舒适度时变性的商场楼宇调峰容量评估方法
CN113742933B (zh) 一种家庭能量管理优化方法、系统及存储介质
CN115983890A (zh) 5g基站储能系统的soc偏移优化控制方法及系统
CN107171333B (zh) 基于智能负荷的虚拟电池模型的实时控制方法
CN113839379A (zh) 基于电动汽车和空调柔性负荷激励型需求响应调度策略
CN108711874B (zh) 一种电动汽车参与公共楼宇常规调峰的用电控制策略方法
CN114899851B (zh) 一种数据中心后备电源参与微网调度的功率指令控制方法
CN118199025B (zh) 考虑开关频率约束的空调负荷集群聚合与调控方法及装置
CN118249420B (zh) 一种基于模型预测的光储直柔系统功率调度方法及装置
CN113158486B (zh) 一种用户端综合能源网络优化控制方法
CN117293877A (zh) 一种基于边缘计算的电力资源虚拟储能控制方法

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