CN113344316A - 一种电网与气网协调运行调度策略确定方法和系统 - Google Patents

一种电网与气网协调运行调度策略确定方法和系统 Download PDF

Info

Publication number
CN113344316A
CN113344316A CN202110371373.XA CN202110371373A CN113344316A CN 113344316 A CN113344316 A CN 113344316A CN 202110371373 A CN202110371373 A CN 202110371373A CN 113344316 A CN113344316 A CN 113344316A
Authority
CN
China
Prior art keywords
power
gas
network
grid
natural gas
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
CN202110371373.XA
Other languages
English (en)
Inventor
董昱
丁杰
董存
梁志峰
范高锋
郭营
陈丽娟
陈水耀
陈文进
夏俊荣
赵欣
张俊
王会超
彭琰
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.)
State Grid Corp of China SGCC
Southeast University
State Grid Zhejiang Electric Power Co Ltd
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Southeast University
State Grid Zhejiang Electric Power Co Ltd
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Zhejiang 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 State Grid Corp of China SGCC, Southeast University, State Grid Zhejiang Electric Power Co Ltd, China Electric Power Research Institute Co Ltd CEPRI, Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110371373.XA priority Critical patent/CN113344316A/zh
Publication of CN113344316A publication Critical patent/CN113344316A/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
    • G06Q10/06—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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种电网与气网协调运行调度策略确定方法和系统，包括：获取各时刻的新能源预测出力、预测电负荷和气负荷数据；将新能源预测出力、预测电负荷和气负荷的数据输入预先建立的电网与气网协调运行调度模型，采用混合引力搜索算法和原始对偶内点法进行求解，得到调度时期内各时刻电力网络和天然气网络中相关设备的调度计划；其中，电网与气网协调运行调度模型以考虑新能源出力的电网和天然气网络的运行成本最小以及考虑新能源出力的电网与天然气网络的安全裕度最大为目标构建。本发明实现了在考虑系统运行的经济性与安全可靠性的基础上，制定科学合理的调度方案，为电网和气网的实际运行提供指导。

Description

一种电网与气网协调运行调度策略确定方法和系统
技术领域
本发明属于能源优化与调度技术领域，具体涉及一种电网与气网协调运行调度策略确定方法和系统。
背景技术
能源是人类生存的物质保障和社会发展的动力源泉，以煤炭、石油为代表的化石燃料的大规模开采、消耗，造成严重的环境污染，加剧了气候恶化的进程。针对能源与环境领域的紧迫形势，积极开发可再生能源、推动社会可持续发展逐渐成为人类共识。随着能源互联网理念的发展，电力网络和天然气网络作为两个主要能源载体，二者之间的相互依赖关系在智能电网中引起了极大的关注，使得传统电力系统逐步演化为复杂的多能流系统。
因此，在提升新能源承载能力的同时如何保障电网与气网协调运行的经济性与安全可靠性成为一个充满挑战并极具现实意义的课题。
电网与气网协调运行调度策略的制定是一个多目标优化问题，在保证电力网络和天然气网络协调运行的安全可靠性的同时需要提升系统运行的经济性。现有的多目标优化算法为ε约束方法，考虑到构造的电网与气网协调运行数学模型是复杂的大规模非线性模型，难以直接求解。
发明内容
为克服上述现有技术的不足，本发明提出一种电网与气网协调运行调度策略确定方法，包括：
获取各时刻的新能源预测出力、预测电负荷和气负荷数据；
将所述新能源预测出力、预测电负荷和气负荷的数据输入预先建立的电网与气网协调运行调度模型，采用混合引力搜索算法和原始对偶内点法进行求解，得到调度时期内各时刻电力网络和天然气网络中相关设备的调度计划；
其中，所述电网与气网协调运行调度模型基于新能源预测出力、预测电负荷和气负荷数据，以考虑新能源出力的电网和天然气网络的运行成本最小以及考虑新能源出力的电网与天然气网络的安全裕度最大为目标构建。
优选的，所述各时刻电力网络、天然气网络中相关设备的调度计划包括：各时刻天然气网络中各气源的天然气消耗量、各储气单元的天然气存储量和各节点处需求响应气负荷可中断量，以及各时刻电网中各常规发电机组的有功功率、各节点可中断电力有功负荷、各微电网聚合器的有功功率和各新能源机组的弃风/弃光功率。
优选的，所述采用混合引力搜索算法和原始对偶内点法进行求解，得到调度时期内各时刻电力网络和天然气网络中相关设备的调度计划，包括：
随机初始化多个物体的位置，每个物体的位置分别对应一个电力网络和天然气网络协调运行的调度计划并计算各物体的适应度函数的值；
以物体的适应度函数的值作为物体的质量，以天然气网络约束为约束条件，以调度计划中的各时刻天然气网络中各气源的天然气消耗量、各储气单元的天然气存储量、各节点处需求响应气负荷可中断量和各时刻电网中各节点可中断电力有功负荷为决策变量，采用引力搜索算法对各物体的位置进行更新并计算适应度函数的值，并在采用引力搜索算法的更新过程中，基于各物体的位置，以电网运行成本最小为目标，以电力网络约束为约束条件，以调度计划中的各时刻电网中各常规发电机组的有功功率、各微电网聚合器的有功功率和各新能源机组的弃风/弃光功率为决策变量，采用原始对偶内点法对各物体的位置对应的调度计划进行优化，直到达到引力搜索算法的停止标准；
获取当前全部物体的位置对应的调度计划中的有效解并采用模糊决策方法在有效解中选择最佳的调度计划；
其中，所述适应度函数为物体对应的调度计划中电网和天然气网络的运行成本。
优选的，所述采用模糊决策方法在有效解中选择最佳的调度计划，包括：
分别计算有效解中各调度计划对应的各目标函数值，并对各调度计划对应的各目标函数值用模糊隶属度函数进行归一化；
根据归一化后的各目标函数值，分别计算有效解中各调度计划的总偏好度；
选择总偏好度最大的调度计划作为最佳的调度计划。
优选的，所述总偏好度的计算式如下：
Figure BDA0003009445350000021
式中，μv表示一个调度计划的第v个目标函数值的归一化结果，ωv表示第v个目标函数的权重。
优选的，所述用模糊隶属度函数进行归一化的计算式如下：
Figure BDA0003009445350000031
式中，μv表示第v个目标函数值的归一化结果，Fv表示归一化前的第v个目标函数值，
Figure BDA0003009445350000032
表示第v个目标函数值归一化前的最小值，
Figure BDA0003009445350000033
表示第v个目标函数值归一化前的最大值。
优选的，所述电网与气网协调运行调度模型的建立，包括：
满足调度时期内各时刻的新能源预测出力、预测电负荷和气负荷数据，分别以电网和天然气网络的运行成本最小、电网安全的裕度最大以及天然气网络的安全裕度最大为目标构建多个目标函数；
为各目标函数建立电力网络约束和天然气网络约束作为约束条件，构建电网与气网协调运行调度模型，得到调度时期各时刻电力网络和天然气网络中相关设备的调度计划。
优选的，所述电网和天然气网络的运行成本最小的目标函数的计算式如下：
F1＝CP+CNG
式中，F1为电网和天然气网络的运行成本最小的目标函数值，CP表示电网的运行成本，CNG表示天然气网络的运行成本；
电网的运行成本CP的计算式如下：
Figure BDA0003009445350000034
式中，T表示调度时期总长度；t表示时刻；u表示常规发电机组，m表示微电网聚合器；k表示新能源机组；NM为电力网络中连接的微电网聚合器数量；NU为电力网络中常规发电机组数量；NK为电力网络中新能源发电机组数量；PGu,t为t时刻常规发电机组u的有功功率；ρEu,t为t时刻常规发电机组u的单位发电成本；PMAm,t为t时刻微电网聚合器m的发电功率；ρEm,t为t时刻微电网聚合器m的单位发电成本；
Figure BDA0003009445350000035
为t时刻的弃风/弃光惩罚费用系数；
Figure BDA0003009445350000036
为t时刻新能源机组k的弃风/弃光功率；
天然气网络的运行成本CNG的计算式如下：
Figure BDA0003009445350000037
式中，w表示气源；s表示储气单元；NW为气源数量；NS为储气单元数量；GPw,t为t时刻气源w的天然气消耗量；ρWw,t为t时刻气源w的单位生产成本；SVs,t为t时刻储气单元s的天然气存储量；ρSs,t为t时刻储气单元s的单位储存成本。
优选的，所述电网安全的裕度最大的目标函数的计算式如下：
Figure BDA0003009445350000041
式中，F2表示电网安全的裕度最大的目标函数值，T表示调度时期总长度；t表示时刻；n表示电力网络的节点；NB表示电力网络的节点数；Vn,t为t时刻节点n的电压实际值；
Figure BDA0003009445350000042
为节点n的电压参考值。
优选的，所述天然气网络的安全裕度最大的目标函数的计算式如下：
Figure BDA0003009445350000043
式中，F3表示天然气网络安全的裕度最大的目标函数值；Nm表示天然气网络的节点数；m’和m分别表示天然气网络的节点；GFm′m表示以m’和m为端点的天然气管道m′m的实际流量；
Figure BDA0003009445350000044
表示以m和m’为端点的天然气管道m′m的额定流量。
基于同一发明构思，本申请还提供了一种电网与气网协调运行调度策略确定系统，包括：预测模块与调度计划模块；
所述预测模块，用于获取各时刻的新能源预测出力、预测电负荷和气负荷数据；
所述调度计划模块，用于将所述新能源预测出力、预测电负荷和气负荷的数据输入预先建立的电网与气网协调运行调度模型，采用混合引力搜索算法和原始对偶内点法进行求解，得到调度时期内各时刻电力网络和天然气网络中相关设备的调度计划；
其中，所述电网与气网协调运行调度模型基于新能源预测出力、预测电负荷和气负荷数据，以考虑新能源出力的电网和天然气网络的运行成本最小以及考虑新能源出力的电网与天然气网络的安全裕度最大为目标构建。
与最接近的现有技术相比，本发明具有的有益效果如下：
本发明提供了一种电网与气网协调运行调度策略确定方法和系统，包括：获取各时刻的新能源预测出力、预测电负荷和气负荷数据；将新能源预测出力、预测电负荷和气负荷的数据输入预先建立的电网与气网协调运行调度模型，采用混合引力搜索算法和原始对偶内点法进行求解，得到调度时期内各时刻电力网络和天然气网络中相关设备的调度计划；其中，电网与气网协调运行调度模型基于新能源预测出力、预测电负荷和气负荷数据，以考虑新能源出力的电网和天然气网络的运行成本最小以及考虑新能源出力的电网与天然气网络的安全裕度最大为目标构建。本发明实现了在考虑系统运行的经济性与安全可靠性的基础上，制定科学合理的调度方案，为电网和气网的实际运行提供指导。同时考虑到构造的电力网络和天然气网络协调运行数学模型即电网与气网协调运行调度模型是复杂的大规模非线性模型，难以直接求解，本发明提出混合引力搜索算法和原始对偶内点法进行模型求解，保证求解的精确性，实现对电力网络和天然气网络协调运行的精确刻画，有利于准确的制定调度计划。
本发明考虑到电网和天然气网络运行的经济性与安全可靠性，构造多目标数学框架。首先，构造经济性目标函数，考虑电力网络的发电成本，包括常规发电机组的发电成本，微电网中本地发电资源的发电成本，为提升新能源的承载能力引入的惩罚函数，以及天然气网络的运行成本；然后，为确保能源供应的安全可靠性，提出电力网络和天然气网络协调运行的安全性目标函数。以此构造电力网络和天然气网络协调运行数学模型，在提升新能源承载能力的同时保障系统运行的经济性与安全性。
附图说明
图1为本发明提供的一种电网与气网协调运行调度策略确定方法流程示意图；
图2为本发明提供的一个电网与气网协调运行调度策略确定方法实施例流程示意图；
图3为本发明提供的混合GSA-PDIP算法的流程示意图；
图4为本发明实施例中的电力网络和天然气网络协调运行系统结构示意图；
图5为本发明实施例中的风电的24h出力曲线；
图6为利用本发明所提出的一种电网与气网协调运行调度策略确定方法优化得到的电力网络调度计划；
图7为利用本发明所提出的一种电网与气网协调运行调度策略确定方法优化得到的天然气网络调度计划；
图8为一种电网与气网协调运行调度策略确定系统基本结构示意图；
图9为一种电网与气网协调运行调度策略确定系统详细结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的详细说明。
本发明提供了一种电网与气网协调运行调度策略确定方法和系统，该方法和系统具有能够同时兼顾电力网络和天然气网络的经济性与安全可靠性，实现电力网络和天然气网络协调运行的特点。
实施例1：
本发明提供的一种电网与气网协调运行调度策略确定方法流程示意图如图1所示，包括：
步骤1：获取各时刻的新能源预测出力、预测电负荷和气负荷数据；
步骤2：将新能源预测出力、预测电负荷和气负荷的数据输入预先建立的电网与气网协调运行调度模型，采用混合引力搜索算法和原始对偶内点法进行求解，得到调度时期内各时刻电力网络和天然气网络中相关设备的调度计划；
其中，电网与气网协调运行调度模型基于新能源预测出力、预测电负荷和气负荷数据，以考虑新能源出力的电网和天然气网络的运行成本最小以及考虑新能源出力的电网与天然气网络的安全裕度最大为目标构建。
本发明的具体步骤如图2所示，包括：：
步骤1：获取各时刻的新能源预测出力、预测电负荷和气负荷数据，步骤1具体为：
步骤101、输入日前新能源以及电和气负荷的预测数据；其中，新能源包括风电和光伏发电。
步骤102、为了提升新能源的承载能力并保证系统运行的经济性，构造电网与天然气网络运行成本最小化的目标函数；
步骤103、为了确保系统运行的安全可靠性，构造电网与天然气网络安全裕度最大化的目标函数；
步骤104构造电力网络和天然气网络协调运行的数学模型即电网与气网协调运行调度模型；
上述步骤101-104可以是在步骤1之前预先做，也可以在步骤1和步骤2之间执行。
步骤2：将新能源预测出力、预测电负荷和气负荷的数据输入预先建立的电网与气网协调运行调度模型，采用混合引力搜索算法和原始对偶内点法进行求解，得到调度时期内各时刻电力网络和天然气网络中相关设备的调度计划；
步骤2具体包括：
步骤105、提出混合引力搜索算法和原始对偶内点法，求解构建的数学模型，获得电力网络和天然气网络协调运行的最佳的解决方案即调度计划。
进一步地，步骤102中，为了提升新能源的承载能力并保证系统运行的经济性，提出电力网络和天然气网络协调运行的经济性目标函数，其目标是使电网与天然气网络的运行成本最小化；
相比传统的火力发电，以风电、光伏为代表的新能源发电具有不需要使用煤炭等化石能源、清洁无污染、可持续发展的显著优势，新能源在电网的渗透率越来越高。因此，对于以电为核心，耦合天然气网络的多能源系统在制定协调调度策略时，为提升新能源的承载能力，并提升系统运行的经济性，以电网和天然气网络的运行成本最小化为目标，构造经济性目标框架。
运行成本：第一个目标是使网络的运行成本最小化，由式(1)～(3)中表示。在此，式(1)表示总运行成本，而式(2)和(3)分别表示电力网络和天然气网络的运行成本。
F1＝CP+CNG (1)
式中，F1为电网和天然气网络的运行成本最小的目标函数值，CP表示电网的运行成本，CNG表示天然气网络的运行成本。
微电网(MG)作为智能电网的重要组成部分，旨在促进电网中分布式能源的可持续发展和集成经济性。MG提供需求响应，峰值负荷削减与调节、负荷跟踪等服务。为了提高微电网在电网运行中的参与程度，引入微电网聚合器(MGA)来服务用户并在日前的能源市场中交易能源。因此，式(2)中的发电成本包括常规发电机组的发电成本，微电网中本地发电资源(如风电、光伏发电、小水电等)的发电成本，以及为提升新能源承载能力引入的惩罚函数。
Figure BDA0003009445350000071
式中，T表示调度时期总长度；t表示时刻；u表示常规发电机组，m表示微电网聚合器；k表示新能源机组；NM为电力网络中连接的微电网聚合器数量；NU为电力网络中常规发电机组数量；NK为电力网络中新能源发电机组数量；PGu,t为t时刻常规发电机组u的有功功率；ρEu,t为t时刻常规发电机组u的单位发电成本；PMAm,t为t时刻微电网聚合器m的发电功率；ρEm,t为t时刻微电网聚合器m的单位发电成本；
Figure BDA0003009445350000072
为t时刻的弃风/弃光惩罚费用系数；
Figure BDA0003009445350000073
为t时刻新能源机组k的弃风/弃光功率。
天然气网络运行成本由天然气生产和储存的运营成本组成：
Figure BDA0003009445350000074
式中，w表示气源；s表示储气单元；NW为气源数量；NS为储气单元数量；GPw,t为t时刻气源w的天然气消耗量；ρWw,t为t时刻气源w的单位生产成本；SVs,t为t时刻储气单元s的天然气存储量；ρSs,t为t时刻储气单元s的单位储存成本。
进一步地，步骤103中，为了确保系统运行的安全可靠性，提出电力网络和天然气网络协调运行的安全性目标函数，其目标是使电网与天然气网络的安全裕度最大化。
103-Ⅰ)电网运行安全性：电能质量是表征电力网络安全稳定运行的关键技术指标之一，为此，本发明以电压偏移来衡量电网电能质量的优劣，进而衡量电网的运行安全性。所有节点的电压偏移的总和如下所示：
Figure BDA0003009445350000081
式中，F2表示电网安全的裕度最大的目标函数值，T表示调度时期总长度；t表示时刻；n表示电力网络的节点；NB表示电力网络的节点数；Vn,t为t时刻节点n的电压实际值；
Figure BDA0003009445350000082
为节点n的电压参考值。
103-Ⅱ)天然气管道的过载最小化：为提高天然气网络的安全性，最小化天然气管道的过载指数，具体如下式所示。
Figure BDA0003009445350000083
式中，式中，F3表示天然气网络安全的裕度最大的目标函数值；Nm表示天然气网络的节点数；m和m’分别表示天然气网络的节点；GFm′m表示以m和m’为端点的天然气管道m′m的实际流量；
Figure BDA0003009445350000084
表示以m和m’为端点的天然气管道m′m的额定流量。
进一步地，步骤104中，在进行多目标优化时，为了保证优化结果的可行性，需要考虑优化过程中的约束条件，包括电力网络约束和天然气网络约束，具体分别如下所示：
104-Ⅰ)电力网络约束
电网约束包括：潮流约束，如(6)-(7)所示；节点电压约束，如式(8)所示；传输线的运行限制，如式(9)所示；常规发电机组和MGA中发电资源的运行约束，如式(10)-(12)所示；弃风/弃光功率约束，如式(13)所示；可中断电负荷约束，如式(14)所示。
Figure BDA0003009445350000085
Figure BDA0003009445350000086
Figure BDA0003009445350000091
Figure BDA0003009445350000092
Figure BDA0003009445350000093
Figure BDA0003009445350000094
Figure BDA0003009445350000095
Figure BDA0003009445350000096
Figure BDA0003009445350000097
式中，PDn,t、QDn,t分别表示t时刻电力网络中节点n的有功负荷与无功负荷，n′∈n表示节点n’和节点n直接相联；
Figure BDA0003009445350000098
分别为t时刻节点n可中断电力有功负荷与无功负荷；QGu,t为t时刻常规发电机组u的无功功率；Vn,t、Vn′,t分别表示t时刻电力网络中节点n、节点n’处的电压；Gnn′、Bnn′分别表线路nn′的电导、电纳；θnn′表示线路nn′的电压相位差；
Figure BDA0003009445350000099
Figure BDA00030094453500000910
分别为节点n电压最小值与最大值；Snn′,t为t时刻线路nn′的传输功率，
Figure BDA00030094453500000911
为其传输极限；
Figure BDA00030094453500000912
分别表示t时刻常规发电机组u有功功率最小值与最大值；
Figure BDA00030094453500000913
分别表示t时刻第m个MGA的最小有功功率与最大有功功率；
Figure BDA00030094453500000914
分别表示t时刻常规发电机组u的无功功率的最小值与最大值；
Figure BDA00030094453500000915
为t时刻新能源机组k的发电功率；
Figure BDA00030094453500000916
为t时刻可中断电力负荷上限。
104-Ⅱ)天然气网络约束
天然气网络约束包括：各气源点流量约束，如式(15)所示；天然气存储设备的相关约束，如式(16)-(17)所示；可中断气负荷约束，如式(18)所示；天然气网络中的节点供需平衡约束，如式(19)所示；Weymouth方程用于解决天然气管道的流量与其两端气压之间的关系，如式(20)所示；节点气压上下限约束，如式(21)所示；压缩机约束，如式(22)所示。
Figure BDA00030094453500000917
Figure BDA0003009445350000101
Figure BDA0003009445350000102
Figure BDA0003009445350000103
Figure BDA0003009445350000104
Figure BDA0003009445350000105
Figure BDA0003009445350000106
Figure BDA0003009445350000107
式中，
Figure BDA0003009445350000108
分别表示天然气网络第w个气源节点即气源的流量上、下限；
Figure BDA0003009445350000109
Figure BDA00030094453500001010
分别表示天然气存储设备s的存储量上、下限，其中，天然气存储设备即储气单元；SVs,t＝0为天然气的初始存储量；SVs,t＝T为调度时期末尾天然气的存储量；
Figure BDA00030094453500001011
分别表示天然气存储设备s的最大输入、输出流量；
Figure BDA00030094453500001012
表示t时刻天然气存储设备s的输入流量；
Figure BDA00030094453500001013
时刻天然气存储设备s的输出流量；Δt为各时刻间时间间隔长度；ηch为天然气存储设备的储气效率；ηdis天然气存储设备的放气效率；
Figure BDA00030094453500001014
表示t时刻天然气网络的节点m处需求响应气负荷可中断量，
Figure BDA00030094453500001015
为t时刻最大可中断量；GFm′m为天然气管道m′m的流量，πm′、πm为其两端气压；GDm,t为t时刻天然气网络中节点m处的天然气需求量；EFu为天然气发电机组u的效率系数；
Figure BDA00030094453500001016
为t时刻天然气发电机组u的耗气量；CW为韦茅斯常数；
Figure BDA00030094453500001017
为节点m′和m之间的压缩机的压缩因子；
Figure BDA00030094453500001018
分别为含压缩机管道m′m两端节点m’和m处的压力；
Figure BDA00030094453500001019
分别为节点m气压的最大值与最小值。
进一步地，步骤105中，采用混合引力搜索算法和原始对偶内点法(GSA-PDIP)，获取最佳解决方案。
多目标数学问题(MMP)面临的挑战主要是目标冲突，对于这些目标，没有可行的解决方案同时优化所有目标。因此，在数学上，目标之间最小冲突的解决方案即为最有利的解决方案。ε约束方法通过将其转换为单目标子问题来解决所提出的MMP问题。
105-I)ε约束法
在该方法中，分别使用q2-1和q3-1个中间等距点将目标F2和F3的范围划分为等距q2和q3。因此，ε约束方法包括(q2+1).(q3+1)个优化子问题，如式为(23)。在每个子问题中，主要目标函数为F1，目标函数F2和F3为约束条件
min F1(x)
Figure BDA0003009445350000111
Figure BDA0003009445350000112
Figure BDA0003009445350000113
式中，
Figure BDA0003009445350000114
分别为F2的最大值和最小值；
Figure BDA0003009445350000115
分别为F3的最大值和最小值。
105-Ⅱ)混合GSA-PDIP模型
由于ε约束方法提出的优化问题是复杂的大规模非线性问题，经典求解方法需要线性逼近以减少计算负担，但这也降低了求解精度。因此，本发明提出混合GSA-PDIP方法解决该优化问题，这种方法可以将时域仿真集成到电力网络和天然气网络的协调运行中。GSA基于重力和质量相互作用定律，在GSA中，代理被视为对象，其性能由质量衡量。在此，每个对象的位置对应问题的解决方案，并且物体的质量基于相应的适应度函数确定。其决策变量如下所示：
Figure BDA0003009445350000116
其中，y表示对象的索引(即解决方案)。
对于给定对象的位置，使用PDIP方法在GSA的每次迭代中进行次要优化，以求得电力网络的最佳潮流。为此，式(2)为目标函数，约束条件为式(6)-(14)的非线性规划问题得以求解。发电单元和MGA的调度是PDIP方法中的决策变量，如下式所示。
Figure BDA0003009445350000117
混合GSA-PDIP算法的流程示意图如图3所示。每次利用GSA-PDIP方法迭代更新前，还需要判断各解决方案是否违反变量范围：当有解决方案违反变量范围时，将违反变量范围将不可行解移至最接近的随机可行解。
105-Ⅲ)模糊决策
在获得有效解之后，采用模糊决策方法来选择最优解。在该方法中，首先，基于式(26)所示的模糊隶属度函数对目标函数进行归一化，然后，基于单个目标的隶属度，获得有效解的总偏好度(μe)。如式(27)所示。
Figure BDA0003009445350000121
Figure BDA0003009445350000122
其中，ωv为权重系数，由专家经验确定；
Figure BDA0003009445350000123
分别为第v个目标函数的最小值、最大值；μ取最大值时的解决方案即为最优解。
在本发明实施例中，采用了图4所示电力网络和天然气网络协调运行系统，由改进的IEEE30节点系统和比利时20节点天然气系统连接组成。在IEEE30节点系统中，供电单元包括火电机组、燃气机组以及MGA中的发电资源(风电)。比利时20节点天然气系统包括20个节点，21条管道，2个天然气源，4个储气设备以及2台压缩机。
为了证明所提出的方法对电力网络和天然气网络协调运行的有效性，下面对本发明实施例的仿真结果进行说明与分析。图5表示风电的24h出力曲线，图6表示电力网络中火电机组、燃气机组的优化调度结果，图6中的Pg1和Pg2分别表示第一个和第二个火电机组的出力，Pgt1、Pgt2和Pgt3分别表示第一个、第二个和第三个燃气机组的出力，图7表示天然气网络中气源节点的天然气交互量的优化结果，G1和G2分别表示第一个和第二个气源节点的天然气交互量。可以看出，电力网络和天然气网络协调运行能够充分利用系统内各种设备与资源，在保证系统运行安全性与经济性的同时有效提升新能源的承载能力。该优化调度方法能够为以电为核心的多能源系统的实际运行调度提供合理的指导与建议。
实施例2：
基于同一发明构思，本发明还提供了一种电网与气网协调运行调度策略确定系统。该系统基本结构如图8所示，包括：预测模块与调度计划模块；
预测模块，用于获取各时刻的新能源预测出力、预测电负荷和气负荷数据；
调度计划模块，用于将新能源预测出力、预测电负荷和气负荷的数据输入预先建立的电网与气网协调运行调度模型，采用混合引力搜索算法和原始对偶内点法进行求解，得到调度时期内各时刻电力网络和天然气网络中相关设备的调度计划；
其中，电网与气网协调运行调度模型基于新能源预测出力、预测电负荷和气负荷数据，以考虑新能源出力的电网和天然气网络的运行成本最小以及考虑新能源出力的电网与天然气网络的安全裕度最大为目标构建。
其中，各时刻电力网络、天然气网络中相关设备的调度计划包括：各时刻天然气网络中各气源的天然气消耗量、各储气单元的天然气存储量和各节点处需求响应气负荷可中断量，以及各时刻电网中各常规发电机组的有功功率、各节点可中断电力有功负荷、各微电网聚合器的有功功率和各新能源机组的弃风/弃光功率。
电网与气网协调运行调度策略确定系统详细结构如图9所示。
其中，调度计划模块包括：初始化单元、优化单元和选择单元；
初始化单元，用于随机初始化多个物体的位置，每个物体的位置分别对应一个电力网络和天然气网络协调运行的调度计划并计算各物体的适应度函数的值；
优化单元，用于以物体的适应度函数的值作为物体的质量，以天然气网络约束为约束条件，以调度计划中的各时刻天然气网络中各气源的天然气消耗量、各储气单元的天然气存储量、各节点处需求响应气负荷可中断量和各时刻电网中各节点可中断电力有功负荷为决策变量，采用引力搜索算法对各物体的位置进行更新并计算适应度函数的值，并在采用引力搜索算法的更新过程中，基于各物体的位置，以电网运行成本最小为目标，以电力网络约束为约束条件，以调度计划中的各时刻电网中各常规发电机组的有功功率、各微电网聚合器的有功功率和各新能源机组的弃风/弃光功率为决策变量，采用原始对偶内点法对各物体的位置对应的调度计划进行优化，直到达到引力搜索算法的停止标准；
选择单元，用于获取当前全部物体的位置对应的调度计划中的有效解并采用模糊决策方法在有效解中选择最佳的调度计划；
其中，适应度函数为物体对应的调度计划中电网和天然气网络的运行成本。
其中，采用模糊决策方法在有效解中选择最佳的调度计划，包括：
分别计算有效解中各调度计划对应的各目标函数值，并对各调度计划对应的各目标函数值用模糊隶属度函数进行归一化；
根据归一化后的各目标函数值，分别计算有效解中各调度计划的总偏好度；
选择总偏好度最大的调度计划作为最佳的调度计划。
其中，总偏好度的计算式如下：
Figure BDA0003009445350000141
式中，μv表示一个调度计划的第v个目标函数值的归一化结果，ωv表示第v个目标函数的权重。
其中，用模糊隶属度函数进行归一化的计算式如下：
Figure BDA0003009445350000142
式中，μv表示第v个目标函数值的归一化结果，Fv表示归一化前的第v个目标函数值，
Figure BDA0003009445350000143
表示第v个目标函数值归一化前的最小值，
Figure BDA0003009445350000144
表示第v个目标函数值归一化前的最大值。
电网与气网协调运行调度策略确定系统还包括用于建立电网与气网协调运行调度模型的建模模块；建模模块具体用于：
满足调度时期内各时刻的新能源预测出力、预测电负荷和气负荷数据，分别以电网和天然气网络的运行成本最小、电网安全的裕度最大以及天然气网络的安全裕度最大为目标构建多个目标函数；
为各目标函数建立电力网络约束和天然气网络约束作为约束条件，构建电网与气网协调运行调度模型，得到调度时期各时刻电力网络和天然气网络中相关设备的调度计划。
其中，电网和天然气网络的运行成本最小的目标函数的计算式如下：
F1＝CP+CNG
式中，F1为电网和天然气网络的运行成本最小的目标函数值，CP表示电网的运行成本，CNG表示天然气网络的运行成本；
电网的运行成本CP的计算式如下：
Figure BDA0003009445350000145
式中，T表示调度时期总长度；t表示时刻；u表示常规发电机组，m表示微电网聚合器；k表示新能源机组；NM为电力网络中连接的微电网聚合器数量；NU为电力网络中常规发电机组数量；NK为电力网络中新能源发电机组数量；PGu,t为t时刻常规发电机组u的有功功率；ρEu,t为t时刻常规发电机组u的单位发电成本；PMAm,t为t时刻微电网聚合器m的发电功率；ρEm,t为t时刻微电网聚合器m的单位发电成本；
Figure BDA0003009445350000151
为t时刻的弃风/弃光惩罚费用系数；
Figure BDA0003009445350000152
为t时刻新能源机组k的弃风/弃光功率；
天然气网络的运行成本CNG的计算式如下：
Figure BDA0003009445350000153
式中，w表示气源；s表示储气单元；NW为气源数量；NS为储气单元数量；GPw,t为t时刻气源w的天然气消耗量；ρWw,t为t时刻气源w的单位生产成本；SVs,t为t时刻储气单元s的天然气存储量；ρSs,t为t时刻储气单元s的单位储存成本。
其中，电网安全的裕度最大的目标函数的计算式如下：
Figure BDA0003009445350000154
式中，F2表示电网安全的裕度最大的目标函数值，T表示调度时期总长度；t表示时刻；n表示电力网络的节点；NB表示电力网络的节点数；Vn,t为t时刻节点n的电压实际值；
Figure BDA0003009445350000155
为节点n的电压参考值。
其中，天然气网络的安全裕度最大的目标函数的计算式如下：
Figure BDA0003009445350000156
式中，F3表示天然气网络安全的裕度最大的目标函数值；Nm表示天然气网络的节点数；m’和m分别表示天然气网络的节点；GFm′m表示以m’和m为端点的天然气管道m′m的实际流量；
Figure BDA0003009445350000157
表示以m和m’为端点的天然气管道m′m的额定流量。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本发明后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。

Claims (11)

1.一种电网与气网协调运行调度策略确定方法，其特征在于，包括：
获取各时刻的新能源预测出力、预测电负荷和气负荷数据；
将所述新能源预测出力、预测电负荷和气负荷的数据输入预先建立的电网与气网协调运行调度模型，采用混合引力搜索算法和原始对偶内点法进行求解，得到调度时期内各时刻电力网络和天然气网络中相关设备的调度计划；
其中，所述电网与气网协调运行调度模型基于新能源预测出力、预测电负荷和气负荷数据，以考虑新能源出力的电网和天然气网络的运行成本最小以及考虑新能源出力的电网与天然气网络的安全裕度最大为目标构建。
2.如权利要求1所述的方法，其特征在于，所述各时刻电力网络、天然气网络中相关设备的调度计划包括：各时刻天然气网络中各气源的天然气消耗量、各储气单元的天然气存储量和各节点处需求响应气负荷可中断量，以及各时刻电网中各常规发电机组的有功功率、各节点可中断电力有功负荷、各微电网聚合器的有功功率和各新能源机组的弃风/弃光功率。
3.如权利要求2所述的方法，其特征在于，所述采用混合引力搜索算法和原始对偶内点法进行求解，得到调度时期内各时刻电力网络和天然气网络中相关设备的调度计划，包括：
随机初始化多个物体的位置，每个物体的位置分别对应一个电力网络和天然气网络协调运行的调度计划并计算各物体的适应度函数的值；
以物体的适应度函数的值作为物体的质量，以天然气网络约束为约束条件，以调度计划中的各时刻天然气网络中各气源的天然气消耗量、各储气单元的天然气存储量、各节点处需求响应气负荷可中断量和各时刻电网中各节点可中断电力有功负荷为决策变量，采用引力搜索算法对各物体的位置进行更新并计算适应度函数的值，并在采用引力搜索算法的更新过程中，基于各物体的位置，以电网运行成本最小为目标，以电力网络约束为约束条件，以调度计划中的各时刻电网中各常规发电机组的有功功率、各微电网聚合器的有功功率和各新能源机组的弃风/弃光功率为决策变量，采用原始对偶内点法对各物体的位置对应的调度计划进行优化，直到达到引力搜索算法的停止标准；
获取当前全部物体的位置对应的调度计划中的有效解并采用模糊决策方法在有效解中选择最佳的调度计划；
其中，所述适应度函数为物体对应的调度计划中电网和天然气网络的运行成本。
4.如权利要求3所述的方法，其特征在于，所述采用模糊决策方法在有效解中选择最佳的调度计划，包括：
分别计算有效解中各调度计划对应的各目标函数值，并对各调度计划对应的各目标函数值用模糊隶属度函数进行归一化；
根据归一化后的各目标函数值，分别计算有效解中各调度计划的总偏好度；
选择总偏好度最大的调度计划作为最佳的调度计划。
5.如权利要求4所述的方法，其特征在于，所述总偏好度的计算式如下：
Figure FDA0003009445340000021
式中，μv表示一个调度计划的第v个目标函数值的归一化结果，ωv表示第v个目标函数的权重。
6.如权利要求4所述的方法，其特征在于，所述用模糊隶属度函数进行归一化的计算式如下：
Figure FDA0003009445340000022
式中，μv表示第v个目标函数值的归一化结果，Fv表示归一化前的第v个目标函数值，
Figure FDA0003009445340000023
表示第v个目标函数值归一化前的最小值，
Figure FDA0003009445340000024
表示第v个目标函数值归一化前的最大值。
7.如权利要求1所述的方法，其特征在于，所述电网与气网协调运行调度模型的建立，包括：
满足调度时期内各时刻的新能源预测出力、预测电负荷和气负荷数据，分别以电网和天然气网络的运行成本最小、电网安全的裕度最大以及天然气网络的安全裕度最大为目标构建多个目标函数；
为各目标函数建立电力网络约束和天然气网络约束作为约束条件，构建电网与气网协调运行调度模型，得到调度时期各时刻电力网络和天然气网络中相关设备的调度计划。
8.如权利要求7所述的方法，其特征在于，所述电网和天然气网络的运行成本最小的目标函数的计算式如下：
F1＝CP+CNG
式中，F1为电网和天然气网络的运行成本最小的目标函数值，CP表示电网的运行成本，CNG表示天然气网络的运行成本；
电网的运行成本CP的计算式如下：
Figure FDA0003009445340000031
式中，T表示调度时期总长度；t表示时刻；u表示常规发电机组，m表示微电网聚合器；k表示新能源机组；NM为电力网络中连接的微电网聚合器数量；NU为电力网络中常规发电机组数量；NK为电力网络中新能源发电机组数量；PGu,t为t时刻常规发电机组u的有功功率；ρEu,t为t时刻常规发电机组u的单位发电成本；PMAm,t为t时刻微电网聚合器m的发电功率；ρEm,t为t时刻微电网聚合器m的单位发电成本；
Figure FDA0003009445340000032
为t时刻的弃风/弃光惩罚费用系数；
Figure FDA0003009445340000033
为t时刻新能源机组k的弃风/弃光功率；
天然气网络的运行成本CNG的计算式如下：
Figure FDA0003009445340000034
式中，w表示气源；s表示储气单元；NW为气源数量；NS为储气单元数量；GPw,t为t时刻气源w的天然气消耗量；ρWw,t为t时刻气源w的单位生产成本；SVs,t为t时刻储气单元s的天然气存储量；ρSs,t为t时刻储气单元s的单位储存成本。
9.如权利要求7所述的方法，其特征在于，所述电网安全的裕度最大的目标函数的计算式如下：
Figure FDA0003009445340000035
式中，F2表示电网安全的裕度最大的目标函数值，T表示调度时期总长度；t表示时刻；n表示电力网络的节点；NB表示电力网络的节点数；Vn,t为t时刻节点n的电压实际值；
Figure FDA0003009445340000036
为节点n的电压参考值。
10.如权利要求7所述的方法，其特征在于，所述天然气网络的安全裕度最大的目标函数的计算式如下：
Figure FDA0003009445340000037
式中，F3表示天然气网络安全的裕度最大的目标函数值；Nm表示天然气网络的节点数；m’和m分别表示天然气网络的节点；GFm′m表示以m’和m为端点的天然气管道m′m的实际流量；
Figure FDA0003009445340000041
表示以m和m’为端点的天然气管道m′m的额定流量。
11.一种电网与气网协调运行调度策略确定系统，其特征在于，包括：预测模块与调度计划模块；
所述预测模块，用于获取各时刻的新能源预测出力、预测电负荷和气负荷数据；
所述调度计划模块，用于将所述新能源预测出力、预测电负荷和气负荷的数据输入预先建立的电网与气网协调运行调度模型，采用混合引力搜索算法和原始对偶内点法进行求解，得到调度时期内各时刻电力网络和天然气网络中相关设备的调度计划；
其中，所述电网与气网协调运行调度模型基于新能源预测出力、预测电负荷和气负荷数据，以考虑新能源出力的电网和天然气网络的运行成本最小以及考虑新能源出力的电网与天然气网络的安全裕度最大为目标构建。
CN202110371373.XA 2021-04-07 2021-04-07 一种电网与气网协调运行调度策略确定方法和系统 Pending CN113344316A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110371373.XA CN113344316A (zh) 2021-04-07 2021-04-07 一种电网与气网协调运行调度策略确定方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110371373.XA CN113344316A (zh) 2021-04-07 2021-04-07 一种电网与气网协调运行调度策略确定方法和系统

Publications (1)

Publication Number Publication Date
CN113344316A true CN113344316A (zh) 2021-09-03

Family

ID=77467851

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110371373.XA Pending CN113344316A (zh) 2021-04-07 2021-04-07 一种电网与气网协调运行调度策略确定方法和系统

Country Status (1)

Country Link
CN (1) CN113344316A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117474263A (zh) * 2023-11-09 2024-01-30 北京航天拓扑高科技有限责任公司 一种基于燃气负荷预测的执行设备调度方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117474263A (zh) * 2023-11-09 2024-01-30 北京航天拓扑高科技有限责任公司 一种基于燃气负荷预测的执行设备调度方法

Similar Documents

Publication Publication Date Title
Reynolds et al. Operational supply and demand optimisation of a multi-vector district energy system using artificial neural networks and a genetic algorithm
Wang et al. Energy management and optimization of vehicle-to-grid systems for wind power integration
Bornapour et al. Optimal coordinated scheduling of combined heat and power fuel cell, wind, and photovoltaic units in micro grids considering uncertainties
Ju et al. A two-stage optimal coordinated scheduling strategy for micro energy grid integrating intermittent renewable energy sources considering multi-energy flexible conversion
Salazar et al. Energy management of islanded nanogrids through nonlinear optimization using stochastic dynamic programming
Sharma et al. A critical and comparative review of energy management strategies for microgrids
CN107239847A (zh) 一种主动配电网储能系统动态规划方法
Song et al. Economic-environmental equilibrium-based bi-level dispatch strategy towards integrated electricity and natural gas systems
Cheng et al. A particle swarm optimization based power dispatch algorithm with roulette wheel re-distribution mechanism for equality constraint
CN112636331B (zh) 智能电网的动态经济调度分布式优化方法及系统
Li et al. Energy hub-based optimal planning for integrated energy systems considering part-load characteristics and synergistic effect of equipment
Zhong et al. An orderly EV charging scheduling method based on deep learning in cloud-edge collaborative environment
CN106712060B (zh) 一种基于多代理的百兆瓦级电池储能系统控制方法及系统
CN112510690B (zh) 考虑风火储联合和需求响应奖惩的优化调度方法及系统
CN113344316A (zh) 一种电网与气网协调运行调度策略确定方法和系统
Ren et al. Bayesian network based real-time charging scheduling of electric vehicles
CN116613743A (zh) 一种多类型储能与负荷侧灵活性资源联合规划方法及装置
Sangob et al. Optimal sequential distribution planning for low-voltage network with electric vehicle loads
Yu et al. Application of fuzzy spiking neural dP systems in energy coordinated control of multi-microgrid
Salazar et al. Optimum energy management of islanded nanogrids through nonlinear stochastic dynamic programming
CN108418213B (zh) 一种基于源荷互动电力系统调度的方法
Banerjee et al. Chaotic simplex moth swarm algorithm for optimization of alternative energy integrated power grid including static synchronous series compensator
Gnanaprakasam et al. An efficient MFM-TFWO approach for unit commitment with uncertainty of DGs in electric vehicle parking lots
Zhao et al. Two-stage Robust Stochastic Optimal Dispatch of Regional Integrated Energy System Considering Renewable Energy and Load Uncertainty
Wei et al. Multi‐objective optimal configuration of stand‐alone microgrids based on Benders decomposition considering power supply reliability

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