CN112529276A - 一种互联微电网分层分布式优化调度方法 - Google Patents

一种互联微电网分层分布式优化调度方法 Download PDF

Info

Publication number
CN112529276A
CN112529276A CN202011400607.0A CN202011400607A CN112529276A CN 112529276 A CN112529276 A CN 112529276A CN 202011400607 A CN202011400607 A CN 202011400607A CN 112529276 A CN112529276 A CN 112529276A
Authority
CN
China
Prior art keywords
grid
micro
interconnected
microgrid
power
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
CN202011400607.0A
Other languages
English (en)
Inventor
胡伟
孔祥玉
沈煜
孙方圆
杨帆
卢文祺
雷杨
赵栩
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 University
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
Tianjin University
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hubei 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 University, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical Tianjin University
Priority to CN202011400607.0A priority Critical patent/CN112529276A/zh
Publication of CN112529276A publication Critical patent/CN112529276A/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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (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)

Abstract

本发明提供一种互联微电网分层分布式优化调度方法，包括以下步骤：S1.建立云‑边协同的互联微电网运行通信架构；S2.构建上层与大电网协同互动的互联微电网系统优化调度模型；S3.构建下层处理源荷不确定性的微电网运营商经济调度模型；S4.基于目标级联方法将互联微电网系统优化调度模型与微电网运营商经济调度模型解耦，建立解耦的互联微电网系统分布式优化调度模型，使系统以分布式方式计算与运行；S5.对所述互联微电网系统分布式优化调度模型进行并行求解；步骤S6.基于步骤S5求解获得的结果对互联微电网系统进行分布式优化调度控制。本发明能够实现互联微电网系统与大电网的协同互动，减少可再生能源与负荷波动对系统调度运行的影响，支持微电网运营商的本地隐私保护，提高了系统运行计算效率。

Description

一种互联微电网分层分布式优化调度方法
技术领域
本发明涉及电力系统微电网优化技术领域，具体是一种互联微电网分层分布式优化调度方法。
背景技术
微电网能够灵活、高效地集成和利用本地分布式能源，提升本地供电的可靠性和能源利用的效率，降低可再生能源波动对公共电网的影响。近年来，随着分布式可再生能源技术的成熟和新一轮电力体制改革的推进，使大量微电网和独立能源服务商如雨后春笋般出现。随着这些分布式设备接入渗透率的增加，对大规模微电网系统的控制和运营变得极具挑战性。一方面，峰谷不平衡电量和源荷不确定性极大地影响了单一微电网的安全可靠运行；另一方面，随着电力市场逐渐开放，光伏、风电等可再生能源补贴退坡，越来越多的微电网运营商积极寻求更多样的盈利模式。
互联微电网系统是在一定区域内通过电气和信息连接聚合的多个微电网，能够促进区域微电网群的能量交换，提升可再生能源的消纳水平，同时保障区域供电的安全稳定性。但是，不同于只有一个运营商的单一微电网，互联微电网系统的运行需要协调以自身利益诉求为行为导向的多个微电网运行商。出于隐私与本地用户数据安全的考量，微电网之间在运行过程中可能只有有限的信息交互。电力物联网的建设加速了电力系统的信息互联，并为互联多微电网提供了基础的信息采集通信架构和解决方案。此外，在互联微电网系统的能量分布式调度过程中，可再生能源和负荷的不确定性以及交易电价的制定同样给系统运行和能量交易带来了难题。
发明内容
针对上述问题，本发明提供给了一种互联微电网分层分布式优化调度方法，该方法与系统能够实现互联微电网系统与大电网的协同互动，减少可再生能源与负荷波动对系统调度运行的影响，支持微电网运营商的本地隐私保护，提高了系统运行计算效率。
一种互联微电网分层分布式优化调度方法，包括以下步骤：
步骤S1.建立云-边协同的互联微电网运行通信架构；
步骤S2.基于互联微电网运行通信架构构建上层与大电网协同互动的互联微电网系统优化调度模型；
步骤S3.基于互联微电网运行通信架构构建下层处理源荷不确定性的微电网运营商经济调度模型，依据机会约束方法使用可控电源作为旋转备用来源，在设定置信水平下平抑可再生能源与负荷的功率波动；
步骤S4.基于目标级联方法将互联微电网系统优化调度模型与微电网运营商经济调度模型解耦，建立解耦的互联微电网系统分布式优化调度模型，使系统以分布式方式计算与运行；
步骤S5.对所述互联微电网系统分布式优化调度模型进行并行求解；
步骤S6.基于步骤S5求解获得的结果对互联微电网系统进行分布式优化调度控制。
进一步的，所述步骤S1中，所述互联微电网运行通信架构包含智能感知层、边缘计算层、网络传输层和云平台应用层，互联微电网系统与电网公司的云-边协同方式为：互联微电网系统对内协调能量交换，通过优化调度技术实现微电网之间的能量互济，实现边缘自治；互联微电网系统对外在云平台应用层中成为高级应用单元，电网公司通过购售电价、需求响应激励电价、联络线功率限制与互联微电网双向交互，实现服务流的双向流动。
进一步的，所述步骤S2中，所述互联微电网系统优化调度模型含自由购售电与约定需求响应两种互动模式，所述联微电网系统优化调度模型的目标函数为：
Figure BDA0002812147330000021
约束条件为：
Figure BDA0002812147330000022
Figure BDA0002812147330000023
Figure BDA0002812147330000024
Figure BDA0002812147330000025
Figure BDA0002812147330000031
式中NT是调度时段的集合；Nmg是微电网的集合；
Figure BDA0002812147330000032
是t时段互联微电网系统与微电网i交易的能量；λi,t为对应的交易电价；Pt DR是t时段互联微电网运营商进入需求响应模式后控制的联络线响应电量，
Figure BDA0002812147330000033
是对应的需求响应补偿电价；Pt b和Pt s分别是互联微电网运营商在t时段向主电网的购/售电量；
Figure BDA0002812147330000034
和
Figure BDA0002812147330000035
分别是对应的购/售电价格需求响应可为互联微电网运营商带来收益。
Figure BDA0002812147330000036
是互联微电网系统与微电网i的联络线能够交换的最大功率；
Figure BDA0002812147330000037
和
Figure BDA0002812147330000038
是t时段互联微电网系统进入需求响应模式后能够响应电量的上下限，其中正负号代表功率的方向；
Figure BDA0002812147330000039
和
Figure BDA00028121473300000310
分别为t时段互联微电网系统能够从/向主电网购/ 售的最大电量；
Figure BDA00028121473300000311
均为0-1变量，分别控制互联微电网系统参与需求响应模式、购电模式、售电模式。
进一步的，所述步骤S3中，下层微电网运营商经济调度模型的目标函数为：
Figure BDA00028121473300000312
约束条件为：
Figure BDA00028121473300000313
Figure BDA00028121473300000314
Figure BDA00028121473300000315
Soci,min≤Soci,t≤Soci,max
Figure BDA00028121473300000316
Figure BDA00028121473300000317
Figure BDA00028121473300000318
Figure BDA00028121473300000319
Figure BDA00028121473300000320
Figure BDA00028121473300000321
Figure BDA00028121473300000322
式中
Figure BDA00028121473300000323
和
Figure BDA00028121473300000324
分别代表储能的充放电功率，
Figure BDA00028121473300000325
和
Figure BDA00028121473300000326
分别为储能的充放电成本；
Figure BDA00028121473300000327
是t时段微电网i中微燃机的出力，
Figure BDA00028121473300000328
分别为微燃机的二次和一次成本系数；
Figure BDA00028121473300000329
和
Figure BDA00028121473300000330
分别为光伏、风机和负荷在t时段的电量；
Figure BDA00028121473300000331
和
Figure BDA00028121473300000332
分别为储能的充放电效率，Ei为储能容量；
Figure BDA00028121473300000333
和
Figure BDA00028121473300000334
分别为t时段内最大充放电量，
Figure BDA0002812147330000041
和
Figure BDA0002812147330000042
为0-1变量，分别控制储能的充放电模式；
Figure BDA0002812147330000043
和
Figure BDA0002812147330000044
分别为微燃机在t时段的最小出力和最大出力；
Figure BDA0002812147330000045
和
Figure BDA0002812147330000046
分别为微燃机升出力速率约束和降出力速率约束。
进一步的，所述步骤S4中，解耦后的系统上层模型目标函数为：
Figure BDA0002812147330000047
下层模型目标函数为：
Figure BDA0002812147330000048
式中，
Figure BDA0002812147330000049
是目标变量，在父层是待优化的控制变量，在子层是常量；
Figure BDA00028121473300000410
是响应变量，在父层是常量，在子层为待优化的控制变量。λi,t是t时段互联微电网运营商与微电网i进行上下层协同优化的拉格朗日乘子，γi,j是二次惩罚项系数。
进一步的，所述步骤S5中，对所述互联微电网系统分布式优化调度模型进行并行求解具体包括：
步骤一：加载信息
加载互联微电网运营商与大电网的交易参数，包括：
Figure BDA00028121473300000411
Figure BDA00028121473300000412
和
Figure BDA00028121473300000413
加载互联微电网运营商与微电网s的交易参数，包括：
Figure BDA00028121473300000414
和
Figure BDA00028121473300000415
微电网s加载本地私有信息参数，包括：Soci,min,Soci,max,
Figure BDA00028121473300000416
Figure BDA00028121473300000417
和
Figure BDA00028121473300000418
步骤二：初始化参数
初始化k＝0；初始化λi,t,k为最低电价；初始化γi,t,k为偏差惩罚电价；初始化
Figure BDA00028121473300000419
和
Figure BDA00028121473300000420
为微电网i的初始需求和零；
步骤三：并行计算与迭代更新
根据k轮结果λi,t,k,γi,t,k,
Figure BDA00028121473300000421
和
Figure BDA00028121473300000422
使用数学模型求解器GUROBI并行求解模型P3和C3，获得k+1轮结果
Figure BDA00028121473300000423
和
Figure BDA00028121473300000424
使用步长τ来调整收敛速度，更新k+1轮结果为：
Figure BDA0002812147330000051
Figure BDA0002812147330000052
步骤四：判断是否满足推出条件
如果下式满足，则转步骤六；否则转步骤五
Figure BDA0002812147330000053
步骤五：根据下式更新乘子：
Figure BDA0002812147330000054
γi,j,k＝βγi,j,k-1,1≤β＜3
步骤六：输出最优解。
本发明提供的技术方案的有益效果是：
1、充分考虑了互联微电网的运行通信架构，建立了互联微电网与大电网的云-边协同互动模式，实现互联微电网系统与大电网的协同互动。
2、通过建立互联微电网系统双层分布式经济优化调度模型，促进了微电网之间的能量互济，保护了微电网运营商的本地隐私。
3、提出了互联微电网系统双层分布式经济优化调度模型并行求解步骤，提升了互联微电网系统运行计算效率。
附图说明
图1为本发明实施例提供的一种互联微电网云-边协同运行架构示意图；
图2为本发明实施例提供的一种基于目标级联方法的模型分散化方法；
图3为本发明实施例提供的一种系统串行求解运行转化为并行求解运行的示意图；
图4为本发明实施例提供的一种互联微电网系统并行求解计算的流程图；
图5为实施例中负荷与可再生能源预测曲线图；
图6为实施例中直接并网模式的优化调度结果；
图7为实施例中互联微电网模式的优化调度结果；
图8为实施例中两种模式对外交易电量的结果；
图9为实施例中参与需求响应前后的互联微电网系统能量交易结果；
图10为实施例中参与需求响应后的微电网能量调度结果；
图11为实施例中互联微电网系统运行收敛过程；
图12为实施例中所述互联微电网系统求解方法与遗传算法结果对比。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
为了实现互联微电网的优化调度运行，本发明实施例提供了一种互联微电网分层分布式优化调度方法，方法包括以下步骤：S1.建立云-边协同的互联微电网运行通信架构；S2.构建上层与大电网协同互动的互联微电网系统优化调度模型；S3.构建下层处理源荷不确定性的微电网运营商经济调度模型；S4.基于目标级联方法将互联微电网系统优化调度模型与微电网运营商经济调度模型解耦，建立解耦的互联微电网系统分布式优化调度模型，使系统以分布式方式计算与运行； S5.对所述互联微电网系统分布式优化调度模型进行并行求解。下面对各步骤进行详细说明。
S1.建立云-边协同的互联微电网运行通信架构
所述S1建立云-边协同的互联微电网运行通信架构，包含智能感知层、边缘计算层、网络传输层和云平台应用层。本发明实施例中的互联微电网系统为一个区域的配电网中，由一系列自治微电网和互联微电网运营商组成的多微电网系统。每一个微电网由分布式电源和用户负荷组成，通过配电网线路和通信系统与其他微电网相连接。微电网运营商是微电网的所有者，是理性逐利人。互联微电网运营商聚合区域配电网中相邻的微电网，通过提供能量交易平台，保证微电网的安全接入接出和公平能量交易。
所述云-边协同的互联微电网运行通信架构如图1所示，该架构能够充分利用云计算和边缘计算的协同优势，既能实现大电网对互联微电网系统的感知、影响和互动，也能满足各利益主体对收益、安全、隐私保护和实时性的要求。一方面，互联微电网系统对内需要协调能量交换，通过优化调度和价格机制实现微电网之间的能量互济，增加收益。由边缘计算层的各个控制平台分布式执行，多个微电网的边缘计算控制器协同自治。另一方面，互联微电网系统对外不仅可以从配电网购售电，还能够参与执行电网公司的响应计划。互联微电网系统在云平台应用层中扮演一个高级应用单元的角色，电网公司通过购售电价、需求响应激励电价、联络线功率限制等手段与互联微电网系统双向互动，帮助电网公司实现削峰填谷，实现服务流的双向流动。购售电模式与需求响应模式是两种路径相反的模式，区别在于联络线在互联微电网系统优化运行中扮演的角色。在购售电模式时，联络线被视为有功率限额的“虚拟储能”，能够满足互联微电网系统的功率盈缺；在需求响应模式时，互联微电网系统需要控制联络线使其达到目标功率，联络线可被视为“虚拟负荷”。
S2.构建上层与大电网协同互动的互联微电网系统优化调度模型
所述互联微电网系统上层优化调度模型目的是为了达到两个目标，一方面促进区域配电网中的电能交易并获取利润，从而提高单个微电网的电力安全并降低电价；另一方面，在配电网面临短时供需矛盾时，互联微电网能够以市场主体身份参与需求响应并获取利润。所述联微电网系统优化调度模型含自由购售电与约定需求响应两种互动模式，具体地，所述联微电网系统优化调度模型可以描述如下：
Figure BDA0002812147330000071
Figure BDA0002812147330000072
Figure BDA0002812147330000073
Figure BDA0002812147330000074
Figure BDA0002812147330000075
Figure BDA0002812147330000076
式(1)为目标函数，式(2)-(8)为约束条件。式中
Figure BDA0002812147330000077
和
Figure BDA0002812147330000078
分别代表储能的充放电功率，
Figure BDA0002812147330000079
和
Figure BDA00028121473300000710
分别为储能的充放电成本；
Figure BDA00028121473300000711
是t时段微电网i中微燃机的出力，
Figure BDA00028121473300000712
分别为微燃机的二次和一次成本系数；
Figure BDA00028121473300000713
和
Figure BDA00028121473300000714
分别为光伏、风机和负荷在t时段的电量；
Figure BDA00028121473300000715
和
Figure BDA00028121473300000716
分别为储能的充放电效率，Ei为储能容量；
Figure BDA00028121473300000717
和
Figure BDA00028121473300000718
分别为t时段内最大充放电量，
Figure BDA00028121473300000719
和
Figure BDA00028121473300000720
为0-1变量，分别控制储能的充放电模式；
Figure BDA00028121473300000721
和
Figure BDA00028121473300000722
分别为微燃机在t时段的最小出力和最大出力；
Figure BDA00028121473300000723
和
Figure BDA00028121473300000724
分别为微燃机升出力速率约束和降出力速率约束。
S3.构建下层处理源荷不确定性的微电网运营商经济调度模型
所述构建下层处理源荷不确定性的微电网运营商经济调度模型，其技术细节如下详述：
微电网运行过程中的不确定因素来自多个方面，其中最主要的来源是可再生能源出力预测和负荷预测的不精准。本发明实施例将某一时段内风光出力以及负荷视为预测值与误差值之和，其中预测值是确定性变量，误差值为随机变量，其特征可从历史数据集中提取。微电网必须在观察到随机变量之前，依据预测值做出决策。式是t时段微电网i中风光出力和负荷的表达式：
Figure BDA0002812147330000081
式中
Figure BDA0002812147330000082
和
Figure BDA0002812147330000083
分别是t时段风机出力、光伏出力和负荷的实际值；
Figure BDA0002812147330000084
Figure BDA0002812147330000085
和
Figure BDA0002812147330000086
分别是t时段风机出力、光伏出力和负荷的预测值；
Figure BDA0002812147330000087
和
Figure BDA0002812147330000088
分别是t时段风机出力、光伏出力和负荷的预测误差值。
Figure BDA0002812147330000089
式中，
Figure BDA00028121473300000810
和
Figure BDA00028121473300000811
分别是t时段风机出力、光伏出力和负荷预测误差的标准差；ρ表示预测误差与预测值或装机的相关系数，通常从历史数据集中得到；
Figure BDA00028121473300000812
和
Figure BDA00028121473300000813
分别是风机与光伏的装机容量。
本发明实施例将风机和光伏出力与负荷预测误差的随机性直接建模为随机机会约束条件，机会约束条件体现在微电网的旋转备用容量要满足一定的置信度。以微燃机和联络线作为旋转备用来源，通常联络线功率偏差的惩罚价格高于微燃机边际出力成本，因此优先以微电网中的微燃机承担随机功率波动，不能满足时再辅以联络线功率，紧急状态时甚至可以采用切除可再生能源等手段。因此，互联微电网中微电网的经济动态调度问题可以描述为：通过控制可再生能源入网、可控机组出力、储能充放电和联络线购售电功率，使得微电网满足功率约束、设备物理约束和旋转备用约束时的总运行成本最小。下层微电网运营商经济调度模型，如下所示：
Figure BDA0002812147330000091
Figure BDA0002812147330000092
Figure BDA0002812147330000093
Figure BDA0002812147330000094
Soci,min≤Soci,t≤Soci,max (15)
Figure BDA0002812147330000095
Figure BDA0002812147330000096
Figure BDA0002812147330000097
Figure BDA0002812147330000098
Figure BDA0002812147330000099
Figure BDA00028121473300000910
Figure BDA00028121473300000911
式(11)为目标函数，式(12)-(22)为约束条。式中
Figure BDA00028121473300000912
和
Figure BDA00028121473300000913
分别代表储能的充放电功率，
Figure BDA00028121473300000914
和
Figure BDA00028121473300000915
分别为储能的充放电成本；
Figure BDA00028121473300000916
是t时段微电网i中微燃机的出力，
Figure BDA00028121473300000917
分别为微燃机的二次和一次成本系数；
Figure BDA00028121473300000918
和
Figure BDA00028121473300000919
分别为光伏、风机和负荷在t时段的电量；
Figure BDA00028121473300000920
和
Figure BDA00028121473300000921
分别为储能的充放电效率，Ei为储能容量；
Figure BDA00028121473300000922
和
Figure BDA00028121473300000923
分别为t时段内最大充放电量，
Figure BDA00028121473300000924
和
Figure BDA00028121473300000925
为0-1变量，分别控制储能的充放电模式；
Figure BDA00028121473300000926
和
Figure BDA00028121473300000927
分别为微燃机在t时段的最小出力和最大出力；
Figure BDA00028121473300000928
和
Figure BDA00028121473300000929
分别为微燃机升出力速率约束和降出力速率约束。
S4.基于目标级联方法将互联微电网系统优化调度模型与微电网运营商经济调度模型解耦，建立解耦的互联微电网系统分布式优化调度模型，使系统以分布式方式计算与运行。
所述解耦方法的技术细节如下详述：
所述耦合变量
Figure BDA00028121473300000930
的存在使得庞大的数学模型需要集中系统参数并且集中计算处理大量数据。但在实际的商业环境中，机组参数、成本信息和预测信息等往往因涉及隐私与商业机密而难以获取，此外庞大的模型与数据也使得系统的可靠性与灵活性变差。为使模型能够适应分散式的物理架构，本发明实施例采用了目标级联方法对模型进行进一步地解耦与重构，具体的技术方式如图2所示，建立解耦的互联微电网系统分层分布式优化调度模型，如下所示，解耦后的系统上层模型目标函数为：
Figure BDA0002812147330000101
下层模型目标函数为：
Figure BDA0002812147330000102
上下层的约束条件没有改变。
Figure BDA0002812147330000103
是目标变量，在父层是待优化的控制变量，在子层是常量；
Figure BDA0002812147330000104
是响应变量，在父层是常量，在子层为待优化的控制变量。λi,t是t时段微电网i进行上下层协同优化的拉格朗日乘子，同时被视为交易价格信号用于协调上下层的优化。
Figure BDA0002812147330000105
是拉格朗日乘子的最优值，代表系统与微电网i 交易的边际价格，即能量交换的边际成本，换句话说，任何以最小化成本为目标的微电网都可以根据最优拉格朗日乘子和其发电成本做出最优交易电量的决策。γi,j是二次惩罚项系数，能够使收敛速度增加，并增加模型的局部凸性以抵御模型中离散变量带来的影。
S5.对所述互联微电网系统分布式优化调度模型进行并行求解
为使所述系统的上下层能够并行求解而不是串行求解，本发明实施例提出互联微电网系统分布式优化调度模型并行求解迭代步骤，如图3所示为从串行求解至并行求解的过程。
进一步地，所述系统并行求解运行步骤为：
步骤一：加载信息。
加载互联微电网运营商与大电网的交易参数，包括：
Figure BDA0002812147330000106
Figure BDA0002812147330000107
和
Figure BDA0002812147330000108
加载互联微电网运营商与微电网s的交易参数，包括：
Figure BDA0002812147330000109
和
Figure BDA00028121473300001010
微电网s加载本地私有信息参数，包括：Soci,min,Soci,max,
Figure BDA00028121473300001011
Figure BDA00028121473300001012
和
Figure BDA00028121473300001013
步骤二：初始化参数
初始化k＝0；初始化λi,t,k为最低电价；初始化γi,t,k为偏差惩罚电价；初始化
Figure BDA0002812147330000111
和
Figure BDA0002812147330000112
为微电网i的初始需求(负荷减去可再生能源的预测值)和零。
步骤三：并行计算与迭代更新
根据k轮结果λi,t,k,γi,t,k,
Figure BDA0002812147330000113
和
Figure BDA0002812147330000114
使用数学模型求解器GUROBI并行求解模型P3和C3，获得k+1轮结果
Figure BDA0002812147330000115
和
Figure BDA0002812147330000116
使用步长τ来调整收敛速度，更新k+1轮结果为：
Figure BDA0002812147330000117
Figure BDA0002812147330000118
步骤四：判断是否满足推出条件
如果下式满足，则转步骤六；否则转步骤五
Figure BDA0002812147330000119
步骤五：根据下式更新乘子：
Figure BDA00028121473300001110
γi,j,k＝βγi,j,k-1,1≤β＜3
步骤六：输出最优解。
所述系统并行求解运行步骤流程图，如图4所示。
S6.基于步骤S5求解获得的结果对互联微电网系统进行分布式优化调度控制。
实施例2
下面结合具体的实例对实施例1的技术方法和系统进行可行性验证，详见下文描述：
本发明实施例一个包含三个微电网和一个互联微电网运营商的配网区域。所有微电网均配置了光伏、风机、微型燃气轮机、储能以及用于决策的计算单元，并忽略互联微电网中的能量传输损耗。算例分析参数设置如下，
Figure DEST_PATH_FDA00028121473200000212
和
Figure BDA00028121473300001112
分别为1500kW和1000kW。大电网使用如表1所示的分时电价。储能的充放电成本分别为0.4CNY/kWh和0.6CNY/kWh，充放电效率为0.95和0.97。各微电网的详细参数如表2所示。负荷与可再生能源预测信息如图5所示。
Figure BDA00028121473300001113
Figure BDA00028121473300001114
和
Figure BDA00028121473300001115
分别为0.15、0.02、0.1、0.01、和0.1。收敛精度ε设置为0.1，λi,t,k和γi,j,k-1的初始值设置为0.27和0.5CNY/kWh。忽略互联微电网中的能量传输损耗，假设微电网能工作在并网和孤岛两种状态。
表1
Figure BDA0002812147330000121
表2
Figure BDA0002812147330000122
(1)经济优化调度结果
直接并网模式是指微电网直接与配网连接并与主电网进行能量交易的运营模式。不同于互联微电网，微电网与配网直接连接并进行能量交易不是一个双层优化问题，可以直接通过轻微修改模型C实现。基于已经给定的参数，考虑设置微电网平抑源荷不确定性的置信度为α和β为0.8，分别运行互联微电网模式与直接并网模式进行调度结果的对比。图6和图7分别展示了微电网在直接并网模式和互联微电网模式下的交易电量与电价情况。红色阶梯曲线表示价格，蓝色柱状图表示微电网s与系统运营商的交易电量，其中正值代表微电网购买电量，负值代表微电网出售电量。图8展示了两种模式下，系统与大电网交换电量的对比。
可以看到每个微电网的交易电价曲线是不同的。这是因为微电网内部的供需特征是不同的。对于每个微电网而言，交易价格代表具有不确定性的供需平衡的边际成本。在直接并网模式中，微电网本地供需平衡的边际成本被固定为直接与大电网交易的分时购售电价。在互联微电网模式中，系统运营商整合了多个微电网的供需，形成了一个更大的本地市场，微电网之间进行能量交换，系统运营商平衡各微电网的能量交易，保证本地供需互补的微电网充分交易。因此观察图6 和图7可以发现，微电网在互联微电网模式下，处于购电状态的电价不高于在直接并网模式下的，处于售电状态的电价不低于直接并网模式下的。从图8可以看出，在互联微电网模式下，微电网与主电网的电量购买在10时-12时和19时-22时整体显著下降，微电网在高峰时刻的交易电价也低于同时刻在直接并网模式的电价。由此可见本发明实施例提高了本地的能源利用，降低了整体供电成本。同时对于大电网而言，互联微电网削减了在尖峰时段购买的电量，缓解了配电网的短时供需矛盾。
(2)参与需求响应结果
图9为不参与需求响应的基线状态与参与需求响应后的互联微电网与电网公司的能量交易结果。图10为需求响应模式下互联微电网的能量调度结果，系统运营商通过在约定时段控制配电网之间联络线功率，影响该时段与微电网的调度结果。如图9(b)所示，互联微电网在时间19-21时能够充分地执行约定需求响应量，促使微电网改变与系统运营商的交易电量。可以观察到图10中微电网1在约定响应时段增加了微燃机和储能的出力，由购电状态转变为售电状态；微电网 2同样增加了微燃机的出力并减少了购电量；微电网3在19时增加了储能出力，在20时增加了微燃机的出力，转变为售电状态。结果表明互联微电网应用所建模型能够实现对电网公司的约定需求响应。
(3)系统运行效率
本发明实施例展示并验证了所述互联微电网双层分布式优化调度方法的收敛性和效率。图11分别展示了微电网1，微电网2和微电网3与互联微电网运营商(IMO)的共享变量在迭代过程中的收敛过程。图11(a)-(c)和(d)-(f)分别展示了时段10和时段17父层目标变量与子层响应变量的收敛过程。可见在拉格朗日项协调作用下，所述互联微电网系统的优化结果能够在10次迭代之内趋向于同一个值——目标变量与响应变量重合为同一个共享变量。
本发明实施例为了与现有方法对比，分别测试采用本发明所述方法 (ATC+AL+DQA)求解互联微电网模式、遗传算法(Genetic Algorithm，GA) 求解互联微电网模式、遗传算法求解直接并网模式。这里的遗传算法求解器来自于MATLAB 2018内置GA工具箱。
结果如图12所示，与MATLAB提供的标准GA工具箱相比，本发明实施例方法迭代次数更多，但单次迭代求解时间更短，如表3所示，在计算资源的消耗上，本发明实施例方法具有更大的优势，即GA在每次迭代会消耗更多的计算资源(与种群大小等参数有关)。在大规模多微电网应用场景中，本发明实施例方法将比GA更加适用。采用GA求解直接并网模式能够在3代左右收敛。结果表明，本发明实施例方法能够以一个可接受的计算效率实现互联微电网系统的分层分布式优化调度，具有很强的应用价值。
表3
Figure BDA0002812147330000141
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (6)

1.一种互联微电网分层分布式优化调度方法，其特征在于，包括以下步骤：
步骤S1.建立云-边协同的互联微电网运行通信架构；
步骤S2.基于互联微电网运行通信架构构建上层与大电网协同互动的互联微电网系统优化调度模型；
步骤S3.基于互联微电网运行通信架构构建下层处理源荷不确定性的微电网运营商经济调度模型，依据机会约束方法使用可控电源作为旋转备用来源，在设定置信水平下平抑可再生能源与负荷的功率波动；
步骤S4.基于目标级联方法将互联微电网系统优化调度模型与微电网运营商经济调度模型解耦，建立解耦的互联微电网系统分布式优化调度模型，使系统以分布式方式计算与运行；
步骤S5.对所述互联微电网系统分布式优化调度模型进行并行求解；
步骤S6.基于步骤S5求解获得的结果对互联微电网系统进行分布式优化调度控制。
2.根据权利要求1所述的互联微电网分层分布式优化调度方法，其特征在于，所述步骤S1中，所述互联微电网运行通信架构包含智能感知层、边缘计算层、网络传输层和云平台应用层，互联微电网系统与电网公司的云-边协同方式为：互联微电网系统对内协调能量交换，通过优化调度技术实现微电网之间的能量互济，实现边缘自治；互联微电网系统对外在云平台应用层中成为高级应用单元，电网公司通过购售电价、需求响应激励电价、联络线功率限制与互联微电网双向交互，实现服务流的双向流动。
3.根据权利要求1所述的互联微电网分层分布式优化调度方法，其特征在于，所述步骤S2中，所述互联微电网系统优化调度模型含自由购售电与约定需求响应两种互动模式，所述联微电网系统优化调度模型的目标函数为：
Figure FDA0002812147320000011
约束条件为：
Figure FDA0002812147320000012
Figure FDA0002812147320000013
Figure FDA0002812147320000021
Figure FDA0002812147320000022
Figure FDA0002812147320000023
Figure FDA0002812147320000024
式中NT是调度时段的集合；Nmg是微电网的集合；
Figure FDA0002812147320000025
是t时段互联微电网系统与微电网i交易的能量；λi,t为对应的交易电价；Pt DR是t时段互联微电网运营商进入需求响应模式后控制的联络线响应电量，
Figure FDA0002812147320000026
是对应的需求响应补偿电价；Pt b和Pt s分别是互联微电网运营商在t时段向主电网的购/售电量；
Figure FDA0002812147320000027
和
Figure FDA0002812147320000028
分别是对应的购/售电价格需求响应可为互联微电网运营商带来收益。
Figure FDA0002812147320000029
是互联微电网系统与微电网i的联络线能够交换的最大功率；
Figure FDA00028121473200000210
和
Figure FDA00028121473200000211
是t时段互联微电网系统进入需求响应模式后能够响应电量的上下限，其中正负号代表功率的方向；
Figure FDA00028121473200000212
和
Figure FDA00028121473200000213
分别为t时段互联微电网系统能够从/向主电网购/售的最大电量；
Figure FDA00028121473200000214
均为0-1变量，分别控制互联微电网系统参与需求响应模式、购电模式、售电模式。
4.根据权利要求1所述的互联微电网分层分布式优化调度方法，其特征在于，所述步骤S3中，下层微电网运营商经济调度模型的目标函数为：
Figure FDA00028121473200000215
约束条件为：
Figure FDA00028121473200000216
Figure FDA00028121473200000217
Figure FDA00028121473200000218
Soci,min≤Soci,t≤Soci,max
Figure FDA00028121473200000219
Figure FDA00028121473200000220
Figure FDA00028121473200000221
Figure FDA00028121473200000222
Figure FDA00028121473200000223
Figure FDA00028121473200000224
Figure FDA00028121473200000225
式中
Figure FDA0002812147320000031
和
Figure FDA0002812147320000032
分别代表储能的充放电功率，
Figure FDA0002812147320000033
和
Figure FDA0002812147320000034
分别为储能的充放电成本；
Figure FDA0002812147320000035
是t时段微电网i中微燃机的出力，
Figure FDA0002812147320000036
分别为微燃机的二次和一次成本系数；
Figure FDA0002812147320000037
和
Figure FDA0002812147320000038
分别为光伏、风机和负荷在t时段的电量；
Figure FDA0002812147320000039
和
Figure FDA00028121473200000310
分别为储能的充放电效率，Ei为储能容量；
Figure FDA00028121473200000311
和
Figure FDA00028121473200000312
分别为t时段内最大充放电量，
Figure FDA00028121473200000313
和
Figure FDA00028121473200000314
为0-1变量，分别控制储能的充放电模式；
Figure FDA00028121473200000315
和
Figure FDA00028121473200000316
分别为微燃机在t时段的最小出力和最大出力；
Figure FDA00028121473200000317
和
Figure FDA00028121473200000318
分别为微燃机升出力速率约束和降出力速率约束。
5.根据权利要求1所述的互联微电网分层分布式优化调度方法，其特征在于，所述步骤S4中，解耦后的系统上层模型目标函数为：
Figure FDA00028121473200000319
下层模型目标函数为：
Figure FDA00028121473200000320
式中，
Figure FDA00028121473200000321
是目标变量，在父层是待优化的控制变量，在子层是常量；
Figure FDA00028121473200000322
是响应变量，在父层是常量，在子层为待优化的控制变量。λi,t是t时段互联微电网运营商与微电网i进行上下层协同优化的拉格朗日乘子，γi,j是二次惩罚项系数。
6.根据权利要求1所述的互联微电网分层分布式优化调度方法，其特征在于，所述步骤S5中，对所述互联微电网系统分布式优化调度模型进行并行求解具体包括：
步骤一：加载信息
加载互联微电网运营商与大电网的交易参数，包括：
Figure FDA00028121473200000323
Pt DR,
Figure FDA00028121473200000324
Figure FDA00028121473200000325
和
Figure FDA00028121473200000326
加载互联微电网运营商与微电网s的交易参数，包括：
Figure FDA00028121473200000327
和
Figure FDA00028121473200000328
微电网s加载本地私有信息参数，包括：Soci,min,Soci,max,
Figure FDA00028121473200000329
Figure FDA00028121473200000330
和
Figure FDA00028121473200000331
步骤二：初始化参数
初始化k＝0；初始化λi,t,k为最低电价；初始化γi,t,k为偏差惩罚电价；初始化
Figure FDA0002812147320000041
和
Figure FDA0002812147320000042
为微电网i的初始需求和零；
步骤三：并行计算与迭代更新
根据k轮结果λi,t,k,γi,t,k,
Figure FDA0002812147320000043
和
Figure FDA0002812147320000044
使用数学模型求解器GUROBI并行求解模型P3和C3，获得k+1轮结果
Figure FDA0002812147320000045
和
Figure FDA0002812147320000046
使用步长τ来调整收敛速度，更新k+1轮结果为：
Figure FDA0002812147320000047
Figure FDA0002812147320000048
步骤四：判断是否满足推出条件
如果下式满足，则转步骤六；否则转步骤五
Figure FDA0002812147320000049
步骤五：根据下式更新乘子：
Figure FDA00028121473200000410
γi,j,k＝βγi,j,k-1,1≤β＜3
步骤六：输出最优解。
CN202011400607.0A 2020-12-01 2020-12-01 一种互联微电网分层分布式优化调度方法 Pending CN112529276A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011400607.0A CN112529276A (zh) 2020-12-01 2020-12-01 一种互联微电网分层分布式优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011400607.0A CN112529276A (zh) 2020-12-01 2020-12-01 一种互联微电网分层分布式优化调度方法

Publications (1)

Publication Number Publication Date
CN112529276A true CN112529276A (zh) 2021-03-19

Family

ID=74997444

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011400607.0A Pending CN112529276A (zh) 2020-12-01 2020-12-01 一种互联微电网分层分布式优化调度方法

Country Status (1)

Country Link
CN (1) CN112529276A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113675894A (zh) * 2021-07-27 2021-11-19 国网河北省电力有限公司电力科学研究院 主动配电网云边协同调控方法、装置和终端设备
CN115021327A (zh) * 2022-05-19 2022-09-06 合肥工业大学 基于虚拟储能的互联微电网系统的协同日前优化调度方法
CN115204747A (zh) * 2022-08-22 2022-10-18 国网江苏省电力有限公司扬州供电分公司 一种新能源厂网交互分层优化调度方法
CN117674139A (zh) * 2024-01-30 2024-03-08 国网辽宁省电力有限公司丹东供电公司 基于物联网的分布式能源管理方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170194814A1 (en) * 2014-04-23 2017-07-06 Nec Corporation Electricity distribution system with dynamic cooperative microgrids for real-time operation
CN108964050A (zh) * 2018-08-26 2018-12-07 燕山大学 基于需求侧响应的微电网双层优化调度方法
CN109840692A (zh) * 2019-01-03 2019-06-04 广州供电局有限公司 一种互联微电网分布式鲁棒调度系统及调度方法
CN109980684A (zh) * 2019-04-02 2019-07-05 云南电网有限责任公司电力科学研究院 一种基于柔性互联微电网的分布式优化调度方法
CN110135613A (zh) * 2018-10-23 2019-08-16 上海交通大学 一种基于纳什谈判的多虚拟电厂协同优化运行方案
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170194814A1 (en) * 2014-04-23 2017-07-06 Nec Corporation Electricity distribution system with dynamic cooperative microgrids for real-time operation
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
CN108964050A (zh) * 2018-08-26 2018-12-07 燕山大学 基于需求侧响应的微电网双层优化调度方法
CN110135613A (zh) * 2018-10-23 2019-08-16 上海交通大学 一种基于纳什谈判的多虚拟电厂协同优化运行方案
CN109840692A (zh) * 2019-01-03 2019-06-04 广州供电局有限公司 一种互联微电网分布式鲁棒调度系统及调度方法
CN109980684A (zh) * 2019-04-02 2019-07-05 云南电网有限责任公司电力科学研究院 一种基于柔性互联微电网的分布式优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
XIANGYU KONG, DEHONG LIU, CHENGSHAN WANG, FANGYUAN SUN, SHUPENG LI: "Optimal operation strategy for interconnected microgrids in market environment considering uncertainty", APPLIED ENERGY, vol. 275, pages 1 - 13 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113675894A (zh) * 2021-07-27 2021-11-19 国网河北省电力有限公司电力科学研究院 主动配电网云边协同调控方法、装置和终端设备
CN113675894B (zh) * 2021-07-27 2023-09-26 国网河北省电力有限公司电力科学研究院 主动配电网云边协同调控方法、装置和终端设备
CN115021327A (zh) * 2022-05-19 2022-09-06 合肥工业大学 基于虚拟储能的互联微电网系统的协同日前优化调度方法
CN115021327B (zh) * 2022-05-19 2024-03-01 合肥工业大学 基于虚拟储能的互联微电网系统的协同日前优化调度方法
CN115204747A (zh) * 2022-08-22 2022-10-18 国网江苏省电力有限公司扬州供电分公司 一种新能源厂网交互分层优化调度方法
CN115204747B (zh) * 2022-08-22 2023-09-12 国网江苏省电力有限公司扬州供电分公司 一种新能源厂网交互分层优化调度方法
CN117674139A (zh) * 2024-01-30 2024-03-08 国网辽宁省电力有限公司丹东供电公司 基于物联网的分布式能源管理方法及系统
CN117674139B (zh) * 2024-01-30 2024-04-09 国网辽宁省电力有限公司丹东供电公司 基于物联网的分布式能源管理方法及系统

Similar Documents

Publication Publication Date Title
Nguyen Optimal solution analysis and decentralized mechanisms for peer-to-peer energy markets
Li et al. Distributed tri-layer risk-averse stochastic game approach for energy trading among multi-energy microgrids
Wang et al. Robust distributed optimization for energy dispatch of multi-stakeholder multiple microgrids under uncertainty
Xing et al. Cooperative energy management optimization based on distributed MPC in grid-connected microgrids community
Ouammi et al. Coordinated model predictive-based power flows control in a cooperative network of smart microgrids
CN112529276A (zh) 一种互联微电网分层分布式优化调度方法
Chen et al. Research on day-ahead transactions between multi-microgrid based on cooperative game model
Yuan et al. Real-time pricing for smart grid with multi-energy microgrids and uncertain loads: a bilevel programming method
An et al. Sto2Auc: A stochastic optimal bidding strategy for microgrids
Ghaemi et al. Risk aversion energy management in the networked microgrids with presence of renewable generation using decentralised optimisation approach
Soriano et al. Peer-to-peer energy trades based on multi-objective optimization
CN112952908B (zh) 一种多合作微电网主体分布式协调交易方法
Wu et al. A hierarchical framework for renewable energy sources consumption promotion among microgrids through two-layer electricity prices
Du et al. A bi-level linearized dispatching model of active distribution network with multi-stakeholder participation based on analytical target cascading
CN111932075A (zh) 主动配电网多区域调度方法、系统、设备及可读存储介质
Esmaeili et al. Retail market equilibrium and interactions among reconfigurable networked microgrids
Aguila‐Leon et al. A multimicrogrid energy management model implementing an evolutionary game‐theoretic approach
Yan et al. Peer-to-Peer transactive energy trading of multiple microgrids considering renewable energy uncertainty
Zakernezhad et al. Optimal scheduling of an active distribution system considering distributed energy resources, demand response aggregators and electrical energy storage
de la Hoz et al. Regulatory-framework-embedded energy management system for microgrids: The case study of the Spanish self-consumption scheme
Brahmia et al. Robust data predictive control framework for smart multi-microgrid energy dispatch considering electricity market uncertainty
Aryanezhad A robust game-theoretic optimization model for battery energy storage in multi-microgrids by considering of renewable based DGs uncertainty
Manjili et al. Fuzzy control of electricity storage unit for energy management of micro-grids
Chen et al. Energy storage sharing strategy in distribution networks using bi-level optimization approach
Ferro et al. A distributed-optimization-based architecture for management of interconnected energy hubs

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