CN113285479A - 一种超大容量的区域微电网系统及运行方法 - Google Patents

一种超大容量的区域微电网系统及运行方法 Download PDF

Info

Publication number
CN113285479A
CN113285479A CN202110074392.6A CN202110074392A CN113285479A CN 113285479 A CN113285479 A CN 113285479A CN 202110074392 A CN202110074392 A CN 202110074392A CN 113285479 A CN113285479 A CN 113285479A
Authority
CN
China
Prior art keywords
power
energy storage
photovoltaic
wind
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
Application number
CN202110074392.6A
Other languages
English (en)
Inventor
黄小红
朱杰
丁清
王玉柱
黄智尚
郭天鸣
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.)
Tianhong Sunshine New Energy Co Ltd
Original Assignee
Tianhong Sunshine New Energy 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 Tianhong Sunshine New Energy Co Ltd filed Critical Tianhong Sunshine New Energy Co Ltd
Priority to CN202110074392.6A priority Critical patent/CN113285479A/zh
Publication of CN113285479A publication Critical patent/CN113285479A/zh
Pending legal-status Critical Current

Links

Images

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02E40/10—Flexible AC transmission systems [FACTS]
    • 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
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • Y04S10/123—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation the energy generation units being or involving renewable energy sources
    • 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
    • Y04S10/14—Energy storage units
    • 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
    • Y04S10/16—Electric power substations
    • 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
    • Y04S20/242—Home appliances

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种超大容量的区域微电网系统及运行方法，其中系统包括风力发电站、光伏发电站、储能系统、负荷、变配电设备、微电网能量管理系统；所述风力发电站和所述光伏发电站作为微电网主要电源，用于向微电网内负荷供电、同时向所述储能系统充电；所述储能系统配置在风力发电站侧、光伏发电站侧、110KV微电网用户站侧，可用于稳定电力输出、移峰填谷、调节功率平衡、满足部分功率交换需求；所述负荷根据不可中断程度强弱分级管理；所述微电网能量管理系统用于对生产调度、协调控制、运维管理、综合展示实现一体化管理。本发明旨在探索可再生能源创新性的利用方式和发展模式，提高了可再生能源利用比例，促进了新能源电力的就近消纳。

Description

一种超大容量的区域微电网系统及运行方法
技术领域
本发明涉及微电网技术领域，尤其涉及的是，一种超大容量的区域微电网系统及运行方法。
背景技术
微电网是一种新型电力网络结构，是一组电源、负荷、储能系统和控制装置构成的微型电网单元。微电网中融合了先进的信息技术、控制技术和电力电子技术，在提供可靠的电力供应，满足用户多种需求的同时，还能保证实现能源效益、经济效益和环境效益的最大化。与此同时，微电网可在常规电网中提供电网支撑、提高能效、节能降耗等功能。微电网将是在智能电网建设中的不可或缺重要组成部分。在我国，大力的推广微网技术，是走可持续发展道路的具体体现，是对我国调整能源结构、解决边远地区用电问题、保护环境的有力支撑。但现有技术对超大容量规模的区域微电网系统的设计较少，且没有超大容量规模的区域微电网系统的相应运行系统及运行方法。
因此，现有技术存在缺陷，需要改进。
发明内容
本发明的目的在于提供一种超大容量的区域微电网系统及运行方法，以探索可再生能源创新利用和发展模式，提高可再生能源利用规模及技术水平。
一种超大容量的区域微电网系统，包括风力发电站、光伏发电站、储能系统、负荷、变配电设备、微电网能量管理系统；
所述风力发电站，经35KV箱式变电站升压后接至场内35KV集电线路，再经110KV变配电设备升压并入电网；所述风力发电站用于向微电网内负荷供电、同时向所述储能系统充电，所述储能系统充满时，多余电力送入主网；
所述光伏发电站在白天光伏正常出力的情况下，向微电网内负荷供电、同时向所述储能系统充电，所述储能系统充满时，多余电力送入主网；所述光伏发电站在白天光伏出力不足的情况下，向微电网内负荷供电，不再向所述储能系统充电；所述光伏组件将太阳能转化成电能，光伏逆变器将光伏组件所发出的直流电转变成交流电；
所述储能系统为电池储能系统输出电能经升压变升压至35KV，若干储能子系统经过1回35KV集电线路接入到相对应110KV变配电设备升压至35KV集电线路一侧；同时电池储能系统安装双向计量电表，对电池储能系统的充放电进行计量，每组储能电池均装有电池管理系统对储能电池的充放电进行在线管理，电池管理系统和储能变流器通过以太网和监控相连，执行充放电策略；
所述负荷根据不可中断程度强弱划为一级负荷、二级负荷、三级负荷；一级负荷由两路稳定的电源供电，可设置仅满足一级负荷供电的备用电源；二级负荷宜由两路电源供电，可设置仅满足一级负荷供电的备用电源，也可由一路电源供电；三级负荷采用单回路供电，要求配电系统简洁可靠，尽量减少配电级数；
所述变配电设备，包括110KV光伏变电站、110KV风电变电站、110KV微电网用户变电站、110KV电网用户变电站及相应110KV架空线路；
所述微电网能量管理系统采用面向服务的体系架构和分层分布式网络架构，实现面向设备对象的信息建模、统一数据展示、统一系统管理和WEB信息发布，并采用标准、成熟、开放的数据模型及网络协议，提供统一的数据存储、访问、监视和预警功能，支持各业务功能模块化建设；用于对生产调度、协调控制、运维管理、综合展示实现一体化管理。
上述中，所述风力发电站，由多台大容量风力发电机组和35KV箱式变电站采用一箱一变的单元接线方式组成；经35KV箱式变电站升压后接至场内35KV集电线路，再经110KV变配电设备升压并入电网。
上述中，所述光伏发电站，由多块光伏组件和一套光伏逆变器构成一个光伏发电单元，两个光伏发电单元经1台箱式变电站升压后接至场内35KV集电线路，再经110KV光伏变电站升压并入电网；
上述中，所述电池储能系统配置在风力发电站侧、光伏发电站侧、110KV微电网用户站侧，用于离网状态下稳定电力输出、移峰填谷、提高风电、光伏发电质量。所述风电力发电站侧储能电站、光伏发电站侧储能电站及110KV微电网用户站侧储能电站分别包括若干储能子系统；所述储能子系统包括若干储能变流器和至少一组储能电池。
上述中，所述110KV光伏变电站出线3回，1回至220KV变电站，1回至110KV微电网用户变电站，1回至110KV风电变电站；所述110KV风电变电站出线2回，1回110KV微电网用户变电站，1回至110KV光伏变电站；110KV微电网用户变电站出线2回，1回至110KV风电变电站，1回至110KV光伏变电站；110KV电网用户变电站出线1回至220KV变电站；110KV微电网用户变电站110KV母线与110KV电网用户变电站设联络开关。
一种超大容量的区域微电网运行方法，包括以下步骤：
步骤1：风光电站功率联合预测，通过数据接口调度获取风电站和光伏电站的历史运行数据，同时利用相关环境数据，构建输出功率模型，利用模型对次日风光总功率进行预测，得到次日风光电站的总功率曲线。
步骤2：发电计划安排，以风光联合预测模型输出的风光预测出力曲线为参考，结合用户负荷曲线制定次日发电输出曲线，提供多种优化控制目标供选择。根据制定的发电计划预先安排储能和风光发电单元。
步骤3：实时发电控制，根据风光的实际出力以及其他实时监控数据，在线计算出计划输出和实际输出的差值，通过调节储能充放电尽可能满足优化控制目标，未满足部分由外部电网补全。
上述中，进一步，步骤1：风光电站功率联合预测，通过数据接口从数据库中提取风电场和光伏电站的历史运行数据，同时利用相关环境数据,构建三种神经网络，将前两种网络预测的结果用第三种网络进行整合得出输出功率。网络一，用一维CNN(1DConvolutional Neural Network)和RNN(Recurrent Neural Network)构建深度神经网络。利用滑动窗口(sliding window algorithm)对历史发电数据处理，生成输入向量和目标向量，对神经网络进行监督学习(supervised learning)。训练得到的网络用于对发电数据预测得出预期风光总输出功率。网络二，构建全连接深度神经网络。将总辐射量，环境湿度，环境温度，辐射强度，风速，风向等环境历史数据分割，整合形成输入向量，同时段风光总输出功率为目标向量，对构建的全连接深度神经网络进行监督学习。将得到的神经网络用于输入环境参数预测总输出功率。网络三，构建全连接浅度神经网络，用新一组训练数据，通过以上两个网络得到两个总输出功率。将两个预测结果作为输入向量，以实际风光总输出功率作为目标向量，训练网络三。把全部训练完成的整体网络作为模型，将过往时段内环境向量
Figure BDA0002906996070000043
和发电功率向量
Figure BDA0002906996070000042
作为输入，用得到的模型对次日风光总功率进行预测，得出次日的风光电站输出的总功率曲线；
上述中，进一步，步骤2：发电计划安排，以所述风光电站功率联合预测模型输出的风光预测出力曲线为参考，结合用户负荷曲线制定次日发电输出曲线提供多种优化控制目标供选择如上网电量最优或功率平衡最优等。根据制定的发电计划预先安排储能单元和风光发电单元的发电计划；
上述中，进一步，步骤3：实时发电控制，根据风光的实际出力以及其他实时监控数据，在线计算出计划输出和实际输出的差值Δp(t)，通过调节储能充放电尽可能满足优化控制目标，未满足部分由外部电网补全，部分控制策略公式如下：
功率平衡最优：min pcost＝pplan(t)+Δp(t)+pES(t)-pload(t)
上网电量最优：min pcost＝pplan(t)+Δp(t)+pES(t)-pload(t)-ppcc
实际与计划差值：Δp(t)＝pactual(t)-pplan(t)
储能系统输出功率：
Figure BDA0002906996070000051
单个储能单元功率控制：
Figure BDA0002906996070000052
其中，pactual(t)为光伏和风电实际发电功率，pplan(t)为某单位时刻光伏和风电计划总发功率，Δp(t)为某单位时刻光伏和风电实际总发电功率与计划的差值，pES(t)为某单位时刻内储能的输出功率，pload(t)为某单位时刻的负荷功率，ppcc为上网功率的最大限制。
Figure BDA0002906996070000053
为单个储能单元在某单位时刻的输出功率，
Figure BDA0002906996070000054
为单个储能单元在某单位时刻的放电功率，
Figure BDA0002906996070000055
为单个储能单元在某单位时刻的充电功率，hold和δ为flag取0和1。本发明提供的一种超大容量的区域微电网系统及运行方法，以风电、光伏发电等可再生能源发电为主体，合理优化配置储能系统，通过微电网能量管理系统形成高效的发输配一体化的超大容量的区域微电网系统，是探索可再生能源创新性的利用方式和发展模式，提高了可再生能源利用比例，促进了新能源电力的就近消纳。
附图说明
图1为本发明实施例中微电网系统组网结构示意图。
图2为本发明实施例中微电网运行方法流程图。
图3为本发明方法实施例中风光电站功率联合预测示意图。
具体实施方式
为了便于理解本发明，下面结合附图和具体实施例，对本发明进行更详细的说明。除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
本发明的一个实施例是，一种超大容量的区域微电网系统，包括风力发电站、光伏发电站、储能系统、负荷、变配电设备、微电网能量管理系统。
所述风力发电站，由多台大容量风力发电机组和35KV箱式变电站采用“一箱一变”的单元接线方式组成，经35KV箱式变电站升压后接至场内35KV集电线路，再经110KV变配电设备升压并入电网；所述风力发电站用于向微电网内负荷供电、同时向所述储能系统充电，所述储能系统充满时，多余电力送入主网。
所述光伏发电站，由多块光伏组件和一套光伏逆变器构成一个光伏发电单元，两个光伏发电单元经1台箱式变电站升压后接至场内35KV集电线路，再经110KV光伏变电站升压并入电网；所述光伏发电站在白天光伏正常出力的情况下，向微电网内负荷供电、同时向所述储能系统充电，所述储能系统充满时，多余电力送入主网；所述光伏发电站在白天光伏出力不足的情况下，向微电网内负荷供电，不再向所述储能系统充电。所述光伏组件将太阳能转化成电能，光伏逆变器将光伏组件所发出的直流电转变成交流电。
所述储能系统为电池储能系统输出电能经升压变升压至35KV，若干储能子系统经过1回35KV集电线路接入到相对应110KV变配电设备升压至35KV集电线路一侧；同时电池储能系统安装双向计量电表，对电池储能系统的充放电进行计量，每组储能电池均装有电池管理系统对储能电池的充放电进行在线管理，电池管理系统和储能变流器通过以太网和监控相连，执行充放电策略；所述电池储能系统配置在风力发电站侧、光伏发电站侧、110KV微电网用户站侧，用于离网状态下稳定电力输出、移峰填谷、提高风电、光伏发电质量。所述风力发电站侧储能电站、光伏发电站侧储能电站及110KV微电网用户站储能电站分别包括若干储能子系统；所述储能子系统包括若干储能变流器和至少一组储能电池。
所述负荷根据不可中断程度强弱划为一级负荷、二级负荷、三级负荷；一级负荷由两路稳定的电源供电，可设置仅满足一级负荷供电的备用电源；二级负荷宜由两路电源供电，可设置仅满足一级负荷供电的备用电源，也可由一路电源供电；三级负荷采用单回路供电，要求配电系统简洁可靠，尽量减少配电级数。
所述变配电设备，包括110KV光伏变电站、110KV风电变电站、110KV微电网用户变电站、110KV电网用户变电站及相应110KV架空线路；所述110KV光伏变电站出线3回，1回至220KV变电站，1回至110KV微电网用户变电站，1回至110KV风电变电站；所述110KV风电变电站出线2回，1回110KV微电网用户变电站，1回至110KV光伏变电站；110KV微电网用户变电站出线2回，1回至110KV风电变电站，1回至110KV光伏变电站；110KV电网用户变电站出线1回至220KV变电站；110KV微电网用户变电站110KV母线与110KV电网用户变电站设联络开关。
所述微电网能量管理系统采用面向服务的体系架构和分层分布式网络架构，实现面向设备对象的信息建模、统一数据展示、统一系统管理和WEB信息发布，并采用标准、成熟、开放的数据模型及网络协议，提供统一的数据存储、访问、监视和预警功能，支持各业务功能模块化建设；用于对生产调度、协调控制、运维管理、综合展示实现一体化管理。
在上述内容的基础上，本发明还提供一种超大容量的区域微电网运行方法，如图2所示，包括以下步骤：
步骤1：风光电站功率联合预测，通过数据接口调度获取风电站和光伏电站的历史运行数据，同时利用相关环境数据，构建输出功率模型，利用模型对次日风光总功率进行预测，得到次日风光电站的总功率曲线。
步骤2：发电计划安排，以风光联合预测模型输出的风光预测出力曲线为参考，结合用户负荷曲线制定次日发电输出曲线，提供多种优化控制目标供选择。根据制定的发电计划预先安排储能单元和风光发电单元的发电计划。
步骤3：实时发电控制，根据风光的实际出力以及其他实时监控数据，在线计算出计划输出和实际输出的差值，通过调节储能充放电尽可能满足优化控制目标，未满足部分由外部电网补全。
上述中，进一步，步骤1：风光电站功率联合预测，通过数据接口从数据库中提取风电场和光伏电站的历史运行数据，同时利用相关环境数据,构建三种神经网络，将前两种网络预测的结果用第三种网络进行整合得出输出功率。网络一，用一维CNN(1DConvolutional Neural Network)和RNN(Recurrent Neural Network)构建深度神经网络。利用滑动窗口(sliding window algorithm)对历史发电数据处理，生成输入向量和目标向量，对神经网络进行监督学习(supervised learning)。训练得到的网络用于对发电数据预测得出预期风光总输出功率。网络二，构建全连接深度神经网络。将总辐射量，环境湿度，环境温度，辐射强度，风速，风向等环境历史数据分割，整合形成输入向量，同时段风光总输出功率为目标向量，对构建的全连接深度神经网络进行监督学习。将得到的神经网络用于输入环境参数预测总输出功率。网络三，构建全连接浅度神经网络，用新一组训练数据，通过以上两个网络得到两个总输出功率。将两个预测结果作为输入向量，以实际风光总输出功率作为目标向量，训练网络三。把全部训练完成的整体网络作为模型，将过往时段内环境向量
Figure BDA0002906996070000098
和发电功率向量
Figure BDA0002906996070000092
作为输入，用得到的模型对次日风光总功率进行预测，得出次日的风光电站输出的总功率曲线；
上述中，进一步，步骤2：发电计划安排，以所述风光电站功率联合预测模型输出的风光预测出力曲线为参考，结合用户负荷曲线制定次日发电输出曲线提供多种优化控制目标供选择如上网电量最优或功率平衡最优等。根据制定的发电计划预先安排储能单元和风光发电单元的发电计划；
上述中，进一步，步骤3：实时发电控制，根据风光的实际出力以及其他实时监控数据，在线计算出计划输出和实际输出的差值Δp(t)，通过调节储能充放电尽可能满足优化控制目标，未满足部分由外部电网补全，控制策略公式如下：
功率平衡最优：min pcost＝pplan(t)+Δp(t)+pES(t)-pload(t)
上网电量最优：min pcost＝pplan(t)+Δp(t)+pES(t)-pload(t)-ppcc
实际与计划差值：Δp(t)＝pactual(t)-pplan(t)
储能系统输出功率：
Figure BDA0002906996070000093
单个储能单元功率控制：
Figure BDA0002906996070000094
上述公式中，pactual(t)为光伏和风电实际发电功率，pplan(t)为某单位时刻光伏和风电计划总发功率，Δp(t)为某单位时刻光伏和风电实际总发电功率与计划的差值，pES(t)为某单位时刻内储能的输出功率，pload(t)为某单位时刻的负荷功率，ppcc为上网功率的最大限制。
Figure BDA0002906996070000095
为单个储能单元在某单位时刻的输出功率，
Figure BDA0002906996070000096
为单个储能单元在某单位时刻的放电功率，
Figure BDA0002906996070000097
为单个储能单元在某单位时刻的充电功率，hold和δ为flag取0和1。本发明提供的一种超大容量的区域微电网系统及运行方法，以风电、光伏发电等可再生能源发电为主体，合理优化配置储能系统，通过微电网能量管理系统形成高效的发输配一体化的超大容量的区域微电网系统，是探索可再生能源创新性的利用方式和发展模式，提高了可再生能源利用比例，促进了新能源电力的就近消纳。
实施例二
在上述实施例的基础上，进一步本发明一种超大容量的区域微电网系统，如图1所示，包括风力发电站、光伏发电站、储能系统、负荷、变配电设备、微电网能量管理系统。
所述风力发电站，由88台单机容量3200/4000KW出口电压为690V的风力发电机组(不做限定，可优化)和35KV箱式变电站采用“一箱一变”的单元接线方式，经箱式变电站升压后接至场内35KV集电线路，再经110KV风电变电站升压并入电网；所述风力发电站用于向微电网内负荷供电、同时向所述储能系统充电，所述储能系统充满时，多余电力送入主网。
所述光伏发电站，由2000kWp光伏组件汇流设备和一套2000KW光伏逆变器构成一个光伏发电单元(不做限定，可优化)，经集中式逆变器将直流电转换为低压交流电，两个光伏发电单元经1台2000kVA双绕组升压箱式变电站升压后接至场内35KV集电线路，再经110KV光伏变电站升压并入电网；所述光伏发电站在白天光伏正常出力的情况下，向微电网内负荷供电、同时向所述储能系统充电，所述储能系统充满时，多余电力送入主网；所述光伏发电站在白天光伏出力不足的情况下，向微电网内负荷供电，不再向所述储能系统充电。
所述储能系统为电池储能系统，采用额定容量115Ah、额定电压3.2V磷酸铁锂电池组作为储能单元，通过储能变流器与用电设备相连接，由4台500kW储能变流器和一组储能电池作为一个储能子系统(不做限定，可优化)，储能子系统以智能配电系统为对外接口，输出电能经升压变升压至35KV，若干储能子系统经过1回35KV集电线路接入到相对应110KV升压站35KV侧；同时电池储能系统安装双向计量电表，对储能系统的充放电进行计量，每个电池组均装有电池管理系统对电池的充放电进行在线管理，电池管理系统和储能变流器通过以太网和监控相连，执行充放电策略；所述储能系统包括20MW/40MWh的风电场侧储能电站(不做限定，可优化)、10MW/20MWh的光伏侧储能电站(不做限定，可优化)、20MW/20MWh的110KV微电网用户站储能电站(不做限定，可优化)，用于离网状态下稳定电力输出、移峰填谷、提高风电、光伏发电质量。
所述负荷根据不可中断程度强弱划为一级负荷、二级负荷、三级负荷；一级负荷由两路稳定的电源供电，可设置仅满足一级负荷供电的备用电源；二级负荷宜由两路电源供电，可设置仅满足一级负荷供电的备用电源，也可由一路电源供电；三级负荷采用单回路供电，要求配电系统简洁可靠，尽量减少配电级数。
所述变配电设备主要包括110KV光伏变电站、110KV风电变电站、110KV微电网用户变电站、110KV电网用户变电站及相应110KV架空线路；所述110KV光伏变电站出线3回，1回至220KV变电站，1回至110KV微电网用户变电站，1回至110KV风电变电站；所述110KV风电变电站出线2回，1回110KV微电网用户变电站，1回至110KV光伏变电站；110KV微电网用户变电站出线2回，1回至110KV风电变电站，1回至110KV光伏变电站；110KV电网用户变电站出线1回至220KV变电站；110KV微电网用户变电站110KV母线与110KV电网用户变电站设联络开关。
所述微电网能量管理系统采用面向服务的体系架构和分层分布式网络架构，实现面向设备对象的信息建模、统一数据展示、统一系统管理和WEB信息发布，并采用标准、成熟、开放的数据模型及网络协议，提供统一的数据存储、访问、监视和预警功能，支持各业务功能模块化建设；用于对生产调度、协调控制、运维管理、综合展示实现一体化管理。
本发明提供的一种超大容量的区域微电网系统及运行方法，以风电、光伏发电等可再生能源发电为主体，合理优化配置储能系统，通过微电网能量管理系统形成高效的发输配一体化的超大容量的区域微电网系统，是探索可再生能源创新性的利用方式和发展模式，提高了可再生能源利用比例，促进了新能源电力的就近消纳。
需要说明的是，上述各技术特征继续相互组合，形成未在上面列举的各种实施例，均视为本发明说明书记载的范围；并且，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (6)

1.一种超大容量的区域微电网系统，其特征在于，包括风力发电站、光伏发电站、储能系统、负荷、变配电设备、微电网能量管理系统；
所述风力发电站，经35KV箱式变电站升压后接至场内35KV集电线路，再经110KV变配电设备升压并入电网；所述风力发电站用于向微电网内负荷供电、同时向所述储能系统充电，所述储能系统充满时，多余电力送入主网；
所述光伏发电站在白天光伏正常出力的情况下，向微电网内负荷供电、同时向所述储能系统充电，所述储能系统充满时，多余电力送入主网；所述光伏发电站在白天光伏出力不足的情况下，向微电网内负荷供电，不再向所述储能系统充电；所述光伏组件将太阳能转化成电能，光伏逆变器将光伏组件所发出的直流电转变成交流电；
所述储能系统为电池储能系统输出电能经升压变升压至35KV，若干储能子系统经过1回35KV集电线路接入到相对应110KV变配电设备升压至35KV集电线路一侧；同时电池储能系统安装双向计量电表，对电池储能系统的充放电进行计量，每组储能电池均装有电池管理系统对储能电池的充放电进行在线管理，电池管理系统和储能变流器通过以太网和监控相连，执行充放电策略；
所述负荷根据不可中断程度强弱划为一级负荷、二级负荷、三级负荷；一级负荷由两路稳定的电源供电，可设置仅满足一级负荷供电的备用电源；二级负荷宜由两路电源供电，可设置仅满足一级负荷供电的备用电源，也可由一路电源供电；三级负荷采用单回路供电，要求配电系统简洁可靠，尽量减少配电级数；
所述变配电设备，包括110KV光伏变电站、110KV风电变电站、110KV微电网用户变电站、110KV电网用户变电站及相应110KV架空线路；
所述微电网能量管理系统采用面向服务的体系架构和分层分布式网络架构，实现面向设备对象的信息建模、统一数据展示、统一系统管理和WEB信息发布，并采用标准、成熟、开放的数据模型及网络协议，提供统一的数据存储、访问、监视和预警功能，支持各业务功能模块化建设；用于对生产调度、协调控制、运维管理、综合展示实现一体化管理。
2.如权利要求1所述的系统，其特征在于，所述风力发电站，由多台大容量风力发电机组和35KV箱式变电站采用一箱一变的单元接线方式组成；经35KV箱式变电站升压后接至场内35KV集电线路，再经110KV变配电设备升压并入电网。
3.如权利要求2所述的系统，其特征在于，所述光伏发电站，由多块光伏组件和一套光伏逆变器构成一个光伏发电单元，两个光伏发电单元经1台箱式变电站升压后接至场内35KV集电线路，再经110KV光伏变电站升压并入电网。
4.如权利要求3所述的系统，其特征在于，所述电池储能系统配置在风力发电站侧、光伏发电站侧、110KV微电网用户站侧，用于离网状态下稳定电力输出、移峰填谷、提高风电、光伏发电质量；所述风力发电站侧储能电站、光伏发电站侧储能电站及110KV微电网用户站侧储能电站分别包括若干储能子系统；所述储能子系统包括若干储能变流器和至少一组储能电池。
5.如权利要求4所述的系统，其特征在于，所述110KV光伏变电站出线3回，1回至220KV变电站，1回至110KV微电网用户变电站，1回至110KV风电变电站；所述110KV风电变电站出线2回，1回110KV 微电网用户变电站，1回至110KV光伏变电站；110KV微电网用户变电站出线2回，1回至110KV风电变电站，1回至110KV光伏变电站；110KV电网用户变电站出线1回至220KV变电站；110KV微电网用户变电站110KV母线与110KV电网用户变电站设联络开关。
6.一种超大容量的区域微电网运行方法，其特征在于，包括以下步骤：
步骤1：风光电站功率联合预测，通过数据接口从数据库中提取风电场和光伏电站的历史运行数据，同时利用相关环境数据,构建三种神经网络，将前两种网络预测的结果用第三种网络进行整合得出输出功率；网络一，用一维CNN构建深度神经网络，利用滑动窗口对历史发电数据处理，生成输入向量和目标向量，对神经网络进行监督学习，训练得到的网络用于对发电数据预测得出预期风光总输出功率；网络二，构建全连接深度神经网络，将环境历史数据分割，整合形成输入向量，同时段风光总输出功率为目标向量，对构建的全连接深度神经网络进行监督学习，将得到的神经网络用于输入环境参数预测总输出功率；网络三，构建全连接浅度神经网络，用新一组训练数据，通过以上两个网络得到两个总输出功率，将两个预测结果作为输入向量，以实际风光总输出功率作为目标向量，训练网络三；把全部训练完成的整体网络作为模型，将过往时段内环境向量
Figure FDA0002906996060000031
和发电功率向量
Figure FDA0002906996060000032
作为输入，用得到的模型对次日风光总功率进行预测，得出次日的风光电站输出的总功率曲线；
步骤2：发电计划安排，以所述风光电站功率联合预测模型输出的风光预测出力曲线为参考，结合用户负荷曲线制定次日发电输出曲线提供多种优化控制目标供选择如上网电量最优或功率平衡最优等；根据制定的发电计划预先安排储能单元和风光发电单元的发电计划；
步骤3：实时发电控制，根据风光的实际出力以及其他实时监控数据，在线计算出计划输出和实际输出的差值Δp(t)，通过调节储能充放电尽可能满足优化控制目标，未满足部分由外部电网补全，控制策略公式如下：
功率平衡最优：min pcost＝pplan(t)+Δp(t)+pES(t)-pload(t)
上网电量最优：min pcost＝pplan(t)+Δp(t)+pES(t)-pload(t)-ppcc
实际与计划差值：Δp(t)＝pactual(t)-pplan(t)
储能系统输出功率：
Figure FDA0002906996060000041
单个储能单元功率控制：
Figure FDA0002906996060000042
上述公式中，pactual(t)为光伏和风电实际发电功率，pplan(t)为某单位时刻光伏和风电计划总发功率，Δp(t)为某单位时刻光伏和风电实际总发电功率与计划的差值，pES(t)为某单位时刻内储能的输出功率，pload(t)为某单位时刻的负荷功率，ppcc为上网功率的最大限制；
Figure FDA0002906996060000043
为单个储能单元在某单位时刻的输出功率，
Figure FDA0002906996060000044
为单个储能单元在某单位时刻的放电功率，
Figure FDA0002906996060000045
为单个储能单元在某单位时刻的充电功率，hold和δ为flag取0和1。
CN202110074392.6A 2021-01-20 2021-01-20 一种超大容量的区域微电网系统及运行方法 Pending CN113285479A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110074392.6A CN113285479A (zh) 2021-01-20 2021-01-20 一种超大容量的区域微电网系统及运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110074392.6A CN113285479A (zh) 2021-01-20 2021-01-20 一种超大容量的区域微电网系统及运行方法

Publications (1)

Publication Number Publication Date
CN113285479A true CN113285479A (zh) 2021-08-20

Family

ID=77275451

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110074392.6A Pending CN113285479A (zh) 2021-01-20 2021-01-20 一种超大容量的区域微电网系统及运行方法

Country Status (1)

Country Link
CN (1) CN113285479A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114336583A (zh) * 2021-12-27 2022-04-12 广西大学 5g基站光储直流微电网供能系统及方法
CN116231764A (zh) * 2023-05-08 2023-06-06 厦门晶晟能源科技有限公司 一种源网荷储协调控制方法及系统
CN116488180A (zh) * 2023-05-22 2023-07-25 国网安徽省电力有限公司淮北供电公司 一种基于源网荷储协同的新能源智能调度方法及系统
CN116488212A (zh) * 2023-06-19 2023-07-25 长沙电机厂集团长瑞有限公司 一种虚拟控制多电机组进行电力储能配置的方法及系统
CN116562657A (zh) * 2023-07-12 2023-08-08 苏州精控能源科技有限公司 基于物联网的光伏储能管理方法、装置、介质、电子设备

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114336583A (zh) * 2021-12-27 2022-04-12 广西大学 5g基站光储直流微电网供能系统及方法
CN116231764A (zh) * 2023-05-08 2023-06-06 厦门晶晟能源科技有限公司 一种源网荷储协调控制方法及系统
CN116488180A (zh) * 2023-05-22 2023-07-25 国网安徽省电力有限公司淮北供电公司 一种基于源网荷储协同的新能源智能调度方法及系统
CN116488180B (zh) * 2023-05-22 2023-10-20 国网安徽省电力有限公司淮北供电公司 一种基于源网荷储协同的新能源智能调度方法及系统
CN116488212A (zh) * 2023-06-19 2023-07-25 长沙电机厂集团长瑞有限公司 一种虚拟控制多电机组进行电力储能配置的方法及系统
CN116488212B (zh) * 2023-06-19 2023-08-22 长沙电机厂集团长瑞有限公司 一种虚拟控制多电机组进行电力储能配置的方法及系统
CN116562657A (zh) * 2023-07-12 2023-08-08 苏州精控能源科技有限公司 基于物联网的光伏储能管理方法、装置、介质、电子设备
CN116562657B (zh) * 2023-07-12 2023-09-12 苏州精控能源科技有限公司 基于物联网的光伏储能管理方法、装置、介质、电子设备

Similar Documents

Publication Publication Date Title
Roslan et al. Scheduling controller for microgrids energy management system using optimization algorithm in achieving cost saving and emission reduction
CN105207267B (zh) 一种微网能量管理系统
CN113285479A (zh) 一种超大容量的区域微电网系统及运行方法
CN102710013B (zh) 基于微电网的园区能源网能量优化管理系统及其实现方法
Zhang et al. Research on bi-level optimized operation strategy of microgrid cluster based on IABC algorithm
CN109149651A (zh) 一种计及调压辅助服务收益的光储系统优化运行方法
CN103296754A (zh) 一种主动配电网分布式电源资源控制方法
Ullah et al. Advanced energy management strategy for microgrid using real-time monitoring interface
Liu et al. Multi-time scale optimal power flow strategy for medium-voltage DC power grid considering different operation modes
Zacharia et al. Optimal energy management and scheduling of a microgrid in grid-connected and islanded modes
Deng et al. Hierarchical distributed frequency regulation strategy of electric vehicle cluster considering demand charging load optimization
CN112366684A (zh) 一种海岛微电网系统
Wei et al. Research on status and prospects of battery energy storage stations on energy internet
CN110739684B (zh) 基于多时间尺度的多交直流混合微电网优化调度方法
Sorour et al. MILP optimized management of domestic PV-battery using two days-ahead forecasts
Ying et al. Capacity configuration method of flexible smart traction power supply system based on double-layer optimization
Kermani et al. Energy Management System for Smart Grid in the Presence of Energy Storage and Photovoltaic Systems
CN112886624B (zh) 一种三站合一变电站储能装置规划设计系统及方法
Liu et al. Hierarchical optimal dispatching strategy for microgrid system considering user-side resources
Hua et al. Coordinated optimal dispatch for active distribution network under multi-time scales
CN109687449B (zh) 微电网协调控制装置及控制方法
CN112713520A (zh) 一种离网风光储智能供电系统
Hannan et al. ANN based binary backtracking search algorithm for virtual power plant scheduling and cost-effective evaluation
Li et al. Review of Key Technologies of mobile energy storage vehicle participating in distribution network dispatching under the high proportion of renewable energy access
Hong et al. Optimal Day-ahead Energy Scheduling of Battery in Distribution Systems Considering Uncertainty

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