CN113675894B - 主动配电网云边协同调控方法、装置和终端设备 - Google Patents

主动配电网云边协同调控方法、装置和终端设备 Download PDF

Info

Publication number
CN113675894B
CN113675894B CN202110851674.2A CN202110851674A CN113675894B CN 113675894 B CN113675894 B CN 113675894B CN 202110851674 A CN202110851674 A CN 202110851674A CN 113675894 B CN113675894 B CN 113675894B
Authority
CN
China
Prior art keywords
distribution network
time
electric energy
power distribution
energy storage
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.)
Active
Application number
CN202110851674.2A
Other languages
English (en)
Other versions
CN113675894A (zh
Inventor
梁纪峰
曾四鸣
范辉
李铁成
罗蓬
王磊
傅本栋
吴赋章
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
Wuhan University WHU
Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd
State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Wuhan University WHU
Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd
State Grid Hebei 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, Wuhan University WHU, Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd, State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110851674.2A priority Critical patent/CN113675894B/zh
Publication of CN113675894A publication Critical patent/CN113675894A/zh
Application granted granted Critical
Publication of CN113675894B publication Critical patent/CN113675894B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • 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
    • 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
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例涉及电力系统运行技术领域，公开了一种主动配电网云边协同调控方法、装置和终端设备。上述主动配电网云边协同调控方法包括：根据配电网内电能交互关系，确定配电网云边协同体系架构；根据分布式光伏台区运行规则，构建台区优化调控模型；基于台区优化调控模型和配电网云边协同体系架构，构建主动配电网云边协同调控模型；云端接收电能数据和初步计算结果，并根据电能数据和初步计算结果，对主动配电网云边协同调控模型进行训练，输出模型优化结果；电能数据为台区采集并进行预处理的电能数据，初步计算结果为台区对电能数据进行初步计算的结果；云端根据模型优化结果，向各台区发送调控指令，各台区根据调控指令调整台区内电能出力和储存。

Description

主动配电网云边协同调控方法、装置和终端设备
技术领域
本发明涉及电力系统运行技术领域，具体涉及一种主动配电网云边协同调控方法、装置和终端设备。
背景技术
光伏作为一种新型清洁能源，近些年广泛应用于电力系统中。在国家政策的大力扶持下，我国光伏装机容量短期内迅猛增长，新能源代替传统能源已经成为未来能源的发展趋势。然而，由于光伏、风电等新能源出力具有波动性和随机性的特点，高比例新能源接入电网势必给电力系统优化调控带来巨大挑战。同时，随着高渗透率分布式光伏接入配电网，如何实现对配电网内部资源的主动管理与调控，保障配电网安全经济运行也成为了亟待解决的关键问题。
国内外针对智能电网框架下的主动配电网运行优化研究取得了突出进展，主要集中在多场景技术和区域协调控制方法。在多场景技术上，采用包含日前调控和实时调控的主动配电系统两步优化调控模型；在区域协调控制方法上，将主动配电网进行区域划分，并在每个区域中配置协调控制器进行区域自动控制，该调控方式为统一调控方式。然而，随着国家电力体制改革的持续推进，用户侧分布式电源市场逐步开放，配电网中大量的分布式电源由新能源供应商投资建设，形成了独立的调控单元。因此，上述研究工作均以配电网对分布式电源拥有绝对调控权为基础，无法实现分布式能源配电网云端和边端电能协同调控。
发明内容
有鉴于此，本发明实施例提供了一种主动配电网云边协同调控方法，以实现分布式能源配电网云端和边端电能协同调控。
为达到上述目的，本发明采用如下技术方案：
第一方面，本发明实施例提供了一种主动配电网云边协同调控方法，包括：根据配电网内电能交互关系，确定配电网云边协同体系架构；根据分布式光伏台区运行规则，构建台区优化调控模型；基于所述台区优化调控模型和所述配电网云边协同体系架构，构建主动配电网云边协同调控模型；云端接收电能数据和初步计算结果，并根据所述电能数据和所述初步计算结果，对所述主动配电网云边协同调控模型进行训练，输出模型优化结果；所述电能数据为台区采集并进行预处理的电能数据，所述初步计算结果为台区对所述电能数据进行初步计算的结果；所述云端根据所述模型优化结果，向各台区发送调控指令，各台区接收所述调控指令并根据所述调控指令调整台区内电能出力和储存。
基于第一方面，在一些实施例中，所述根据分布式光伏台区运行规则，构建台区优化调控模型，包括：根据分布式光伏台区运行规则，以台区最小运行成本函数为目标函数，基于目标函数对应的约束条件，构建台区优化调控模型；所述台区最小运行成本函数的表达式为：
其中，为t时刻的售电电价，/>为t时刻的购电电价，/>分别为第i个台区在t时刻的售电净负荷和购电净负荷，/>为第i个台区在t时刻的用电量，/>为负荷用电效益系数，Ci为第i个台区在H小时内的总运行效益；根据台区购售电规则，所述台区最小运行成本函数对应的约束条件包括：等式约束：
不等式约束：
其中，和/>分别为第i个台区在t时刻的最大购电净负荷和最大售电净负荷，/>为1、/>为0表示边端仅有购电需求，/>为0、/>为1表示边端仅有售电需求。
基于第一方面，在一些实施例中，所述基于所述台区优化调控模型和所述配电网云边协同体系架构，构建主动配电网云边协同调控模型，包括：基于台区外部的储能系统建立约束条件，所述约束条件包括储能功率平衡约束，储能充放电量上下限约束、储能容量平衡约束和储能容量上下限约束；基于所述台区优化调控模型和所述配电网云边协同体系架构确定系统运营商和台区运营商的效益计算函数，将所述系统运营商和台区运营商的效益计算函数作为主动配电网云边协同调控模型的目标函数，以储能功率平衡约束、储能充放电量上下限约束、储能容量平衡约束和储能容量上下限约束作为所述目标函数的约束条件，构建主动配电网云边协同调控模型。
基于第一方面，在一些实施例中，所述基于所述台区优化调控模型和所述配电网云边协同体系架构确定系统运营商和台区运营商的效益计算函数，包括：系统运营商在t时刻售电至台区的售电量为：/>其中，/>为第i个台区在t时刻的购电量；系统运营商在t时刻从台区收购的购电量/>为：/>其中，/>为第i个台区在t时刻的售电量；令/>得出系统运营商在t时刻的效益计算函数为：当ΔEt>0时：当ΔEt≤0时：/>其中，/>为t时刻的售电电价，/>为t时刻的购电电价，/>为t时刻的售电电价，/>为t时刻的购电电价，为系统运营商在t时刻售电至台区的售电量，/>为系统运营商在t时刻从台区收购的购电量，Ct为系统运营商在t时刻的效益；以/>表示第j个储能系统在t时刻的储能充放电功率，电能缺额的台区按照所述系统运营商发布的指令从储能单元或电能富余的台区中获得电能，令/> 分别为第i个台区在t时刻的售电净负荷和购电净负荷，/>为第i个台区在t时刻的用电量；当/>时，台区为电能缺额台区，当时，台区为电能富余台区；电能缺额台区运营商在t时刻的效益计算函数为：
其中，k为储能运行效益系数；电能富余台区运营商在t时刻的效益计算函数为：
基于第一方面，在一些实施例中，所述储能功率平衡约束为：
其中，和/>分别为第j个储能系统在t时刻的充、放电功率，ηch,j和ηdis,j分别为第j个储能系统的充、放电效率；所述储能充放电量上下限约束为：
其中，和/>分别为第j个储能系统的最小和最大充、放电功率；所述储能容量平衡约束为：
其中，为第j个储能系统在t时刻的容量；所述储能容量上下限约束为：
其中，和/>为第j个储能系统的容量下限和容量上限。
基于第一方面，在一些实施例中，所述台区采集并对电能数据进行预处理和初步计算，包括：在台区设置边缘节点，在所述边缘节点下层设置智能终端采集设备，通过所述智能终端采集设备监测和采集电能数据，并对所述电能数据进行预处理，所述预处理包括对所述电能数据进行解析和存储，同时利用全连接卷积神经网络对解析后的电能数据进行初步计算，所述全连接卷积神经网络为：
其中，Ll+1＝L，b为偏差量，Zl和Zl+1表示第l+1层的卷积输入和输出，Ll+1为Zl+1的尺寸，K为卷积输入和输出的通道数；所述智能终端采集设备将所述初步计算结果上传至所述边缘节点上层，所述边缘节点将所述初步计算结果和所述电能数据返回系统运营商。
基于第一方面，在一些实施例中，所述云端根据所述电能数据和所述初步计算结果，对所述主动配电网云边协同调控模型进行训练，输出模型优化结果，包括：根据算法的时间复杂度和空间复杂度对所述初步计算结果所使用的算法进行分析，确定所述算法是否满足要求，若不满足要求则对算法进行改进，最终确定满足所述主动配电网云边协同调控模型运算要求的算法；通过所述算法对主动配电网云边协同调控模型进行训练，输出最终的模型优化结果。
第二方面，本发明实施例提供了一种主动配电网云边协同调控装置，其特征在于，包括：体系架构模块，用于根据配电网内电能交互关系，确定配电网云边协同体系架构；第一模型构建模块，用于根据分布式光伏台区运行规则，构建台区优化调控模型；第二模型构建模块，用于基于所述台区优化调控模型和所述配电网云边协同体系架构，构建主动配电网云边协同调控模型；模型运算模块，用于云端接收电能数据和初步计算结果，并根据所述电能数据和所述初步计算结果，对所述主动配电网云边协同调控模型进行训练，输出模型优化结果；所述电能数据为台区采集并进行预处理的电能数据，所述初步计算结果为台区对所述电能数据进行初步计算的结果；优化调控模块，用于所述云端根据所述模型优化结果，向各台区发送调控指令，各台区接收所述调控指令并根据所述调控指令调整台区内电能出力和储存。
第三方面，本发明实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述主动配电网云边协同调控方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述主动配电网云边协同调控方法的步骤。
本发明实施例中提供的主动配电网云边协同调控方法可有效解决分布式光伏台区独立调控权力及其作为独立利益主体时与配电网的利益冲突。通过建立主动配电网云边协同调控模型，实现了云端与边端的协同优化。通过边端数据采集和云端实时计算更新，根据模型的运算结果平衡分布式光伏台区的出力偏差，保障了配电网整体的电力供应，达到云端和边端利益最优化。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的主动配电网云边协同调控方法的流程示意图；
图2是本发明实施例提供的配电网云边协同体系架构的示意图；
图3是本发明实施例提供的主动配电网云边协同调控装置结构示意图；
图4是本发明实施例提供的终端设备的示意图。
具体实施方式
下面结合具体实施例对本发明进行更清楚的说明。以下实施例将有助于本领域的技术人员进一步理解本发明的作用，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
本发明实施例提供的一种主动配电网云边协同调控方法，如图1所示，该主动配电网云边协同调控方法可以包括步骤101至步骤105。
步骤101：根据配电网内电能交互关系，确定配电网云边协同体系架构。
如图2所示，根据分布式光伏台区、系统运营商、台区运营商和配电网之间的电能交互关系，确定配电网云边协同体系架构。在配电网云边协同体系架构中，每个分布式光伏台区作为边端，除向自身负荷供电外还与主动配电网存在能量交换，其拥有对台区内部资源独立的调控权，以自身运行成本最小为优化调控目标；同时，系统运营商作为云端，由于整个多台区系统存在总购电需求和总售电需求，在上网电价远低于购电电价的背景下，当购电需求与售电需求不等时，云端既可以通过与大电网交易电量来满足需求响应，也可以从有售电需求的台区运营商收购电量再售至有购电需求的台区运营商。
步骤102：根据分布式光伏台区运行规则，构建台区优化调控模型
根据分布式光伏台区运行规则，分布式光伏台区内部电价以电网电价为基准，以台区自身最小运行成本函数为目标函数，基于目标函数对应的约束条件，构建台区优化调控模型。
配电网设置的售电电价PdnS和购电电价PdnB为：
t时刻的售电电价应大于供电电价，其中为t时刻的售电电价，/>为t时刻的购电电价：
构建如下最小运行成本函数，影响因素包括台区内用户的用电效益和分布式光伏台区运营商的售电净收益：
其中，为t时刻的售电电价，/>为t时刻的购电电价，/>分别为第i个台区在t时刻的售电净负荷和购电净负荷，/>为第i个台区在t时刻的用电量，/>为负荷用电效益系数，Ci为第i个台区在H小时内的总运行效益。
根据台区购售电规则，上述最小运行成本函数的约束条件包括：
等式约束：
不等式约束：
其中，和/>分别为第i个台区在t时刻的最大购电净负荷和最大售电净负荷，/>为1、/>为0表示边端仅有购电需求，反之则表示边端仅有售电需求。
在日前优化调控阶段，可根据台区优化调控模型计算得到台区购售电需求、分布式光伏出力情况和用电负荷情况的历史参考数据，为日内阶段的主动配电网云边协同调控模型提供参考数据支撑。
步骤103：基于台区优化调控模型和配电网云边协同体系架构，构建主动配电网云边协同调控模型。
日内优化调控阶段，受天气等因素的影响，光伏发电的随机性和波动性无法忽略，故在日内运行阶段往往存在出力偏差。一般来说，云边协同技术分为三种模式：训练—计算的云边协同、云导向的云边协同和边端导向的云边协同。本方法采用训练—计算的云边协同技术，云端根据边端上传的数据对优化调控模型进行训练、计算迭代和更新，边端负责实时采集数据。该阶段，作为云端的系统运营商可自行制定适当的台区内部电价，台区运营商根据内部电价调整计划出力，同时，基于训练—计算的云边协同技术，作为边端的台区负责实时监测台区内部的电能数据，并上传至云端，云端根据电能数据对优化调控模型进行训练、迭代和更新，根据优化调控结果，向电能富余的台区或储能单元发送指令，使得电能缺额的台区能够及时恢复出力。
首先，基于台区外部的储能系统建立约束条件，约束条件包括储能功率平衡约束、储能充放电量上下限约束、储能容量平衡约束和储能容量上下限约束；
将系统运营商和台区运营商的效益计算函数作为主动配电网云边协同调控模型的目标函数，以储能功率平衡约束、储能充放电量上下限约束、储能容量平衡约束和储能容量上下限约束作为目标函数的约束条件，构建主动配电网云边协同调控模型。
系统运营商设置的台区内部售电电价PS和购电电价PB为：
t时刻的售电电价应大于供电电价，其中为t时刻的售电电价，/>为t时刻的购电电价：
由系统运营商在t时刻售电至台区的售电量为：
其中，为第i个台区在t时刻的购电量。
由系统运营商在t时刻从台区收购的购电量为：
其中，为第i个台区在t时刻的售电量。
令则可得出日内阶段系统运营商在t时刻的效益计算函数为：
当ΔEt>0时：
当ΔEt≤0时：
其中，为t时刻的售电电价，/>为t时刻的购电电价，/>为t时刻的售电电价，为t时刻的购电电价，/>为系统运营商在t时刻售电至台区的售电量，/>为系统运营商在t时刻从台区收购的购电量，Ct为系统运营商在t时刻的效益。
考虑台区外部的储能系统，以表示第j个储能系统在t时刻的储能充放电功率，根据训练—计算的云边协同技术，电能缺额的台区会按照系统运营商发布的指令从储能单元或电能富余的台区中获得电能，令/>当/>时，台区为电能缺额台区，当/>时，台区为电能富余台区。此时，电能缺额台区运营商在t时刻的效益计算函数变为：
其中，k为储能运行效益系数；
电能富余台区运营商在t时刻的效益计算函数变为：
外部储能系统需满足如下约束条件：
储能功率平衡约束：
其中，和/>分别为第j个储能系统在t时刻的充、放电功率，ηch,j和ηdis,j分别为第j个储能系统的充、放电效率。
储能充放电量上下限约束：
其中，和/>分别为第j个储能系统的最小和最大充、放电功率。
储能容量平衡约束：
其中，为第j个储能系统在t时刻的容量。
储能容量上下限约束：
其中，和/>为第j个储能系统的容量下限和容量上限。
步骤104：台区实时监测和采集电能数据，对电能数据进行预处理和初步计算并上传至云端，云端根据电能数据，对主动配电网云边协同调控模型进行训练、迭代和更新，输出模型优化结果。
台区与台区之间可等效为一系列的边缘节点，在云端将模型进行分割，同时下沉至相应台区的边缘节点，在边缘节点的下层布局适当的智能终端采集设备，该设备可监测和采集电能数据，并对采集到的台区及储能系统的电能数据进行预处理，在预处理的过程中可对相关数据进行解析和存储，同时利用如下全连接卷积神经网络进行初步计算：
其中，Ll+1＝L，b为偏差量，Zl和Zl+1表示第l+1层的卷积输入和输出，Ll+1为Zl+1的尺寸，K为卷积输入和输出的通道数。
计算结果通过全连接卷积神经网络输出并通过光纤、5G等通信技术以报文的方式上传至上层的边缘节点，边缘节点将计算结果返回系统运营商。作为云端的系统运营商可以参考边缘节点的初步计算结果，同时云端中心的专业人员会对相应算法的时间复杂度和空间复杂度进行分析，确定所述算法是否满足要求，若不满足要求则对算法进行改进，最终确定满足所述主动配电网云边协同调控模型运算要求的算法。在日内阶段的实时调控中，总是希望算法有尽可能大的时间效率，同时也希望算法临时占用的存储空间尽可能小，所以既需要分析算法的时间复杂度又需要分析算法的空间复杂度。
算法的时间复杂度可以通过算法中所有语句的频度之和T(n)来进行分析，T(n)是该算法问题规模n的函数，时间复杂度主要分析T(n)的数量级。算法中基本运算f(n)的频度与T(n)同数量级，因此通常采用算法中基本运算的频度f(n)来分析算法的时间复杂度(取f(n)中随n增长最快的项，将其系数置为1作为时间复杂度的度量。例如，f(n)＝an3+bn2+cn的时间复杂度为O(n3))。T(n)是f(n)的同阶无穷小量，算法的时间复杂度记为：
T(n)＝O(f(n)) (23)
O(f(n))表示随着问题规模的增大，算法执行时间的增长率和f(n)的增长率相同，故其称为算法的时间复杂度，仅通过算法数量级的比较，便能判断算法的执行效率；同理，算法的空间复杂度可以用下式表示：
S(n)＝O(g(n)) (24)
通过对算法在运行过程中临时占用存储空间大小量度，判断出算法的空间复杂度。
在每次训练的过程中，云端、边端、边缘节点均会重复计算算法时间复杂度和空间复杂度的过程，在确定适合的算法后，通过该算法对模型进行运算，求解出最终的模型优化结果。
步骤105：根据模型优化结果，云端向各台区发送调控指令，各台区接收调控指令并根据指令调整台区内电能出力和储存。
具体的，如上述训练-计算的主动配电网云边协同调控方法，作为边端的台区负责实时监测台区内部的电能数据，并上传至云端，云端根据电能数据和各项约束条件，对模型进行训练，根据优化调控结果，向电能富余的台区或储能单元发送指令，使得电能缺额的台区能够及时恢复出力。
具体的，作为云端的系统运营商从有售电需求的台区运营商收购电量再售至有购电需求的台区运营商，当购电与售电需求不等时，系统运营商通过与大电网交易电能来满足需求侧响应。在上网电价远低于购电电价的背景下，为了尽可能的使台区和系统的利益均达到最大化，系统运营商通过设置合理的内部电价，鼓励台区运营商参与电能交易，提升台区之间的能量共享水平，同时能够使得台区运营商的运行效益增加。
参见图3，本发明实施例提供了一种主动配电网云边协同调控装置30，包括：体系架构模块310、第一模型构建模块320、第二模型构建模块330、模型运算模块340和优化调控模块350。
体系架构模块310，用于根据配电网内电能交互关系，确定配电网云边协同体系架构。
第一模型构建模块320，用于根据分布式光伏台区运行规则，构建台区优化调控模型。
第二模型构建模块330，用于基于台区优化调控模型和配电网云边协同体系架构，构建主动配电网云边协同调控模型。
模型运算模块340，用于云端接收电能数据和初步计算结果，并根据所述电能数据和所述初步计算结果，对所述主动配电网云边协同调控模型进行训练，输出模型优化结果；所述电能数据为台区采集并进行预处理的电能数据，所述初步计算结果为台区对所述电能数据进行初步计算的结果。
优化调控模块350，用于所述云端根据所述模型优化结果，向各台区发送调控指令，各台区接收所述调控指令并根据所述调控指令调整台区内电能出力和储存。
图4是本发明一实施例提供的终端设备的示意图。如图4所示，该实施例的终端设备4包括：处理器40、存储器41以及存储在存储器41中并可在所述处理器40上运行的计算机程序42，例如主动配电网云边协同调控程序。所述处理器40执行所述计算机程序42时实现上述主动配电网云边协同调控方法实施例中的步骤，例如图1所示的步骤101至步骤105。或者，所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块310至350的功能。
示例性的，所述计算机程序42可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器41中，并由所述处理器40执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序42在所述终端设备4中的执行过程。例如，所述计算机程序42可以被分割成体系架构模块、第一模型构建模块、第二模型构建模块、模型运算模块和优化调控模块。
所述终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端设备4的示例，并不构成对终端设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端设备4的内部存储单元，例如终端设备4的硬盘或内存。所述存储器41也可以是所述终端设备4的外部存储设备，例如所述终端设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (7)

1.一种主动配电网云边协同调控方法，其特征在于，包括：
根据配电网内电能交互关系，确定配电网云边协同体系架构；根据分布式光伏台区运行规则，构建台区优化调控模型；基于所述台区优化调控模型和所述配电网云边协同体系架构，构建主动配电网云边协同调控模型；
云端接收电能数据和初步计算结果，并根据所述电能数据和所述初步计算结果，对所述主动配电网云边协同调控模型进行训练，输出模型优化结果；所述电能数据为台区采集并进行预处理的电能数据，所述初步计算结果为台区对所述电能数据进行初步计算的结果；
所述云端根据所述模型优化结果，向各台区发送调控指令，各台区接收所述调控指令并根据所述调控指令调整台区内电能出力和储存；
其中，所述根据分布式光伏台区运行规则，构建台区优化调控模型，包括：
根据分布式光伏台区运行规则，以台区最小运行成本函数为目标函数，基于目标函数对应的约束条件，构建台区优化调控模型；
所述台区最小运行成本函数的表达式为：
其中，为t时刻的售电电价，/>为t时刻的购电电价，/>分别为第i个台区在t时刻的售电净负荷和购电净负荷，/>为第i个台区在t时刻的用电量，/>为负荷用电效益系数，Ci为第i个台区在H小时内的总运行效益；
根据台区购售电规则，所述台区最小运行成本函数对应的约束条件包括：
等式约束：
不等式约束：
其中，和/>分别为第i个台区在t时刻的最大购电净负荷和最大售电净负荷，为1、/>为0表示边端仅有购电需求，/>为0、/>为1表示边端仅有售电需求；
所述基于所述台区优化调控模型和所述配电网云边协同体系架构，构建主动配电网云边协同调控模型，包括：
基于台区外部的储能系统建立约束条件，所述约束条件包括储能功率平衡约束，储能充放电量上下限约束、储能容量平衡约束和储能容量上下限约束；
基于所述台区优化调控模型和所述配电网云边协同体系架构确定系统运营商和台区运营商的效益计算函数，将所述系统运营商和台区运营商的效益计算函数作为主动配电网云边协同调控模型的目标函数，以储能功率平衡约束、储能充放电量上下限约束、储能容量平衡约束和储能容量上下限约束作为所述目标函数的约束条件，构建主动配电网云边协同调控模型；
所述基于所述台区优化调控模型和所述配电网云边协同体系架构确定系统运营商和台区运营商的效益计算函数，包括：
系统运营商在t时刻售电至台区的售电量为：
其中，为第i个台区在t时刻的购电量；
系统运营商在t时刻从台区收购的购电量为：
其中，为第i个台区在t时刻的售电量；
令得出系统运营商在t时刻的效益计算函数为：
当ΔEt>0时：
当ΔEt≤0时：
其中，为t时刻的售电电价，/>为t时刻的购电电价，/>为t时刻的售电电价，/>为t时刻的购电电价，/>为系统运营商在t时刻售电至台区的售电量，/>为系统运营商在t时刻从台区收购的购电量，Ct为系统运营商在t时刻的效益；
以表示第j个储能系统在t时刻的储能充放电功率，电能缺额的台区按照所述系统运营商发布的指令从储能单元或电能富余的台区中获得电能，令 分别为第i个台区在t时刻的售电净负荷和购电净负荷，/>为第i个台区在t时刻的用电量；
当时，台区为电能缺额台区，当/>时，台区为电能富余台区；电能缺额台区运营商在t时刻的效益计算函数为：
其中，k为储能运行效益系数；
电能富余台区运营商在t时刻的效益计算函数为：
2.如权利要求1所述的主动配电网云边协同调控方法，其特征在于，
所述储能功率平衡约束为：
其中，和/>分别为第j个储能系统在t时刻的充、放电功率，ηch,j和ηdis,j分别为第j个储能系统的充、放电效率；
所述储能充放电量上下限约束为：
其中，和/>分别为第j个储能系统的最小和最大充、放电功率；
所述储能容量平衡约束为：
其中，为第j个储能系统在t时刻的容量；
所述储能容量上下限约束为：
其中，和/>为第j个储能系统的容量下限和容量上限。
3.如权利要求1所述的主动配电网云边协同调控方法，其特征在于，所述台区采集并对电能数据进行预处理和初步计算，包括：
在台区设置边缘节点，在所述边缘节点下层设置智能终端采集设备，通过所述智能终端采集设备监测和采集电能数据，并对所述电能数据进行预处理，所述预处理包括对所述电能数据进行解析和存储，同时利用全连接卷积神经网络对解析后的电能数据进行初步计算，所述全连接卷积神经网络为：
其中，Ll+1＝L，b为偏差量，Zl和Zl+1表示第l+1层的卷积输入和输出，Ll+1为Zl+1的尺寸，K为卷积输入和输出的通道数；
所述智能终端采集设备将所述初步计算结果上传至所述边缘节点上层，所述边缘节点将所述初步计算结果和所述电能数据返回系统运营商。
4.如权利要求1所述的主动配电网云边协同调控方法，其特征在于，所述云端根据所述电能数据和所述初步计算结果，对所述主动配电网云边协同调控模型进行训练，输出模型优化结果，包括：
根据算法的时间复杂度和空间复杂度对所述初步计算结果所使用的算法进行分析，确定所述算法是否满足要求，若不满足要求则对算法进行改进，最终确定满足所述主动配电网云边协同调控模型运算要求的算法；通过所述算法对主动配电网云边协同调控模型进行训练，输出最终的模型优化结果。
5.一种主动配电网云边协同调控装置，其特征在于，包括：
体系架构模块，用于根据配电网内电能交互关系，确定配电网云边协同体系架构；
第一模型构建模块，用于根据分布式光伏台区运行规则，构建台区优化调控模型；
第二模型构建模块，用于基于所述台区优化调控模型和所述配电网云边协同体系架构，构建主动配电网云边协同调控模型；
模型运算模块，用于云端接收电能数据和初步计算结果，并根据所述电能数据和所述初步计算结果，对所述主动配电网云边协同调控模型进行训练，输出模型优化结果；所述电能数据为台区采集并进行预处理的电能数据，所述初步计算结果为台区对所述电能数据进行初步计算的结果；
优化调控模块，用于所述云端根据所述模型优化结果，向各台区发送调控指令，各台区接收所述调控指令并根据所述调控指令调整台区内电能出力和储存；
其中，第一模型构建模块，用于根据分布式光伏台区运行规则，以台区最小运行成本函数为目标函数，基于目标函数对应的约束条件，构建台区优化调控模型；
所述台区最小运行成本函数的表达式为：
其中，为t时刻的售电电价，/>为t时刻的购电电价，/>分别为第i个台区在t时刻的售电净负荷和购电净负荷，/>为第i个台区在t时刻的用电量，/>为负荷用电效益系数，Ci为第i个台区在H小时内的总运行效益；
根据台区购售电规则，所述台区最小运行成本函数对应的约束条件包括：
等式约束：
不等式约束：
其中，和/>分别为第i个台区在t时刻的最大购电净负荷和最大售电净负荷，为1、/>为0表示边端仅有购电需求，/>为0、/>为1表示边端仅有售电需求；
第二模型构建模块，用于基于台区外部的储能系统建立约束条件，所述约束条件包括储能功率平衡约束，储能充放电量上下限约束、储能容量平衡约束和储能容量上下限约束；
基于所述台区优化调控模型和所述配电网云边协同体系架构确定系统运营商和台区运营商的效益计算函数，将所述系统运营商和台区运营商的效益计算函数作为主动配电网云边协同调控模型的目标函数，以储能功率平衡约束、储能充放电量上下限约束、储能容量平衡约束和储能容量上下限约束作为所述目标函数的约束条件，构建主动配电网云边协同调控模型；
第二模型构建模块，还用于系统运营商在t时刻售电至台区的售电量为：
其中，为第i个台区在t时刻的购电量；
系统运营商在t时刻从台区收购的购电量为：
其中，为第i个台区在t时刻的售电量；
令得出系统运营商在t时刻的效益计算函数为：
当ΔEt>0时：
当ΔEt≤0时：
其中，为t时刻的售电电价，/>为t时刻的购电电价，/>为t时刻的售电电价，/>为t时刻的购电电价，/>为系统运营商在t时刻售电至台区的售电量，/>为系统运营商在t时刻从台区收购的购电量，Ct为系统运营商在t时刻的效益；
以表示第j个储能系统在t时刻的储能充放电功率，电能缺额的台区按照所述系统运营商发布的指令从储能单元或电能富余的台区中获得电能，令 分别为第i个台区在t时刻的售电净负荷和购电净负荷，/>为第i个台区在t时刻的用电量；
当时，台区为电能缺额台区，当/>时，台区为电能富余台区；电能缺额台区运营商在t时刻的效益计算函数为：
其中，k为储能运行效益系数；
电能富余台区运营商在t时刻的效益计算函数为：
6.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述主动配电网云边协同调控方法的步骤。
7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述主动配电网云边协同调控方法的步骤。
CN202110851674.2A 2021-07-27 2021-07-27 主动配电网云边协同调控方法、装置和终端设备 Active CN113675894B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110851674.2A CN113675894B (zh) 2021-07-27 2021-07-27 主动配电网云边协同调控方法、装置和终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110851674.2A CN113675894B (zh) 2021-07-27 2021-07-27 主动配电网云边协同调控方法、装置和终端设备

Publications (2)

Publication Number Publication Date
CN113675894A CN113675894A (zh) 2021-11-19
CN113675894B true CN113675894B (zh) 2023-09-26

Family

ID=78540366

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110851674.2A Active CN113675894B (zh) 2021-07-27 2021-07-27 主动配电网云边协同调控方法、装置和终端设备

Country Status (1)

Country Link
CN (1) CN113675894B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017000853A1 (zh) * 2015-06-30 2017-01-05 中国电力科学研究院 主动配电网多时间尺度协调优化调度方法和存储介质
CN110581571A (zh) * 2019-08-29 2019-12-17 昆明理工大学 一种主动配电网动态优化调度方法
CN111416394A (zh) * 2020-03-16 2020-07-14 国网河北省电力有限公司电力科学研究院 一种计及阻塞管理的交直流柔性配电网协调优化调度方法
CN111555370A (zh) * 2020-05-20 2020-08-18 云南电网有限责任公司电力科学研究院 一种基于云边协同的配电网分层协调调度方法及装置
CN112529276A (zh) * 2020-12-01 2021-03-19 国网湖北省电力有限公司电力科学研究院 一种互联微电网分层分布式优化调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017000853A1 (zh) * 2015-06-30 2017-01-05 中国电力科学研究院 主动配电网多时间尺度协调优化调度方法和存储介质
CN110581571A (zh) * 2019-08-29 2019-12-17 昆明理工大学 一种主动配电网动态优化调度方法
CN111416394A (zh) * 2020-03-16 2020-07-14 国网河北省电力有限公司电力科学研究院 一种计及阻塞管理的交直流柔性配电网协调优化调度方法
CN111555370A (zh) * 2020-05-20 2020-08-18 云南电网有限责任公司电力科学研究院 一种基于云边协同的配电网分层协调调度方法及装置
CN112529276A (zh) * 2020-12-01 2021-03-19 国网湖北省电力有限公司电力科学研究院 一种互联微电网分层分布式优化调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
主动配电网下分布式能源系统双层双阶段调度优化模型;曾鸣;彭丽霖;王丽华;李源非;程敏;孙辰军;;电力自动化设备(第06期);全文 *
考虑需求响应和边缘计算的配电网分布式优化调度;彭跃辉;韩建沛;刘念;;华北电力大学学报(自然科学版)(第04期);全文 *

Also Published As

Publication number Publication date
CN113675894A (zh) 2021-11-19

Similar Documents

Publication Publication Date Title
Cui et al. A two-stage robust energy sharing management for prosumer microgrid
Luo et al. Short‐term operational planning framework for virtual power plants with high renewable penetrations
Wang et al. Robust distributed optimization for energy dispatch of multi-stakeholder multiple microgrids under uncertainty
Zhang et al. Distributed online optimal energy management for smart grids
Zhang et al. Optimal bidding strategy and profit allocation method for shared energy storage-assisted VPP in joint energy and regulation markets
CN109447510B (zh) 基于scuc的中长期电量安全校核方法、装置及系统
Ghazvini et al. Coordination between mid-term maintenance outage decisions and short-term security-constrained scheduling in smart distribution systems
Veit et al. Simulating the dynamics in two-settlement electricity markets via an agent-based approach
CN112952908B (zh) 一种多合作微电网主体分布式协调交易方法
CN111864742B (zh) 一种主动配电系统扩展规划方法、装置及终端设备
Li et al. Two-stage community energy trading under end-edge-cloud orchestration
CN112953007A (zh) 配电网调度方法、装置及系统、处理器、电子设备
Yang et al. Network-constrained transactive control for multi-microgrids-based distribution networks with soft open points
Wang et al. A tri-level framework for distribution-level market clearing considering strategic participation of electrical vehicles and interactions with wholesale market
CN117595261A (zh) 光储微电网能量管理策略优化方法、装置及电子设备
CN113675894B (zh) 主动配电网云边协同调控方法、装置和终端设备
CN116862144A (zh) 一种基于双重博弈的多园区低碳调度方法及系统
CN116432862A (zh) 一种面向可再生能源微电网的多主体博弈优化方法及装置
CN115619431A (zh) 微电网的调度方法、装置、终端及存储介质
CN115360768A (zh) 基于muzero和深度强化学习的电力调度方法、装置及存储介质
CN115864364A (zh) 一种用户参与需求响应的运行策略规划方法及装置
Abdolahinia et al. Decentralized transactive energy market framework under network constraints to deal with technical issues in a radial distribution network
CN109038672A (zh) 一种平抑可再生能源波动的多目标鲁棒优化配置方法
Raker et al. Transactive Mitigation Of Variability In The Output Of 1 MW Photovoltaic Array Using Volttron TM
Zhang et al. Expanding the role of DSOs in establishing flexible local markets: A brokerage perspective

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