CN112949093A - 面向智能楼宇可调度负荷模型 - Google Patents

面向智能楼宇可调度负荷模型 Download PDF

Info

Publication number
CN112949093A
CN112949093A CN202110377103.XA CN202110377103A CN112949093A CN 112949093 A CN112949093 A CN 112949093A CN 202110377103 A CN202110377103 A CN 202110377103A CN 112949093 A CN112949093 A CN 112949093A
Authority
CN
China
Prior art keywords
load
time
electricity consumption
equation
building
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.)
Granted
Application number
CN202110377103.XA
Other languages
English (en)
Other versions
CN112949093B (zh
Inventor
易灵芝
刘建康
刘江永
林佳豪
李光华
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.)
Xiangtan University
Original Assignee
Xiangtan University
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 Xiangtan University filed Critical Xiangtan University
Priority to CN202110377103.XA priority Critical patent/CN112949093B/zh
Publication of CN112949093A publication Critical patent/CN112949093A/zh
Application granted granted Critical
Publication of CN112949093B publication Critical patent/CN112949093B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (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

本发明公开了面向智能楼宇的可控负荷模型。首先对楼宇住户负荷分类并建立各类负荷与储能设备数学模型和约束条件，进一步明确楼宇渡河优化调度的目标函数为降低住户总用电费用和用电偏差，应用分布式估计算法进行优化调度。在保证住户用电的一定舒适度的条件下，降低楼宇住户总用电费用和用电偏差。

Description

面向智能楼宇可调度负荷模型
技术领域
本发明关于智能楼宇负荷用电自动需求响应领域，更准确的说是面向智能楼宇负荷调度。
背景技术
随着社会技术快速发展，能源的大量消耗，可再生能源技术发展已得到进一步发展，仍然能源消耗量远远大于发电量。因此，我国急需新技术应用于节约能源，节约能源在当今社会显得越来越重要。
如今，随着各种各样的用电设备出现，智能楼宇住户消耗总用电量越来越大。但是，设备表现得越来越智能，可以对其进行自动控制，减少人力对其控制，降低了用户的不舒适度。实现对用户侧管理，目前主要有激励型和价格型需求响应。目前应用最广泛的是价格型需求响应，划分为实时电价，分时电价，尖峰电价等，分时电价是电价型需求响应中应用最广泛的。
对用户实施价格型需求响应管理，需要对用户的用电设备进行分类，实现自动化控制，降低用户操作，降低用户的不舒适度。那么，对负荷建模显得十分重要。
发明内容
为了实现对智能楼宇负荷实施控制，那么需要对可调度负荷建立模型。对负荷建立的数学模型分为以下两种，可转移负荷模型和可中断负荷模型，以及储能设备。
式(1)为可转移负荷s在第j次的启动功率，
Figure BDA0003011523770000011
为可转移负荷编码空间，fs为负荷s功率。式(2)为负荷在第j可用时间内必须开始工作。式(3)保证负荷在第j次可控时间内完成任务。式(4)约束负荷处于工作和不工作状态。
Shiftable loads
Figure BDA0003011523770000012
Figure BDA0003011523770000013
Figure BDA0003011523770000014
Figure BDA0003011523770000015
可中断负荷是负荷功率较大且持续工作较长时间的负荷(如电动汽车)，用户针对这一类负荷依据偏好设定该类负荷一天的中断次数ζ(如两次)，负荷i在第k次中断前负荷需要运行时间
Figure BDA0003011523770000016
(如一小时或者总运行时间的一半)，以及每一次连续运作的可控时间
Figure BDA0003011523770000017
为可中断负荷i第k次转移，与可平移负荷不同之处在于可中断负荷时间为连续，可平移负荷多次运作之间是间断的。
式(5)为可中断负荷在工作时刻的功率。式(6)为负荷每一次工作时间必须启动。式(7)为负荷必须在可控时间内必须启动次数。式(8)为负荷必须完成工作任务的所需要的能量。
Interruptible loads
Figure BDA0003011523770000021
Figure BDA0003011523770000022
Figure BDA0003011523770000023
Figure BDA0003011523770000024
Figure BDA0003011523770000025
储能设备模型
储能设备在HEMS中起到能量缓冲作用。蓄电池容量是固定不变的，同时为了保证电池使用寿命，蓄电池电量Capi的上下限为
Figure BDA0003011523770000026
和Cap i，以及充放电功率Pi,j的上下限为
Figure BDA0003011523770000027
和P i。
式(10)为蓄电池i在时刻h的电量Caph,i，Cappre,i为储能电池的初始电量，Pi,j为储能电池的充放电功率，ηch、ηdis分别为充放电时刻的效率，
Figure BDA0003011523770000028
分别为储能电池当前工作状态。式(11)为蓄电池充放电容量的限制。式(12)为蓄电池充放电功率限制。式(13)和式(14)为负荷工作状态。
Figure BDA0003011523770000029
Figure BDA00030115237700000210
Figure BDA00030115237700000211
Figure BDA00030115237700000212
Figure BDA00030115237700000213
主电网分时电价策略，分时电价由电力公司或电力市场发布，根据净用电量，定制短周期内分时电价，主要分为三种类型电价，peak,flat and non-peak price。此次采用的peak,flat and non-peak price时段分别为T1,T2 and T3。主电网的分时电价策略如式(15)所示。
Figure BDA0003011523770000031
可再生能源电价策略，可再生能源售电电价，flat电价与主电网分时电价一致，在高峰用电时刻电价上涨25％，低谷时刻下降40％。具体表示如式(16)所示。
Figure BDA0003011523770000032
智能楼宇负荷的目标函数
在不影响楼宇住户用电舒适度情况下下，综合考虑用户侧、电网侧和可再生能源发电侧，以用户侧的总用电费用最低、电网稳定运行并高峰电价时刻用电量最低，以及可再生能源侧的电力能源丢弃率最低等建立目标函数模型。约束条件包含式(1)-式(16)和式(17)-式(22).
式(17)中表示最小化日用电费用C和总用电量偏差D作为目标函数。式(18)表示日用电费用的计算方法。式(19)表示总用电量偏差的计算方法。式(20)表示t时刻能量的计算方式。式(21)和式(22)表示可转移负荷和可中断负荷可控运行时刻。
minF＝[C,D] (17)
S.T.
Figure BDA0003011523770000033
Figure BDA0003011523770000034
Figure BDA0003011523770000035
Figure BDA0003011523770000036
Figure BDA0003011523770000037
Figure BDA0003011523770000038
式(1)-式(17)
附图说明
图1为本发明的使用流程图。
具体实施方式
接下来通过一个生活具体实施例子对本发明进一步详细的分析说明
本具体实施案例中，如图1，基于分布式估计算法的楼宇住户负荷用电优化调度方法，具体包括以下步骤：
Step1：根据用户负荷用电信息的类别，将用户可调度负荷包括可平移负荷、可中断负荷。从时间方面考虑，可以将一天中的24小时划分为96个时段，划分的每个时间段长度为15分钟，即为所有的负荷运作时间的最小单位时间段，系统调度方案中这个时间片段也是系统调度的最小单位时间段。
Step2：为了搭建楼宇负荷用电调度模型、目标函数和约束条件，具体如下：
式(1)为可转移负荷s在第j次的启动功率，
Figure BDA0003011523770000041
为可转移负荷编码空间，fs为负荷s功率。式(2)为负荷在第j可用时间内必须开始工作。式(3)保证负荷在第j次可控时间内完成任务。式(4)约束负荷处于工作和不工作状态。
Shiftable loads
Figure BDA0003011523770000042
Figure BDA0003011523770000043
Figure BDA0003011523770000044
Figure BDA0003011523770000045
可中断负荷是负荷功率较大且持续工作较长时间的负荷(如电动汽车)，用户针对这一类负荷依据偏好设定该类负荷一天的中断次数ζ(如两次)，负荷i在第k次中断前负荷需要运行时间
Figure BDA0003011523770000046
(如一小时或者总运行时间的一半)，以及每一次连续运作的可控时间
Figure BDA00030115237700000410
为可中断负荷i第k次转移，与可平移负荷不同之处在于可中断负荷时间为连续，可平移负荷多次运作之间是间断的。
式(5)为可中断负荷在工作时刻的功率。式(6)为负荷每一次工作时间必须启动。式(7)为负荷必须在可控时间内必须启动次数。式(8)为负荷必须完成工作任务的所需要的能量。
Interruptible loads
Figure BDA0003011523770000048
Figure BDA0003011523770000049
Figure BDA0003011523770000051
Figure BDA0003011523770000052
Figure BDA0003011523770000053
储能设备模型
储能设备在HEMS中起到能量缓冲作用。蓄电池容量是固定不变的，同时为了保证电池使用寿命，蓄电池电量Capi的上下限为
Figure BDA0003011523770000054
和Cap i，以及充放电功率Pi,j的上下限为
Figure BDA0003011523770000055
和P i。
式(10)为蓄电池i在时刻h的电量Caph,i，Cappre,i为储能电池的初始电量，Pi,j为储能电池的充放电功率，ηch、ηdis分别为充放电时刻的效率，
Figure BDA0003011523770000056
分别为储能电池当前工作状态。式(11)为蓄电池充放电容量的限制。式(12)为蓄电池充放电功率限制。式(13)和式(14)为负荷工作状态。
Figure BDA0003011523770000057
Figure BDA0003011523770000058
Figure BDA0003011523770000059
Figure BDA00030115237700000510
Figure BDA00030115237700000511
主电网分时电价策略，分时电价由电力公司或电力市场发布，根据净用电量，定制短周期内分时电价，主要分为三种类型电价，peak,flat and non-peak price。此次采用的peak,flat and non-peak price时段分别为T1,T2 and T3。主电网的分时电价策略如式(15)所示。
Figure BDA00030115237700000512
可再生能源电价策略，可再生能源售电电价，flat电价与主电网分时电价一致，在高峰用电时刻电价上涨25％，低谷时刻下降40％。具体表示如式(16)所示。
Figure BDA0003011523770000061
智能楼宇负荷的目标函数
在不影响楼宇住户用电舒适度情况下下，综合考虑用户侧、电网侧和可再生能源发电侧，以用户侧的总用电费用最低、电网稳定运行并高峰电价时刻用电量最低，以及可再生能源侧的电力能源丢弃率最低等建立目标函数模型。约束条件包含式(1)-式(16)和式(17)-式(22).
式(17)中表示最小化日用电费用C和总用电量偏差D作为目标函数。式(18)表示日用电费用的计算方法。式(19)表示总用电量偏差的计算方法。式(20)表示t时刻能量的计算方式。式(21)和式(22)表示可转移负荷和可中断负荷可控运行时刻。
minF＝[C,D] (17)
S.T.
Figure BDA0003011523770000062
Figure BDA0003011523770000063
Figure BDA0003011523770000064
Figure BDA0003011523770000065
Figure BDA0003011523770000066
Figure BDA0003011523770000067
式(1)-式(17)
Step3：根据楼宇负荷模型考虑用户端和电网端，建立了优化调度的目标函数如下：
在不影响楼宇住户用电舒适度情况下下，综合考虑用户侧、电网侧和可再生能源发电侧，以用户侧的总用电费用最低、电网稳定运行并高峰电价时刻用电量最低，以及可再生能源侧的电力能源丢弃率最低等建立目标函数模型。约束条件包含式(1)-式(16)和式(17)-式(22).
式(17)中表示最小化日用电费用C和总用电量偏差D作为目标函数。式(18)表示日用电费用的计算方法。式(19)表示总用电量偏差的计算方法。式(20)表示t时刻能量的计算方式。式(21)和式(22)表示可转移负荷和可中断负荷可控运行时刻。
minF＝[C,D] (17)
S.T.
Figure BDA0003011523770000071
Figure BDA0003011523770000072
Figure BDA0003011523770000073
Figure BDA0003011523770000074
Figure BDA0003011523770000075
Figure BDA0003011523770000076
式(1)-式(17)
Step4：建立每一代种群概率模型和基于分时电价差的概率模型，具体实现如下:
MOEDA是基于种群的随机优化算法，通过生成一个初始种群，评估种群适应度值，选出前沿种群，重建概率模型，再依据概率模型初始化种群，然后依次循环至迭代终止。在不断迭代的过程中，种群会随着概率模型的变化进行初始化，当概率模型值达到最大值时，适应度值收敛。MOEDA的决策空间变量为二进制，MOEDA重组概率的基本原理式(24)所示。
Figure BDA0003011523770000077
式(24)中，N表示种群数，Xi(k)表示第i种群k变量的数值，MOEDA中的每一个变量Xi(k)∈{0,1}，n表示种群变量数量。重构的概率模型如式(25)所示。
μ＝[μ1,μ2,μ3,...,μn] (25)
根据重构的概率模型，对种群进行初始化，产生一个随机数r，当随机数r小于μk时，那么种群在第k个变量位置为1，否则为0。
Step5：建立种群5000，迭代次数100次，初始化种群。
Step6：更新分布式估计算法概率模型。
Step7：基于更新后的概率模型重新初始化种群，当随机数i小于该时刻概率为1，反之为0，进行下一次循环迭代，返回步骤2。
Step8：满足迭代条件后输出结果，并对合适的调度方案。

Claims (3)

1.面向智能楼宇的可调度负荷数学模型，其特征在于：
可转移负荷的数学模型：
Figure RE-FDA0003061521340000011
Figure RE-FDA0003061521340000012
Figure RE-FDA0003061521340000013
Figure RE-FDA0003061521340000014
2.面向智能楼宇的可调度负荷数学模型，其特征在于：
可中断负荷的数学模型：
Figure FDA0003011523760000015
Figure FDA0003011523760000016
Figure FDA0003011523760000017
Figure FDA0003011523760000018
Figure FDA0003011523760000019
3.面向智能楼宇的可调度负荷数学模型，其特征在于：
储能设备模型的数学模型：
Figure FDA00030115237600000110
Figure FDA00030115237600000111
Figure FDA00030115237600000112
Figure FDA00030115237600000113
Figure FDA00030115237600000114
CN202110377103.XA 2021-04-08 2021-04-08 面向智能楼宇负荷的优化调度方法 Active CN112949093B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110377103.XA CN112949093B (zh) 2021-04-08 2021-04-08 面向智能楼宇负荷的优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110377103.XA CN112949093B (zh) 2021-04-08 2021-04-08 面向智能楼宇负荷的优化调度方法

Publications (2)

Publication Number Publication Date
CN112949093A true CN112949093A (zh) 2021-06-11
CN112949093B CN112949093B (zh) 2022-07-01

Family

ID=76231112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110377103.XA Active CN112949093B (zh) 2021-04-08 2021-04-08 面向智能楼宇负荷的优化调度方法

Country Status (1)

Country Link
CN (1) CN112949093B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610351A (zh) * 2021-07-13 2021-11-05 国网浙江省电力有限公司电力科学研究院 用户需求响应能力评估方法、系统、终端及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130274945A1 (en) * 2012-04-12 2013-10-17 Universiti Brunei Darussalam Plug arrangements for alleviating peak loads
CN107038535A (zh) * 2017-04-27 2017-08-11 湘潭大学 一种改进万有引力搜索的智能微网楼宇负荷用电调度方法
CN109787262A (zh) * 2018-12-26 2019-05-21 湘潭大学 一种居民楼宇系统主动响应微电网优化调度方法
WO2019223279A1 (zh) * 2018-10-18 2019-11-28 中国科学院广州能源研究所 计及环境成本与实时电价的可平移负荷模型构建方法
CN110544175A (zh) * 2019-07-11 2019-12-06 天津大学 一种面向家庭智能用电的多能源综合优化调度方法
US20200076196A1 (en) * 2018-08-28 2020-03-05 Johnson Controls Technology Company Building energy optimization system with a dynamically trained load prediction model
CN111861783A (zh) * 2020-04-26 2020-10-30 国网江苏省电力有限公司经济技术研究院 考虑负荷转移的综合能源系统多目标优化配置方法
CN112101632A (zh) * 2020-08-21 2020-12-18 湘潭大学 基于分布式估计算法楼宇负荷优化调度方法
CN112419087A (zh) * 2020-11-20 2021-02-26 国网江苏省电力有限公司南京供电分公司 一种聚合综合能源楼宇的虚拟电厂日前优化调度方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130274945A1 (en) * 2012-04-12 2013-10-17 Universiti Brunei Darussalam Plug arrangements for alleviating peak loads
CN107038535A (zh) * 2017-04-27 2017-08-11 湘潭大学 一种改进万有引力搜索的智能微网楼宇负荷用电调度方法
US20200076196A1 (en) * 2018-08-28 2020-03-05 Johnson Controls Technology Company Building energy optimization system with a dynamically trained load prediction model
WO2019223279A1 (zh) * 2018-10-18 2019-11-28 中国科学院广州能源研究所 计及环境成本与实时电价的可平移负荷模型构建方法
CN109787262A (zh) * 2018-12-26 2019-05-21 湘潭大学 一种居民楼宇系统主动响应微电网优化调度方法
CN110544175A (zh) * 2019-07-11 2019-12-06 天津大学 一种面向家庭智能用电的多能源综合优化调度方法
CN111861783A (zh) * 2020-04-26 2020-10-30 国网江苏省电力有限公司经济技术研究院 考虑负荷转移的综合能源系统多目标优化配置方法
CN112101632A (zh) * 2020-08-21 2020-12-18 湘潭大学 基于分布式估计算法楼宇负荷优化调度方法
CN112419087A (zh) * 2020-11-20 2021-02-26 国网江苏省电力有限公司南京供电分公司 一种聚合综合能源楼宇的虚拟电厂日前优化调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LAN ZHU: "Integrated resources planning in microgrids consideringinterruptible loads and shiftable loads", 《J. MOD. POWER SYST. CLEAN ENERGY》 *
LINGZHI YI: "Research of Building Load Optimal Scheduling Based on Multi‑objective Estimation of Distributed Algorithm", 《JOURNAL OF ELECTRICAL ENGINEERING & TECHNOLOGY》 *
蔡钦钦等: "楼宇能量管理系统的光伏消纳与储能调度研究", 《电力建设》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610351A (zh) * 2021-07-13 2021-11-05 国网浙江省电力有限公司电力科学研究院 用户需求响应能力评估方法、系统、终端及介质

Also Published As

Publication number Publication date
CN112949093B (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
CN112103946B (zh) 一种基于粒子群算法的微电网储能优化配置方法
CN104200297B (zh) 实时电价环境下的家居混合供电系统能量优化调度方法
CN109347149A (zh) 基于深度q值网络强化学习的微电网储能调度方法及装置
CN112117760A (zh) 基于双q值网络深度强化学习的微电网能量调度方法
CN108321796B (zh) 家庭能量管理系统与方法
CN109217290B (zh) 计及电动汽车充放电的微网能量优化管理方法
CN103795079A (zh) 离网并网混合光伏发电控制系统及其经济性运行优化方法
CN105894188A (zh) 一种家庭用电的调度方法
CN109103912A (zh) 考虑电网调峰需求的工业园区主动配电系统调度优化方法
CN107039975A (zh) 一种分布式能源系统能量管理方法
CN105162151A (zh) 一种基于人工鱼群算法的智能化储能系统并网实时控制方法
CN104915725B (zh) 计及实时电价的微网用户群电能优化互济交易方法
CN111626527A (zh) 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法
CN112101632B (zh) 基于分布式估计算法楼宇负荷优化调度方法
CN112131733A (zh) 计及电动汽车充电负荷影响的分布式电源规划方法
CN108512238B (zh) 基于需求侧响应的智能家居两阶段优化调度方法
CN110350512A (zh) 一种智能园区新能源发电站调度优化方法及系统
WO2023226368A1 (zh) 电动汽车集群充放电控制方法、系统及相关设备
CN203933038U (zh) 离网并网混合光伏发电控制系统
CN105281363A (zh) 计及用户消费粘性的多能源优化与控制方法
CN112949093B (zh) 面向智能楼宇负荷的优化调度方法
CN114744612A (zh) 一种离网型微电网两阶段日前经济调度方法
CN113536581B (zh) 一种计及运行策略的储能系统多状态可靠性建模方法
CN113673830B (zh) 基于非侵入式负荷监测技术的自适应家庭能量管理方法
CN108695903B (zh) 基于粒子群优化算法的微电网优化调度方法

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