CN112446745A - 基于双层随机规划的含多微网的配电市场交易方法 - Google Patents

基于双层随机规划的含多微网的配电市场交易方法 Download PDF

Info

Publication number
CN112446745A
CN112446745A CN202011479739.7A CN202011479739A CN112446745A CN 112446745 A CN112446745 A CN 112446745A CN 202011479739 A CN202011479739 A CN 202011479739A CN 112446745 A CN112446745 A CN 112446745A
Authority
CN
China
Prior art keywords
power distribution
layer
distribution network
microgrid
model
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
Application number
CN202011479739.7A
Other languages
English (en)
Inventor
高玲
邢学胜
李树鹏
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.)
Tianjin Tdqs Electric Power New Technology Co ltd
State Grid Tianjin Electric Power Co Ltd
Original Assignee
Tianjin Tdqs Electric Power New Technology Co ltd
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 Tianjin Tdqs Electric Power New Technology Co ltd, State Grid Tianjin Electric Power Co Ltd filed Critical Tianjin Tdqs Electric Power New Technology Co ltd
Priority to CN202011479739.7A priority Critical patent/CN112446745A/zh
Publication of CN112446745A publication Critical patent/CN112446745A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开基于双层随机规划的含多微网的配电市场交易方法，该方法基于输电网、配电网和微电网,在所述配电网与所述微电网之间建立实现配电网和多个微电网内的优化资源配置的双层随机规划模型，上层配电网运营商模型同时考虑最小化配网内资源的日前‑实时两阶段调度成本和满足配网运行约束条件下确定与微电网之间的交易价格；下层微电网运营商模型根据交易价格确定日前‑实时两阶段运行成本最低的调度方案和交易电量；将双层随机规划模型转化为混合整数线性规划模型进行求解，从而确定配电网运营商和多个微电网运营商之间的交易价格和交易电量，实现配网与多微网内的最优资源配置。

Description

基于双层随机规划的含多微网的配电市场交易方法
技术领域
本发明属于售电网资源配置改进的方法，特别涉及基于双层随机规划的含多微网的配电市场交易方法。
背景技术
随着售电侧电力市场改革的不断深入，国内积极推进发电侧和售电侧电价市场化，鼓励放开竞争性环节电力价格，逐步建立反应市场信息的价格形成机制，创建公平竞争的环境。在国家大力提倡发展清洁能源的形势下，以及分布式电源技术的逐渐成熟，拥有分布式电源的微电网可以完全根据自身需求参与电力交易，实现自身运营效益的最大化。可再生能源的不确定性会造成微电网的功率不平衡，从而需要与其他微电网或者配电网进行电力交易。
在研究微电网与配电网之间的交易时，目前的主要研究内容分为以下两个方面：
1)仅考虑微电网与配电网之间的交易量
部分文献利用完全信息的非合作博弈法考虑配网与多微网之间的博弈关系，并采用路径跟踪的内点算法进行求解。然而，以上研究中仅仅考虑了微电网与配电网之间的交易量，并没有研究激励不同微电网利益主体实现对应交易量的价格信号，因此在市场环境下无法有效实现优化所得到的交易量。
2)同时考虑微电网与配电网之间的交易量和交易价格
部分文献基于Stackelberg博弈提出配电网与微电网之间的交易方法。其中，下层是微电网的日前经济调度模型，上层是配网运营商在保证配网安全运行的基础上确定和微电网之间的交易价格。
在研究微电网与配电网之间的交易时，目前文献仅仅考虑日前市场或者实时市场，而未充分考虑到日前和实时两个阶段的交易框架。虽然微电网所需要的电量大部分在日前市场中进行购买，但是微电网的日前调度计划严重依赖于微电网内部源-荷的预测精度，若实时的交易量无法按照日前调度计划进行，则会面临高额的惩罚成本。
发明内容
本发明针对现有微电网与配电网之间的交易研究的不足，本发明提供基于双层随机规划的含多微网的配电市场交易方法，该方法引入层随机规划模型来模拟多微网在配电市场内的交易模型，实现配网和多微电网内资源配置最优化。
为了解决技术问题，本发明采用如下技术方案予以实施：
根据配电市场中不同市场利益主体的需求，构建了双层随机规划模型：上层模型以最小化配网运营商运行成本为目标，在考虑配网运行约束的条件下确定与微电网之间的交易价格，其中，配网的潮流约束由配网安全域表示；下层模型中每个微电网运营商根据交易价格确定运行成本最低的调度方案。其中，为了考虑可再生能源的不确定性，配网运营商和微电网运营商均采用日前-实时两阶段随机规划模型进行经济调度。基于KKT条件，将上述双层随机规划模型转化为混合整数非线性规划问题，通过大M法和强对偶原理，将其转化为混合整数线性规划模型进行求解，从而确定多微网与配电网之间的交易方案。具体内容为：
基于双层随机规划的含多微网的配电市场交易方法，该方法基于输电网、配电网和微电网,在所述配电网与所述微电网之间建立实现配电网和多个微电网内的优化资源配置的双层随机规划模型，所述双层随机规划模型包括上层配电网运营商模型和下层微电网运营商模型，包括如下步骤：
上层配电网运营商模型以最小化配网运营商运行成本为目标并基于配电网运行约束的条件下确定与微电网之间的交易价格；
下层微电网运营商模型中每个微电网运营商根据交易价格确定运行成本最低的调度方案；其中：
上层配网运营商模型和下层微电网运营商模型均采用日前-实时两阶段的交易电量和交易价格进行经济调度；
将所述双层随机规划模型转化为混合整数线性规划模型进行求解，从而确定配电网运营商和多个微电网运营商的交易价格和交易电量，实现配网与多微网内的最优资源配置。
进一步，所述上层配电网运营商模型为：
min(CDSO,DA+CDSO,RT)
式中：CDSO,DA为配网运营商日前购电成本函数；CDSO,RT为配网运营商实时期望购电成本函数。
进一步，所述下层微电网运营商模型为：
Figure BDA0002837121120000031
式中：
Figure BDA0002837121120000032
为微网运营商i日前购电成本函数；
Figure BDA0002837121120000033
为微网运营商实时期望购电成本函数。
进一步，所述双层随机规划模型转化为混合整数线性规划模型进行求解过程：
将下层微电网运营商模型转化为KKT等价条件；
通过大M法对KKT等价条件中的下层微电网运营商模型互补松弛条件进行线性化；
通过基于强对偶理论的线性化方法对下层微电网运营商运营商模型的非线性部分进行线性化获得混合整数线性规划模型；
利用matlab中的Yalmip调用CPLEX求解器对混合整数线性规划模型进行求解输出。
有益效果
如上所述，现有针对微电网与配电网之间交易的研究均具有一定局限性。部分文献仅仅考虑了微电网与配电网之间的交易量，并没有研究激励不同微电网利益主体实现对应交易量的价格信号，因此在市场环境下无法有效实现优化所得到的交易量。虽然部分文献考虑了微电网与配电网之间的交易价格，但是主要研究微电网与配电网之间日前交易行为，没有考虑可再生能源的预测误差给微电网造成的实时惩罚成本。
因此，本发明针对现有微电网与配电网之间交易研究的不足，引入层随机规划模型来模拟多微网在配电市场内的交易行为：配网运营商以最小化日前-实时两阶段运行成本为目标，在考虑配网运行约束的条件下确定与微电网之间的交易价格；每个微电网运营商根据交易价格确定日前-实时两阶段运行成本最低的调度方案。
附图说明
图1本发明基于双层随机规划的含多微网的配电市场交易方法涉及的多微网交易的市场架构；
图2本发明基于双层随机规划的含多微网的配电市场交易方法中配电市场双层交易架构。
具体实施方式：
以下结合实施案例和附图，对本发明的技术和方法进行详细描述，以下案例和附图用于说明本发明的构成，但不是用来限定本发明的范围。
本发明所基于的多微网市场架构，如图1所示。多微网市场架构包括输网运营网、配网运营网和微网运营网。其中：输网运营网主要依靠输网运营商负责运营输电市场，通过市场出清获得日前电价或者实时电价；配网运营网主要依靠配网运营商负责运营配电市场，在满足配网约束条件下确定与输电市场交易电量以及与微电网的交易价格；而微网运营网主要包括微网运营商负责运营微电网，根据自身的需求确定与配电市场的日前和实时两阶段的交易电量。
配网运营商在输电市场中的角色是价格接受者，即配网运营商与输电市场的交易量不会影响输电价格；然而，配网运营商在配电市场中是价格的制定者，在满足配网约束的条件下确定与微电网之间的交易价格。
本发明是针对基于配电市场中配网运营商与微网运营商之间双层随机规划的配电市场交易方法，即：在配电市场中，配网运营商在日前和实时两个阶段制定与微电网进行电量交易的价格，具有领导者的地位。而微电网作为跟随者根据配网运营商的交易价格确定与配电网的交易量。通过本发明构建的双层随机规划模型对配电网和多个微电网之间的博弈关系进行建模，如图2所示，进而解决配网运营商与微网运营商之间资源最优的配置达到经济利益最大化。包括如下步骤：
建立上层配电网运营商模型
根据配电网中配电网运营商以最小化日前-实时两阶段运行成本目标进行分布式资源的调度建立上层配电网运营模型，从而确定与输电市场的交易电量，并制定与微电网之间的交易价格。所述上层配电网运营模型为配网运营商的目标函数如式(5-1)所示。
min(CDSO,DA+CDSO,RT) (5-1)
式中：CDSO,DA为配网运营商日前购电成本函数；CDSO,RT为配网运营商实时期望购电成本函数。具体地，CDSO,DA和CDSO,RT可以分别由式(5-2)和式(5-3)表示。
Figure BDA0002837121120000051
Figure BDA0002837121120000052
式中：πs为一个实时不确定性场景s发生的概率；cDSO,MT和
Figure BDA0002837121120000053
分别为配网运营商的燃气轮机组d日前调度和实时调度的成本；cDSO,ES,cha和cDSO,ES,dis分别为配网运营商的储能充电和放电的日前调度成本；
Figure BDA0002837121120000054
和
Figure BDA0002837121120000055
分别为配网运营商在不同时段从日前和实时输电市场购电的成本；
Figure BDA0002837121120000056
和
Figure BDA0002837121120000057
分别为配网运营商在日前和实时不同时段从微电网购电的成本；
Figure BDA0002837121120000058
和
Figure BDA0002837121120000059
分别为配网运营商在日前和实时不同时段向微电网售电的成本；
Figure BDA00028371211200000510
为负荷削减的成本；
Figure BDA00028371211200000511
为弃风的成本；
Figure BDA00028371211200000512
和
Figure BDA00028371211200000513
分别为配网运营商的燃气轮机组日前有功出力和实时有功调整出力；
Figure BDA00028371211200000514
和
Figure BDA00028371211200000515
分别为配网运营商的储能在日前不同时段的充电和放电功率；
Figure BDA00028371211200000516
和
Figure BDA00028371211200000517
分别表示配网运营商在不同时段从日前和实时输电市场购买的电量；
Figure BDA00028371211200000518
为实时不同时段的负荷削减量；
Figure BDA00028371211200000519
为实时不同时段的弃风量；
Figure BDA0002837121120000061
和
Figure BDA0002837121120000062
分别表示配网运营商在日前和实时不同时段从微电网购买的电量；
Figure BDA0002837121120000063
和
Figure BDA0002837121120000064
分别表示配网运营商在日前和实时不同时段向微电网销售的电量。
建立上层配电网运营模型约束条件
①配网潮流约束
Figure BDA0002837121120000065
Figure BDA0002837121120000066
Figure BDA0002837121120000067
式中：Pj和Qj分别为日前或者实时的节点的注入功率；
Figure BDA0002837121120000068
和
Figure BDA0002837121120000069
为静态电压安全域的超平面系数；
Figure BDA00028371211200000610
和
Figure BDA00028371211200000611
为热稳定安全域的超平面系数。
②分布式资源运行约束
Figure BDA00028371211200000612
Figure BDA00028371211200000613
Figure BDA00028371211200000614
Figure BDA00028371211200000615
③交易电量传输约束
Figure BDA00028371211200000616
Figure BDA00028371211200000617
Figure BDA00028371211200000618
Figure BDA00028371211200000619
Figure BDA00028371211200000620
Figure BDA00028371211200000621
Figure BDA00028371211200000622
Figure BDA00028371211200000623
根据微电网中每个微电网运营商以最小化日前-实时两阶段运行成本目标进行分布式资源的调度建立下层微电网运营商模型，从而确定与配电市场的交易电量。所述下层微电网运营商模型为微网运营商i的目标函数如式(5-19)所示。
Figure BDA0002837121120000071
式中：
Figure BDA0002837121120000072
为微网运营商i日前购电成本函数；
Figure BDA0002837121120000073
为微网运营商实时期望购电成本函数。具体地，
Figure BDA0002837121120000074
和
Figure BDA0002837121120000075
可以分别由式(5-20)和式(5-21)表示。
Figure BDA0002837121120000076
Figure BDA0002837121120000077
式中：
Figure BDA0002837121120000078
和
Figure BDA0002837121120000079
分别为微网运营商i的燃气轮机组日前调度和实时调度的成本；
Figure BDA00028371211200000710
和
Figure BDA00028371211200000711
分别为微网运营商i的储能充电和放电的日前调度成本；
Figure BDA00028371211200000712
和
Figure BDA00028371211200000713
分别为配网运营商i在日前和实时不同时段从微电网购电的成本；
Figure BDA00028371211200000714
和
Figure BDA00028371211200000715
分别为微网运营商i的燃气轮机组日前有功出力和实时有功调整出力；
Figure BDA00028371211200000716
和
Figure BDA00028371211200000717
分别为微网运营商i的储能在日前不同时段的充电和放电功率；
Figure BDA00028371211200000718
为微网运营商i在实时不同时段的负荷削减量；
Figure BDA00028371211200000719
为微网运营商i在实时不同时段的弃风量；
Figure BDA00028371211200000720
和
Figure BDA00028371211200000721
分别表示微网运营商在日前和实时不同时段从配网购买的电量；
Figure BDA00028371211200000722
和
Figure BDA00028371211200000723
分别表示微网运营商在日前和实时不同时段向配网销售的电量。
建立下层微电网运营商模型约束条件
①节点功率平衡
Figure BDA00028371211200000724
Figure BDA00028371211200000725
②分布式资源运行约束
Figure BDA00028371211200000726
Figure BDA0002837121120000081
Figure BDA0002837121120000082
Figure BDA0002837121120000083
③交易电量传输约束
Figure BDA0002837121120000084
Figure BDA0002837121120000085
Figure BDA0002837121120000086
Figure BDA0002837121120000087
通过对上层配电网运营模型、下层微电网运营商模型进行优化过程：
步骤1：将式(5-19)-式(5-31)转化为KKT等价条件；
步骤2：将KKT等价条件中的互补松弛条件通过大M法进行线性化；
步骤3：将目标函数(5-2)-(5-3)中的非线性部分通过强对偶原理进行线性化，从而得到混合整数线性规划模型；
步骤4：利用matlab中的Yalmip调用CPLEX求解器对混合整数线性规划模型进行求解。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。

Claims (4)

1.基于双层随机规划的含多微网的配电市场交易方法，该方法基于输电网、配电网和微电网,在所述配电网与所述微电网之间建立实现配电网和多个微电网内的优化资源配置的双层随机规划模型，所述双层随机规划模型包括上层配电网运营商模型和下层微电网运营商模型，包括如下步骤：
上层配电网运营商模型以最小化配网运营商运行成本为目标并基于配电网运行约束的条件下确定与微电网之间的交易价格；
下层微电网运营商模型中每个微电网运营商根据交易价格确定运行成本最低的调度方案；其中：
上层配网运营商模型和下层微电网运营商模型分别采用日前-实时两阶段的经济调度确定交易价格和交易电量；
将所述双层随机规划模型转化为混合整数线性规划模型进行求解，从而确定配电网运营商和多个微电网运营商的交易价格和交易电量，实现配网与多微网内的最优资源配置。
2.根据权利要求1所述的基于双层随机规划的含多微网的配电市场交易方法，其特征在于：所述上层配电网运营商模型为：
min(CDSO,DA+CDSO,RT)
式中：CDSO,DA为配网运营商日前购电成本函数；CDSO,RT为配网运营商实时期望购电成本函数。
3.根据权利要求1所述的基于双层随机规划的含多微网的配电市场交易方法，其特征在于：所述下层微电网运营商模型为：
Figure FDA0002837121110000011
式中：
Figure FDA0002837121110000012
为微网运营商i日前购电成本函数；
Figure FDA0002837121110000013
为微网运营商实时期望购电成本函数。
4.根据权利要求1所述的基于双层随机规划的含多微网的配电市场交易方法，其特征在于：所述双层随机规划模型转化为混合整数线性规划模型进行求解过程：
将下层微电网运营商模型转化为KKT等价条件；
通过大M法对下层微电网运营商模型KKT等价条件中的互补松弛条件进行线性化；
通过基于强对偶理论的线性化方法对下层微电网运营商运营商模型的非线性部分进行线性化获得混合整数线性规划模型；
利用matlab中的Yalmip调用CPLEX求解器对混合整数线性规划模型进行求解输出。
CN202011479739.7A 2020-12-15 2020-12-15 基于双层随机规划的含多微网的配电市场交易方法 Pending CN112446745A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011479739.7A CN112446745A (zh) 2020-12-15 2020-12-15 基于双层随机规划的含多微网的配电市场交易方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011479739.7A CN112446745A (zh) 2020-12-15 2020-12-15 基于双层随机规划的含多微网的配电市场交易方法

Publications (1)

Publication Number Publication Date
CN112446745A true CN112446745A (zh) 2021-03-05

Family

ID=74739120

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011479739.7A Pending CN112446745A (zh) 2020-12-15 2020-12-15 基于双层随机规划的含多微网的配电市场交易方法

Country Status (1)

Country Link
CN (1) CN112446745A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113255129A (zh) * 2021-05-24 2021-08-13 南京南瑞信息通信科技有限公司 增量式配电网双层随机优化运行方法及系统
CN113255993A (zh) * 2021-05-21 2021-08-13 中国三峡新能源(集团)股份有限公司 确定储能参与日前市场的优化申报策略的方法和装置
CN113421123A (zh) * 2021-06-29 2021-09-21 国网安徽省电力有限公司电力科学研究院 含共享储能的点对点电能交易市场设计方法和装置
CN116523481A (zh) * 2023-05-09 2023-08-01 山东理工大学 上层零售商定价与下层微网独立决策的双层协同优化方法
CN117791613A (zh) * 2024-02-27 2024-03-29 浙电(宁波北仑)智慧能源有限公司 一种基于资源集群调控的决策方法及系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113255993A (zh) * 2021-05-21 2021-08-13 中国三峡新能源(集团)股份有限公司 确定储能参与日前市场的优化申报策略的方法和装置
CN113255993B (zh) * 2021-05-21 2023-10-10 中国三峡新能源(集团)股份有限公司 确定储能参与日前市场的优化申报策略的方法和装置
CN113255129A (zh) * 2021-05-24 2021-08-13 南京南瑞信息通信科技有限公司 增量式配电网双层随机优化运行方法及系统
CN113421123A (zh) * 2021-06-29 2021-09-21 国网安徽省电力有限公司电力科学研究院 含共享储能的点对点电能交易市场设计方法和装置
CN113421123B (zh) * 2021-06-29 2024-04-09 国网安徽省电力有限公司电力科学研究院 含共享储能的点对点电能交易市场设计方法和装置
CN116523481A (zh) * 2023-05-09 2023-08-01 山东理工大学 上层零售商定价与下层微网独立决策的双层协同优化方法
CN117791613A (zh) * 2024-02-27 2024-03-29 浙电(宁波北仑)智慧能源有限公司 一种基于资源集群调控的决策方法及系统

Similar Documents

Publication Publication Date Title
Cruz et al. A comprehensive survey of flexibility options for supporting the low-carbon energy future
Shahinzadeh et al. Internet of Energy (IoE) in smart power systems
Jiang et al. A multiagent-based hierarchical energy management strategy for maximization of renewable energy consumption in interconnected multi-microgrids
Muqeet et al. Optimal scheduling for campus prosumer microgrid considering price based demand response
Adefarati et al. Integration of renewable distributed generators into the distribution system: a review
Short et al. Regional energy deployment system (ReEDS)
Sheibani et al. Energy storage system expansion planning in power systems: a review
Varaiya et al. Smart operation of smart grid: Risk-limiting dispatch
Aghdam et al. Optimal scheduling of multi-energy type virtual energy storage system in reconfigurable distribution networks for congestion management
CN112446745A (zh) 基于双层随机规划的含多微网的配电市场交易方法
Venegas-Zarama et al. A review of the evolution and main roles of virtual power plants as key stakeholders in power systems
Anand et al. A real time pricing strategy for remote micro-grid with economic emission dispatch and stochastic renewable energy sources
Panda et al. A conceptual review on transformation of micro‐grid to virtual power plant: Issues, modeling, solutions, and future prospects
Nikolaidis et al. Sustainable services to enhance flexibility in the upcoming smart grids
Peikherfeh et al. Optimal dispatch of distributed energy resources included in a virtual power plant for participating in a day-ahead market
Peng et al. Optimized economic operation strategy for distributed energy storage with multi-profit mode
Zhang et al. Optimizing the planning of distributed generation resources and storages in the virtual power plant, considering load uncertainty
Panda et al. A comprehensive review on demand side management and market design for renewable energy support and integration
Jafarpour et al. Resiliency assessment of the distribution system considering smart homes equipped with electrical energy storage, distributed generation and plug-in hybrid electric vehicles
An et al. Optimal operation of multi-micro energy grids under distribution network in Southwest China
Rizvi et al. Optimal scheduling of virtual power plants utilizing wind power and electric vehicles
Yuan et al. A multi-objective risk-constrained approach for capturing and recycling carbon dioxide in multi-energy combined heat and power microgrids
Hejeejo et al. Sustainable energy system planning for the management of MGs: a case study in New South Wales, Australia
Zhang et al. Economic evaluation of energy storage integrated with wind power
Badar et al. Introduction and history of virtual power plants with experimental examples

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210305

WD01 Invention patent application deemed withdrawn after publication