CN112671036A - 一种考虑需求响应的微电网调度方法 - Google Patents
一种考虑需求响应的微电网调度方法 Download PDFInfo
- Publication number
- CN112671036A CN112671036A CN202011519541.7A CN202011519541A CN112671036A CN 112671036 A CN112671036 A CN 112671036A CN 202011519541 A CN202011519541 A CN 202011519541A CN 112671036 A CN112671036 A CN 112671036A
- Authority
- CN
- China
- Prior art keywords
- micro
- power
- demand response
- microgrid
- grid
- 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
Images
Classifications
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种考虑需求响应的微电网调度方法,包括以下步骤,建立包含风光发电设备、微电站、储热系统和同时具备电需求响应及热需求响应的用户的微电网结构;分别对风光发电设备、微电站、储热系统、电力负荷、供热负荷及热的不舒适度进行建模;确定系统目标函数、决策变量以及约束条件;获取当前调度周期的负荷及温度数据;对当前调度周期的优化问题进行集中求解,得到当前调度周期的各决策变量;建立了各类典型分布式电源的数学模型,并根据其实际工作特性设置约束条件,同时也建立了需求侧设备的数学模型,在进行需求响应时,用户的舒适度不受影响,同时促进了风光等新能源的消纳,提高了电力系统的灵活性。
Description
技术领域
本发明属于包含清洁能源出力的微电网系统调度领域,特别是涉及一种考虑需求响应的微电网调度方法。
背景技术
随着社会的快速发展,人类对传统化石能源的需求日益增多,而传统化石能源由于之前的过度开采已经日益枯竭,现在能源问题已经开始影响全球经济的发展。同时大规模的电力系统导致系统运行成本增加、运行难度加大,难以适应需求侧用户对电能的质量的要求。
微电网的出现为解决可再生能源消纳提供了很好的应用方式。利用微电网作为电力系统与分布式电源之间的媒介,微电网通过对各类分布式电源的能量管理,将各类分布式电源整合成一个整体与电力系统连接,这样的整体可以有效降低由于分布式电源出力变化而对大电网的安全性造成的影响。同时还可以降低清洁能源发电的单机并网成本,降低了其运行成本,由于清洁能源发电占比的增加,微电网也减少了传统发电设备在发电过程中对环境的影响,缓解了一定的环境压力。
通过建设能源互联网,使得能源系统能够实现多能源的开放互联和能量自由传输,允许各种参与者和大量用户的开放进入,实现能源资源的优化配置,具有重大意义。然而在能源互联网中参与决策的主体规模相比传统电网将急剧增加,同时,各决策主体之间存在相互博弈特性,由于各决策主体均有自身不同的独立特性,且分属不同的利益主体,如何协调能源互联网中各决策主体,从而平衡和优化有关各方利益是一项极具挑战性的课题。在现有技术中,微电网系统并不能协调传统能源与清洁能源合理分配,仅考虑用户电的需求响应,忽略了用户的热需求响应,并不能实现充分优化调度。
发明内容
为了克服以上现有生产中技术的不足,提供了一种考虑需求响应的微电网调度方法。
一种考虑需求响应的微电网调度方法,其特征在于,包括以下步骤,
步骤1:建立包含风光发电设备、微电站、储热系统和同时具备电需求响应及热需求响应的用户的微电网结构;
步骤2:确定微电网运行模式;
步骤3:分别对风光发电设备、微电站、储热系统、电力负荷、供热负荷及热的不舒适度进行建模;
步骤4:确定系统目标函数、以及约束条件;
步骤5:获取当前调度周期的负荷及温度数据;
步骤6:对当前调度周期的优化问题进行集中求解,得到当前调度周期的各决策变量;
步骤7:更新时间到下一调度周期,返回步骤6,直到整个优化时间区间结束。
本发明的有益效果是:建立了各类典型分布式电源的数学模型,并根据其实际工作特性设置约束条件,同时也建立了需求侧设备的数学模型,并考虑到用户的用电舒适度,对需求侧设备的工作条件进行了设定,做到了在进行需求响应时,用户的舒适度不受影响,同时促进了风光等新能源的消纳,提高了电力系统的灵活性。
对于不同主体的优化调度,可采用博弈论的思想进行求解,但考虑用户舒适度的博弈论研究很少,通过考虑用户舒适度可以提高电力系统调度的灵活性,对于可再生能源的消纳起到了积极的作用。
附图说明
图1为微电网优化调度方法流程图;
图2为微电网系统结构图;
图3为用户用水量数量曲线图;
图4为用户负荷需求曲线图;
图5为户外温度曲线图;
图6为运行方式一系统主体出力曲线;
图7为运行方式二系统主体出力曲线;
具体实施方式
下面结合附图对本发明作进一步描述,应当理解,此处所描述的内容仅用于说明和解释本发明,并不用于限定本发明。
图1为微电网优化调度方法流程图,如图1所示,包括以下步骤:
步骤1:建立包含风光发电设备、微电站、储热系统和同时具备电需求响应及热需求响应的用户的微电网结构;
步骤2:确定微电网运行模式;
步骤3:分别对风光发电设备、微电站、储热系统、电力负荷、供热负荷及热的不舒适度进行建模;
步骤4:确定系统目标函数、决策变量以及约束条件;
步骤5:获取当前调度周期的负荷及温度数据;
步骤6:对当前调度周期的优化问题进行集中求解,得到当前调度周期的各决策变量;
步骤7:更新时间到下一调度周期,返回步骤6,直到整个优化时间区间结束;
所述微电网的运营商管控风光发电设备、微电站、储热系统,负责为微电网内的用户提供热力供应,并与大电网或微电网中的用户进行电能交易。每个用户具有不同的电力负荷特性,均具有一定比例的可控负荷。此外,每个用户对温度变化造成的舒适度变化敏感程度不同,均具备热的需求响应能力以及电的需求响应能力。由于该微电网结构配置储热装置,系统可运行于“以热定电”模式或者“以电定热”模式。
所述步骤2中确定微电网运行方式,即和大电网的交易模式。微电网和大电网的电能交易模式分为合作模式与独立模式;所谓合作模式,即微电网和大电网形成联盟,通过优化调度使联盟总收益最大化。所谓独立模式,即微电网和大电网之间不能自由交易用。由于合作模式下相互集成和协调,因此适于将交易模式确定为合作模式。
所述步骤3中对各主体进行建模。
3.1.主体模型构建
1)风力发电机
一般大型的风力发电机组都采用变桨距叶轮,可以根据风速的来调整气流对叶片的攻角,当风速超过额定风速时保持实际输出功率不变。其模型如下所示。
vin为风机是能够启动的最小风速,单位为m/s,vr为风机设计时的最佳风速,单位为m/s;vout为风机的能够运行的最大风速,单位为m/s;v为风机所处位置的实际风速,单位为m/s;PW为风机当前时刻的输出功率,单位为kW;
2)光伏发电装置
PPV为光伏发电系统的实际功率输出,单位是kW;YPV为光伏发电系统在设计时的最大输出功率,单位是kW;fPV为光伏发电系统电池板由于尘土覆盖在上边等因素导致实际输出功率与实际接受的太阳辐射不对等而对设计时的最大输出功率进行修正的因数;IT为现场条件下单位面积的太阳能板所获取的太阳辐射量,单位是kW/m2;IS为太阳能板设计时进行测试的参考太阳辐射强度,单位同上;Tcell,STC为太阳能板在设计时进行测试的电池板温度,单位℃;Tcell为现场条件下太阳能板的温度,单位同上;αPV为太阳能电池板的实际输出功率受实际工作温度影响的系数。
3)微型燃气机模型
c为微燃机是由的可燃气体价格,单位为元;T为微燃机投入运行的工作时间,单位为小时;LHV为可燃气体的低热热值;PMT为微燃机在第J个时段的系统调度的实际输出功率,单位为kW;ηMT为微燃机的发电效率。
4)储能单元模型
Pmin≤P(t)≤Pmax
Q(t)=Q(t-1)-P(t-1)
Qmin≤Q(t)≤Qmax
Pmin为电池在微电网中最大充电功率;Pmax为电池的最大放电功率;P(t)为第t时刻电池功率;Q(t)为第t时刻电池剩余电量;Qmin为电池剩余电量最小值,本文中最小值设置为零;Qmax为电池最大容量。
5)热水器模型
Cw为水箱中水的比热容,将水箱中的水看作纯水进行计算;T0为水箱的环境温度,因为本文研究季节为夏季室内所以环境温度取26℃;Qele为水的吸热速率;T为水箱的最终温度值;Tin为冷水温度;m为加水的速度Δt为经历的时间;Cp为功率因数;UA为水箱传热量;
6)空调模型
为t+1时刻的装有空调的房间内温度;τ为采取需求响应时对空调负荷的控制时间间隔;为t+1时刻的夏季平均室外温度;为t时刻的装有空调的房间内温度;PAC,x为x时刻空调的最佳功率;ε为空气与外界的散热系数;Tc为τ的对比量是一个常数,大小为一天,24小时;η为空调制冷量与消耗电能的比值,代表空调的制冷效率;A为空调的导热系数;η·Px为空调以其设计时制冷的最佳功率运行时的实际制冷量,单位是kW;SAC代表空调在各个时刻的实际工作状态,SAC=0表示空调在该时刻处于关闭状态,SAC=1表示空调在该时刻处于正常工作状态,也代表空调正在消耗功率。
7)冰箱模型
Te为电冰箱的蒸发器的温度;T+为电冰箱储藏室设定的允许的最高温度;T-为电冰箱储藏室设定的允许的最低温度;Ta为电冰箱所处位置的环境温度;Tc为该时刻电冰箱储藏室的实际温度,即温度传感器检测的温度;Kec为电冰箱储藏室与蒸发器之间的传热系数,它一定程度上决定了电冰箱的制冷效果;Sfridge=0/1表示当前储藏室温度在允许温度范围内电冰箱处于关闭或开启状态;Sec为电冰箱蒸发器与储藏室之间的接触面积,它又一定程度上决定了传热系数Kec;me为电冰箱蒸发器中冷却液的质量;Ce为电冰箱蒸发器的比热容;Kca为电冰箱储藏室与电冰箱所处位置的外界环境之间的传热系数;Sca为电冰箱储藏室与电冰箱所处位置的外界环境之间的接触面积;Cc为电冰箱储藏室的平均比热容(这里将电冰箱储藏室的内部所有物质看作一个比热容均衡的整体);mc为电冰箱储藏室内部存放物质的质量;Pfridge为电冰箱设计的最佳制冷所消耗的功率。
所述步骤4中确定系统目标函数以及约束条件。
4.1.目标函数
COM(Px-i)=KOM-x·Px-i
Mbuy-i=d·Pbuy-i
Msell-i=h·Psell-i
Mope为微电网整个系统运行期间的总维护成本;Pst-i为储能装置在第i时段的实际输出功率;Pwt-i为风力发电机在第i时段的实际输出功率(本申请对风力发电机的输出功率不进行人为控制,其发出的电能微电网全部接收);Ppv-i为光伏发电在第i时段的实际输出功率(对于光伏发电的输出功率也不对其进行干涉);PMT-i为微燃机在第i时段的实际输出功率;sMT表示微燃机当前的工作状态,sMT=1代表微燃机当前处于运行状态,正在发出电能,sMT=0是表示微燃机当前处于停机状态,输出电能为零;
ssell表示是否与电力系统进行功率交换,ssell=1表示微电网可以与电力系统自由的进行购售电行为,ssell=0表示只能向电力系统买电;FMT-i表示微燃机在第i时段消耗的燃料的价格;
KOM-x代表各类分布式电源运行时单位发电量的维护费用;
Msell-i代表微电网系统在第i时段运行时向电力系统卖出电能的总收入;h代表微电网向电力系统卖出电能的单位电价;
Mbuy-i为微电网系统在第i时段运行时向电力系统的买电的总费用;d为微电网向电力系统买电的单位电价;
LHV表示微燃机燃料的热值;C表示微燃机使用燃料的单价;ηMT为微燃机发电量与消耗的燃料的能量之比,即微燃机的发电效率。
4.2.约束条件
1)微网功率平衡约束
Ppv-i+Pwt-i+Pst-i+Pbuy-i-ssellPsell-i+sMTPMT-i=Pload-i
2)储能装置约束
Qmin<Qi<Qmax
3)电热水器约束
Qh=cmΔT
Qh表示热水器以最大功率工作一小时时内向水箱中水加热的热量;c为水箱内水的比热容(这里将热水器中的水看作纯水进行设置);ΔT为热水器中水在单位时间内温度的差值;m为热水器中水的总质量(这里可以由热水器水箱容量进行代替);Swater表示热水器当前的处在何种状态,Swater=1代表热水器在当前时刻正在运行,即正在消耗电能,Swater=0代表热水器在当前时刻处于断开状态,即当前时刻消耗的电能为零。
4)空调运行约束条件:
19≤Tin≤24
5)电冰箱运行约束条件:
0≤Tc≤4
进一步的,所述步骤6中进行优化求解。
求解算法采用人工鱼群算法和粒子群算法相结合:
根据鱼群自身与局部最优值之间的相对位置关系进行行为评价,即进行决策,决定下一步行为。
人工鱼群算法中人工鱼拥有以下几种典型行为:
(1)觅食行为:一般情况下鱼在水中随机地自由游动,当发现食物时,则会向食物逐渐增多的方向快速游去。
(2)聚群行为:鱼在游动过程中为了保证自身的生存和躲避危害会自然地聚集成群,鱼聚群时所遵守的规则有三条:
分隔规则:尽量避免与临近伙伴过于拥挤;
对准规则:尽量与临近伙伴的平均方向一致;
内聚规则:尽量朝临近伙伴的中心移动。
(3)追尾行为:当鱼群中的一条或几条鱼发现食物时,其临近的伙伴会尾随其快速到达食物点。
(4)随机行为:单独的鱼在水中通常都是随机游动的,这是为了更大范围地寻找食物点或身边的伙伴。
行为评价用来反映鱼自主行为的一种方式,在解决优化问题时选用两种方式评价:一种是选择最优行为执行;另一种是选择较优行为方向。对于解决极大值问题,使用试探法,即模拟执行群聚、追尾等行为,然后评价行动后的值选择最优的来执行,缺省的行为为觅食行为。
行为评价之后,行为的进行更新用粒子群算法实现。
粒子群算法中设置总的粒子数目为300,维度为3x24x300,次数为6000。惯性权重初始参数设置w0=0.729。体和种群的学习因子c1=1.795,c2=1.795。粒子最大速度限制v_max=200,v_min=-200;
优化求解算法如下:
步骤1)随机初始化人工鱼群,给定视野、步长、拥挤度因子,最大重复次数和最大迭代次数;
步骤2)计算每条人工鱼的适应度值,选出最优鱼群,并寻找适应度值最好的人工鱼,记录在公告板;
步骤3)对最优鱼群利用粒子群算法更新;
步骤4)对除去最优鱼群的其他人工鱼进行聚群模拟和追尾模拟,选择适应度值改善较大的作为更新结果;
步骤5)比较更新后人工鱼适应度值,若更新后适应度值没有得到改善,则利用觅食模拟对该人工鱼进行更新;
步骤6)将更新后人工鱼适应度值与公告板进行比较,若较好,则将其赋予公告板;
步骤7)当所有人工鱼进行更新完成之后,判断是否达到终止条件;终止条件为达到最大迭代次数或达到目标精度;如果满足终止条件,则输出最优人工鱼状态和最优适应度函数值,算法终止,否则,转步骤3);
下面以某微电网作为本发明的优选实施例,对本发明作详细说明。该社区的微电网结构如图2所示,包含风光发电设备、微电站、储热系统和同时具备电需求响应能力及热需求响应能力的用户。微电网的运营商管控发电设备和储热装置,负责为微电网内的用户提供热力供应,并与大电网或微电网中的光伏用户进行电能交易。该微电网结构配置储热装置,可运行于以热定电或者以电定热方式。
系统仿真参数设置。采用光伏发电系统最大发电功率为1000kW。微燃机功率设置PMTmax=2000kW,PMTmin=0kW;电池放电功率限幅Pstmax=120kW,充电功率限幅Pstmin=-20kW;与大电网功率交换限制Pbuymax=2000kW,Pbuymax=-2000kW。热水器水温设置Twatermax=75℃,Twatermin=35℃;空调室内温度限制Tinmax=24℃,Tinmin=19℃;冰箱温度限制TACmax=6℃,TACmin=4℃。
热水器用水量设定为正常家庭一天内各时段的用水量的数据进行定义,如图3所示;负荷需求曲线如图4所示;户外温度曲线如图5所示。采用的其他仿真参数如下:
1)风机参数
2)单位运行维护费用
分别对以下两种运行方式进行仿真分析比较,来检验需求响应对微电网运行成本的影响。
运行方式一:微电网与大电网之间可以自由进行能量交换,采取需求响应,其中分布式电源优先向需求侧供电,微燃机允许启动。其各系统主体出力如图6所示。
运行方式二:微电网与大电网之间可以自由进行能量交换,不采取需求响应,即冰箱、空调、热水器不参与微网调度,微燃机允许启动。其各系统主体出力如图7所示。
本发明建立了各类典型分布式电源的数学模型,并根据其实际工作特性设置约束条件,同时也建立了需求侧不同设备的数学模型,增加考虑到用户的用电舒适度,对需求侧设备的工作条件进行了设定。通过两种运行方式比较后,在进行需求响应方式运行时,用户的舒适度不受影响,同时促进了风光等新能源的消纳,提高了电力系统的灵活性。本发明以用户侧需求响应为纽带,进行微电网优化调度,使得微电网系统运营商和用户均能受益,促进了风光等新能源的消纳,大大提高系统的整体能效。
最后应说明的是:以上所述仅为本发明的解释,并不用于限制本发明,尽管对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种考虑需求响应的微电网调度方法,其特征在于,包括以下步骤,
步骤1:建立包含风光发电设备、微电站、储热系统和同时具备电需求响应及热需求响应的用户的微电网结构;
步骤2:确定微电网运行模式;
步骤3:分别对风光发电设备、微电站、储热系统、电力负荷、供热负荷及热的不舒适度进行建模;
步骤4:确定系统目标函数、以及约束条件;
步骤5:获取当前调度周期的负荷及温度数据;
步骤6:对当前调度周期的优化问题进行集中求解,得到当前调度周期的各决策变量;
步骤7:更新时间到下一调度周期,返回步骤6,直到整个优化时间区间结束。
2.根据权利要求1所述的考虑需求响应的微电网调度方法,其特征在于,步骤1中,微电网的运营商管控风光发电设备、微电站、储热系统,负责为微电网内的用户提供热力供应,并与大电网或微电网中的用户进行电能交易;每个用户具有不同的电力负荷特性,均具有一定比例的可控负荷;每个用户对温度变化造成的舒适度变化敏感程度不同,均具有热的需求响应能力以及电的需求响应能力。
3.根据权利要求1所述的考虑需求响应的微电网调度方法,其特征在于,步骤3中模型构建包括,风力发电机、光伏发电设备、微型燃气机、储热单元、热水器、空调和冰箱。
4.根据权利要求3所述的考虑需求响应的微电网调度方法,其特征在于,步骤2中包括:确定系统目标函数,
COM(Px-i)=KOM-x·Px-i
Mbuy-i=d·Pbuy-i
Msell-i=h·Psell-i
Mope为微电网整个系统运行期间的总维护成本;Pst-i为储能装置在第i时段的实际输出功率;Pwt-i为风力发电机在第i时段的实际输出功率(本申请对风力发电机的输出功率不进行人为控制,其发出的电能微电网全部接收);Ppv-i为光伏发电在第i时段的实际输出功率(对于光伏发电的输出功率也不对其进行干涉);PMT-i为微燃机在第i时段的实际输出功率;sMT表示微燃机当前的工作状态,sMT=1代表微燃机当前处于运行状态,正在发出电能,sMT=0是表示微燃机当前处于停机状态,输出电能为零;
ssell表示是否与电力系统进行功率交换,ssell=1表示微电网可以与电力系统自由的进行购售电行为,ssell=0表示只能向电力系统买电;FMT-i表示微燃机在第i时段消耗的燃料的价格;
KOM-x代表各类分布式电源运行时单位发电量的维护费用;
Msell-i代表微电网系统在第i时段运行时向电力系统卖出电能的总收入;h代表微电网向电力系统卖出电能的单位电价;
Mbuy-i为微电网系统在第i时段运行时向电力系统的买电的总费用;d为微电网向电力系统买电的单位电价;
LHV表示微燃机燃料的热值;C表示微燃机使用燃料的单价;ηMT为微燃机发电量与消耗的燃料的能量之比,即微燃机的发电效率。
5.根据权利要求4所述的考虑需求响应的微电网调度方法,其特征在于,
确定能源侧约束条件,
1)微电网功率平衡约束
Ppv-i+Pwt-i+Pst-i+Pbuy-i-ssellPsell-i+sMTPMT-i=Pload-i
2)储能装置约束
Qmin<Qi<Qmax
6.根据权利要求4所述的考虑需求响应的微电网调度方法,其特征在于,
确定用户侧约束条件,
1)电热水器约束
Qh=cmΔT
Qh表示热水器以最大功率工作一小时时内向水箱中水加热的热量;c为水箱内水的比热容;ΔT为热水器中水在单位时间内温度的差值;m为热水器中水的总质量;Swater表示热水器当前的处在何种状态,Swater=1代表热水器在当前时刻正在运行,即正在消耗电能,Swater=0代表热水器在当前时刻处于断开状态,即当前时刻消耗的电能为零。
2)空调运行约束条件:
19≤Tin≤24
3)电冰箱运行约束条件:
0≤Tc≤4
7.根据权利要求1所述的考虑需求响应的微电网调度方法,其特征在于,
求解算法采用人工鱼群算法和粒子群算法相结合;根据鱼群自身与局部最优值之间的相对位置关系进行行为评价,即进行决策,决定下一步行为;模拟执行个体鱼行为,然后评价行动后的值选择最优的来执行,缺省的行为为觅食行为;行为评价之后,行为的进行更新用粒子群算法实现。
8.根据权利要求7所述的考虑需求响应的微电网调度方法,其特征在于,
步骤6中具体包括:
1)随机初始化人工鱼群,给定视野、步长、拥挤度因子,最大重复次数和最大迭代次数;
2)计算每条人工鱼的适应度值,选出最优鱼群,并寻找适应度值最好的人工鱼,记录在公告板;
3)对最优鱼群利用粒子群算法更新;
4)对除去最优鱼群的其他人工鱼进行聚群模拟和追尾模拟,选择适应度值改善较大的作为更新结果;
5)比较更新后人工鱼适应度值,若更新后适应度值没有得到改善,则利用觅食模拟对该人工鱼进行更新;
6)将更新后人工鱼适应度值与公告板进行比较,若较好,则将其赋予公告板;
7)当所有人工鱼进行更新完成之后,判断是否达到终止条件;终止条件为达到最大迭代次数或达到目标精度;如果满足终止条件,则输出最优人工鱼状态和最优适应度函数值,算法终止,否则,转步骤3)。
9.根据权利要求8所述的考虑需求响应的微电网调度方法,其特征在于,粒子群算法中设置总的粒子数目为300,维度为3x24x300,次数为6000;惯性权重初始参数设置w0=0.729;体和种群的学习因子c1=1.795,c2=1.795;粒子最大速度限制v_max=200,v_min=-200。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011519541.7A CN112671036A (zh) | 2020-12-21 | 2020-12-21 | 一种考虑需求响应的微电网调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011519541.7A CN112671036A (zh) | 2020-12-21 | 2020-12-21 | 一种考虑需求响应的微电网调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112671036A true CN112671036A (zh) | 2021-04-16 |
Family
ID=75406851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011519541.7A Pending CN112671036A (zh) | 2020-12-21 | 2020-12-21 | 一种考虑需求响应的微电网调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112671036A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023065552A1 (zh) * | 2021-10-21 | 2023-04-27 | 国网浙江省电力有限公司台州供电公司 | 一种新能源耦合背景下的源网荷储协同调度方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150310366A1 (en) * | 2012-11-09 | 2015-10-29 | Tianjin University | Security region based security-constrained economic dispatching method |
CN107194516A (zh) * | 2017-06-07 | 2017-09-22 | 华北电力大学 | 含多主体的多能互补微电网分布式优化调度方法 |
CN107330549A (zh) * | 2017-06-22 | 2017-11-07 | 华北电力大学 | 含多主体的多能互补微电网能量管理方法 |
CN109816556A (zh) * | 2019-02-01 | 2019-05-28 | 南京邮电大学 | 促进光伏消纳考虑热电联产及需求响应的并网型微电网经济优化调度策略 |
CN111585279A (zh) * | 2020-06-11 | 2020-08-25 | 南京工程学院 | 一种基于新能源消纳的微电网优化调度方法 |
CN111832807A (zh) * | 2020-06-10 | 2020-10-27 | 杭州电子科技大学 | 计及负荷特性和需求响应的多微电网协调优化调度方法 |
-
2020
- 2020-12-21 CN CN202011519541.7A patent/CN112671036A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150310366A1 (en) * | 2012-11-09 | 2015-10-29 | Tianjin University | Security region based security-constrained economic dispatching method |
CN107194516A (zh) * | 2017-06-07 | 2017-09-22 | 华北电力大学 | 含多主体的多能互补微电网分布式优化调度方法 |
CN107330549A (zh) * | 2017-06-22 | 2017-11-07 | 华北电力大学 | 含多主体的多能互补微电网能量管理方法 |
CN109816556A (zh) * | 2019-02-01 | 2019-05-28 | 南京邮电大学 | 促进光伏消纳考虑热电联产及需求响应的并网型微电网经济优化调度策略 |
CN111832807A (zh) * | 2020-06-10 | 2020-10-27 | 杭州电子科技大学 | 计及负荷特性和需求响应的多微电网协调优化调度方法 |
CN111585279A (zh) * | 2020-06-11 | 2020-08-25 | 南京工程学院 | 一种基于新能源消纳的微电网优化调度方法 |
Non-Patent Citations (4)
Title |
---|
徐达等: "考虑需求侧响应的热电联供型微网经济优化运行", 《科学技术与工程》 * |
徐达等: "考虑需求侧响应的热电联供型微网经济优化运行", 《科学技术与工程》, vol. 20, no. 11, 18 April 2020 (2020-04-18), pages 4378 - 4379 * |
苏新霞: "基于需求侧管理的微电网运行优化研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技II辑》 * |
苏新霞: "基于需求侧管理的微电网运行优化研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技II辑》, 15 October 2016 (2016-10-15), pages 17 - 56 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023065552A1 (zh) * | 2021-10-21 | 2023-04-27 | 国网浙江省电力有限公司台州供电公司 | 一种新能源耦合背景下的源网荷储协同调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11522487B2 (en) | Building and building cluster energy management and optimization system and method | |
CN108206543B (zh) | 一种基于能源梯级利用的能源路由器及其运行优化方法 | |
CN108596525B (zh) | 冷热电气多能互补的微能源网鲁棒优化调度方法 | |
Hu et al. | Decentralized operation strategies for an integrated building energy system using a memetic algorithm | |
CN109859071B (zh) | 虚拟电厂多能互补的源荷储优化配置方法 | |
CN113112087A (zh) | 考虑电热负荷需求响应的综合能源系统运行成本优化方法 | |
US11610214B2 (en) | Deep reinforcement learning based real-time scheduling of Energy Storage System (ESS) in commercial campus | |
CN109884888B (zh) | 一种基于非合作博弈的多楼宇微网模型预测调控方法 | |
CN112036934A (zh) | 考虑热电协调运行的负荷聚合商参与需求响应的报价方法 | |
CN113255198B (zh) | 一种含虚拟储能的冷热电联供微电网多目标优化方法 | |
CN112419087A (zh) | 一种聚合综合能源楼宇的虚拟电厂日前优化调度方法 | |
CN112733236A (zh) | 面向综合舒适度的建筑内温控负荷优化方法及系统 | |
CN115907350B (zh) | 一种建筑综合能源系统的能量管理方法及系统 | |
CN113255968B (zh) | 基于设备和行为信息的商业办公楼精细化负荷预测方法 | |
CN116484646A (zh) | 考虑多种舒适度的综合能源系统多目标优化方法及系统 | |
CN111353128A (zh) | 一种基于非合作博弈的多能量枢纽优化运行方法 | |
Beheshtikhoo et al. | Design of type-2 fuzzy logic controller in a smart home energy management system with a combination of renewable energy and an electric vehicle | |
CN112836849A (zh) | 一种考虑风电不确定性的虚拟电厂调度方法 | |
Han et al. | Physical-data fusion modeling method for energy consumption analysis of smart building | |
CN112131712A (zh) | 客户侧多能源系统多目标优化方法和系统 | |
CN112671036A (zh) | 一种考虑需求响应的微电网调度方法 | |
CN112613656A (zh) | 一种基于鱼群算法的家庭用电需求响应优化系统 | |
CN117151308A (zh) | 基于联邦强化学习的综合能源系统优化调度方法及系统 | |
CN112580897A (zh) | 基于鹦鹉算法的多能源电力系统优化调度的方法 | |
Chen et al. | Coordination of behind-the-meter energy storage and building loads: optimization with deep learning model |
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 |
Application publication date: 20210416 |
|
RJ01 | Rejection of invention patent application after publication |