CN113688348A - 基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统 - Google Patents
基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统 Download PDFInfo
- Publication number
- CN113688348A CN113688348A CN202110804693.XA CN202110804693A CN113688348A CN 113688348 A CN113688348 A CN 113688348A CN 202110804693 A CN202110804693 A CN 202110804693A CN 113688348 A CN113688348 A CN 113688348A
- Authority
- CN
- China
- Prior art keywords
- user
- load
- time
- representing
- adjustment
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 238000004891 communication Methods 0.000 claims abstract description 15
- 230000005611 electricity Effects 0.000 claims abstract description 7
- 230000005284 excitation Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 25
- 239000000126 substance Substances 0.000 claims description 12
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 6
- 239000004576 sand Substances 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims 1
- 238000011217 control strategy Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
-
- 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
- H02J3/38—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
-
- 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
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统,所述方法包括获取电价激励下的可调负荷优化调控模型;根据用户参与状态将所述可调负荷优化调控模型转换为切换拓扑结构,进而获得拉格朗日函数;求解所述拉格朗日函数,得到全局最优解。本发明针对可控负荷中存在数量众多且分散的问题,充分考虑各可控负荷的动力学特性,基于分布式协调控制理论对其进行优化控制,同时,针对可控负荷的通信网络动态、拓扑切换等问题,将传统分布式控制策略发展到动态切换拓扑下的网络化分布式控制策略,解决了传统控制方法无法应对的网络拓扑动态切换的难题,实现了电力系统负荷侧的安全稳定控制。
Description
技术领域
本发明属于电力系统自动化的技术领域,具体涉及一种基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统。
背景技术
由于地方电网的发电容量较小且有较大的冲击负荷,无法仅仅依靠发电机来应对冲击负荷和新能源带来的调节和控制需求,需对负荷侧进行有效控制以抑制其波动性带来的影响。而可控负荷中存在数量众多且分散的问题,对于可控负荷的通信网络动态、拓扑切换等,传统控制方法具有很大的局限性。
发明内容
针对上述问题,本发明提出一种基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统,能够解决传统控制方法无法应对的网络拓扑动态切换的难题,实现了电力系统负荷侧的安全稳定控制。
为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
第一方面,本发明提供了一种基于动态网络切换拓扑的可控负荷分布式协调控制方法,包括:
获取电价激励下的可调负荷优化调控模型;
根据用户参与状态将所述可调负荷优化调控模型转换为切换拓扑结构,进而获得拉格朗日函数;
求解所述拉格朗日函数,得到全局最优解。
可选地,所述可调负荷优化调控模型的约束条件包括:
负荷调整约束:
参与调整状态约束:
负荷平衡约束:
可选地,所述可调负荷优化调控模型的优化目标为:
其中,C2表示负荷补偿成本函数,s代表第s个用户,Ns表示发电机的总个数,t为负荷调整时刻,T表示总的负荷调整时间,代表用户s在t时刻的参与调整状态,α1,t、α2,t、α3,t代表补偿因子,α1,t≠0,α2,t,代表t时刻用户参与调整的负荷量。
可选地,所述求解所述拉格朗日函数,得到全局最优,具体包括以下步骤:
而用户间的协调主要是通过控制变量γ来进行的,对于固定的时间段内某个特定的用户,表示为:
其中,γs(n+1)表示在n+1时刻用户s的控制变量,γs(n)表示在n时刻用户s的控制变量,ξs表示迭代步数,s′为用户s的邻居节点,表示用户通信拓扑的邻接矩阵,该矩阵随着参与状态的变化而动态转换,其中邻接矩阵A中的元素ass′也会影响着不同用户之间的通信关系,γs′(n)表示在n时刻用户s′的控制变量,对于任意一个用户s,如果其不参与负荷调整,也即意味着时,其邻居间的权重会动态调整得到:
其中,ass′表示用户s到用户s′之间的权重,as′s表示用户s′到用户s之间的权重,s′,s″是用户s的两个邻居节点,ass″表示用户s到用户s″之间的权重,as′s″表示用户s′到用户s″之间的权重;
不同消费者之间的协调用向量版本表示为:
γ(n+1)=γ(n)+BU(n)γ(n) (10)
将式(10)进行迭代,最终可得到全局一致稳定解。
第二方面,本发明提供了一种基于动态网络切换拓扑的可控负荷分布式协调控制装置,包括:
获取单元,用于获取电价激励下的可调负荷优化调控模型;
计算单元,用于根据用户参与状态将所述可调负荷优化调控模型转换为切换拓扑结构,进而获得拉格朗日函数;
求解单元,用于求解所述拉格朗日函数,得到全局最优解。
可选地,所述可调负荷优化调控模型的约束条件包括:
负荷调整约束:
参与调整状态约束:
负荷平衡约束:
可选地,所述可调负荷优化调控模型的优化目标为:
其中,C2表示负荷补偿成本函数,s代表第s个用户,Ns表示发电机的总个数,t为负荷调整时刻,T表示总的负荷调整时间,代表用户s在t时刻的参与调整状态,α1,t、α2,t、α3,t代表补偿因子,α1,t≠0,α2,t, 代表t时刻用户参与调整的负荷量。
可选地,所述求解所述拉格朗日函数,得到全局最优,具体包括以下步骤:
而用户间的协调主要是通过控制变量γ来进行的,对于固定的时间段内某个特定的用户,可以表示为:
其中,γs(n+1)表示在n+1时刻用户s的控制变量,γs(n)表示在n时刻用户s的控制变量,ξs表示迭代步数,s′为用户s的邻居节点,表示用户通信拓扑的邻接矩阵,该矩阵随着参与状态的变化而动态转换,其中邻接矩阵A中的元素ass′也会影响着不同用户之间的通信关系,γs′(n)表示在n时刻用户s′的控制变量,对于任意一个用户s,如果其不参与负荷调整,也即意味着时,其邻居间的权重会动态调整得到:
其中,ass′表示用户s到用户s′之间的权重,as′s表示用户s′到用户s之间的权重,s′,s″是用户s的两个邻居节点,ass″表示用户s到用户s″之间的权重,as′s″表示用户s′到用户s″之间的权重;
不同消费者之间的协调可以用向量版本表示为:
γ(n+1)=γ(n)+BU(n)γ(n) (10)
将式(10)进行迭代,最终可得到全局一致稳定解。
第三方面,本发明提供了一种基于动态网络切换拓扑的可控负荷分布式协调控制系统,包括:存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据第一方面中任一项所述的方法。
与现有技术相比,本发明的有益效果:
本发明针对可控负荷中存在数量众多且分散的问题,充分考虑各可控负荷的动力学特性,基于分布式协调控制理论对其进行优化控制,同时,针对可控负荷的通信网络动态、拓扑切换等问题,将传统分布式控制策略发展到动态切换拓扑下的网络化分布式控制策略,解决了传统控制方法无法应对的网络拓扑动态切换的难题,实现了电力系统负荷侧的安全稳定控制。
附图说明
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明,其中:
图1为本发明一种实施例的基于动态网络切换拓扑的可控负荷分布式协调控制的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
本发明提供了一种基于动态网络切换拓扑的可控负荷分布式协调控制方法,如图1所示,具体包括以下步骤:
(1)获取电价激励下的可调负荷优化调控模型;
(2)根据用户参与状态将所述可调负荷优化调控模型转换为切换拓扑结构,进而获得拉格朗日函数;
(3)用分布式协调控制理论和方法求解所述拉格朗日函数,得到全局最优解。
在本发明实施例的一种具体实施方式中,所述可调负荷优化调控模型的约束条件包括:
负荷调整约束:
参与调整状态约束:
负荷平衡约束:
所述可调负荷优化调控模型的优化目标为:
其中,C2表示负荷补偿成本函数,s代表第s个用户,Ns表示发电机的总个数,t为负荷调整时刻,T表示总的负荷调整时间,代表用户s在t时刻的参与调整状态,α1,t、α2,t、α3,t代表补偿因子,α1,t≠0,α2,t,代表t时刻用户参与调整的负荷量。
所述求解所述拉格朗日函数,得到全局最优,具体包括以下步骤:
而用户间的协调主要是通过控制变量γ来进行的,对于固定的时间段内某个特定的用户,可以表示为:
其中,γs(n+1)表示在n+1时刻用户s的控制变量,γs(n)表示在n时刻用户s的控制变量,ξs表示迭代步数,s′为用户s的邻居节点,表示用户通信拓扑的邻接矩阵,该矩阵随着参与状态的变化而动态转换,其中邻接矩阵A中的元素ass′也会影响着不同用户之间的通信关系,γs′(n)表示在n时刻用户s′的控制变量,对于任意一个用户s,如果其不参与负荷调整,也即意味着时,其邻居间的权重会动态调整得到:
其中,ass′表示用户s到用户s′之间的权重,as′s表示用户s′到用户s之间的权重,s′,s″是用户s的两个邻居节点,ass″表示用户s到用户s″之间的权重,as′s″表示用户s′到用户s″之间的权重。
不同消费者之间的协调可以用向量版本表示为:
γ(n+1)=γ(n)+BU(n)γ(n) (10)
将式(10)进行迭代,最终可得到全局一致稳定解。
实施例2
基于与实施例1相同的发明构思,本发明实施例中提供了一种基于动态网络切换拓扑的可控负荷分布式协调控制装置,包括:
获取单元,用于获取电价激励下的可调负荷优化调控模型;
计算单元,用于根据用户参与状态将所述可调负荷优化调控模型转换为切换拓扑结构,进而获得拉格朗日函数;
求解单元,用于求解所述拉格朗日函数,得到全局最优解。
所述可调负荷优化调控模型的约束条件包括:
负荷调整约束:
参与调整状态约束:
负荷平衡约束:
所述可调负荷优化调控模型的优化目标为:
其中,C2表示负荷补偿成本函数,s代表第s个用户,Ns表示发电机的总个数,t为负荷调整时刻,T表示总的负荷调整时间,代表用户s在t时刻的参与调整状态,α1,t、α2,t、α3,t代表补偿因子,α1,t≠0,α2,t, 代表t时刻用户参与调整的负荷量。
所述求解所述拉格朗日函数,得到全局最优,具体包括以下步骤:
而用户间的协调主要是通过控制变量γ来进行的,对于固定的时间段内某个特定的用户,可以表示为:
其中,γs(n+1)表示在n+1时刻用户s的控制变量,γs(n)表示在n时刻用户s的控制变量,ξs表示迭代步数,s′为用户s的邻居节点,表示用户通信拓扑的邻接矩阵,该矩阵随着参与状态的变化而动态转换,其中邻接矩阵A中的元素ass′也会影响着不同用户之间的通信关系,γs′(n)表示在n时刻用户s′的控制变量,对于任意一个用户s,如果其不参与负荷调整,也即意味着时,其邻居间的权重会动态调整得到:
其中,ass′表示用户s到用户s′之间的权重,as′s表示用户s′到用户s之间的权重,s′,s″是用户s的两个邻居节点,ass″表示用户s到用户s″之间的权重,as′s″表示用户s′到用户s″之间的权重。
γ(n+1)=γ(n)+BU(n)γ(n) (10)
将式(10)进行迭代,最终可得到全局一致稳定解。
实施例3
本发明实施例中提供了一种基于动态网络切换拓扑的可控负荷分布式协调控制装置,包括:存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述的方法。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (11)
1.一种基于动态网络切换拓扑的可控负荷分布式协调控制方法,其特征在于,包括:
获取电价激励下的可调负荷优化调控模型;
根据用户参与状态将所述可调负荷优化调控模型转换为切换拓扑结构,进而获得拉格朗日函数;
求解所述拉格朗日函数,得到全局最优解。
5.根据权利要求4所述的一种基于动态网络切换拓扑的可控负荷分布式协调控制方法,
其特征在于:所述求解所述拉格朗日函数,得到全局最优,具体包括以下步骤:
而用户间的协调主要是通过控制变量γ来进行的,对于固定的时间段内某个特定的用户,表示为:
其中,γs(n+1)表示在n+1时刻用户s的控制变量,γs(n)表示在n时刻用户s的控制变量,ξs表示迭代步数,s′为用户s的邻居节点,表示用户通信拓扑的邻接矩阵,该矩阵随着参与状态的变化而动态转换,其中邻接矩阵A中的元素ass′也会影响着不同用户之间的通信关系,γs′(n)表示在n时刻用户s′的控制变量,对于任意一个用户s,如果其不参与负荷调整,也即意味着时,其邻居间的权重会动态调整得到:
其中,ass′表示用户s到用户s′之间的权重,as′s表示用户s′到用户s之间的权重,s′,s″是用户s的两个邻居节点,ass″表示用户s到用户s″之间的权重,as′s″表示用户s′到用户s″之间的权重;
不同消费者之间的协调用向量版本表示为:
γ(n+1)=γ(n)+BU(n)γ(n) (10)
将式(10)进行迭代,最终可得到全局一致稳定解。
6.一种基于动态网络切换拓扑的可控负荷分布式协调控制装置,其特征在于,包括:
获取单元,用于获取电价激励下的可调负荷优化调控模型;
计算单元,用于根据用户参与状态将所述可调负荷优化调控模型转换为切换拓扑结构,进而获得拉格朗日函数;
求解单元,用于求解所述拉格朗日函数,得到全局最优解。
10.根据权利要求9所述的一种基于动态网络切换拓扑的可控负荷分布式协调控制装置,
其特征在于,所述求解所述拉格朗日函数,得到全局最优,具体包括以下步骤:
而用户间的协调主要是通过控制变量γ来进行的,对于固定的时间段内某个特定的用户,可以表示为:
其中,γs(n+1)表示在n+1时刻用户s的控制变量,γs(n)表示在n时刻用户s的控制变量,ξs表示迭代步数,s′为用户s的邻居节点,表示用户通信拓扑的邻接矩阵,该矩阵随着参与状态的变化而动态转换,其中邻接矩阵A中的元素ass′也会影响着不同用户之间的通信关系,γs′(n)表示在n时刻用户s′的控制变量,对于任意一个用户s,如果其不参与负荷调整,也即意味着时,其邻居间的权重会动态调整得到:
其中,ass′表示用户s到用户s′之间的权重,as′s表示用户s′到用户s之间的权重,s′,s″是用户s的两个邻居节点,ass″表示用户s到用户s″之间的权重,as′s″表示用户s′到用户s″之间的权重;
不同消费者之间的协调可以用向量版本表示为:
γ(n+1)=γ(n)+BU(n)γ(n) (10)
将式(10)进行迭代,最终可得到全局一致稳定解。
11.一种基于动态网络切换拓扑的可控负荷分布式协调控制系统,其特征在于,包括:存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110804693.XA CN113688348B (zh) | 2021-07-16 | 2021-07-16 | 基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110804693.XA CN113688348B (zh) | 2021-07-16 | 2021-07-16 | 基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113688348A true CN113688348A (zh) | 2021-11-23 |
CN113688348B CN113688348B (zh) | 2024-02-27 |
Family
ID=78577226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110804693.XA Active CN113688348B (zh) | 2021-07-16 | 2021-07-16 | 基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113688348B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160105023A1 (en) * | 2013-05-22 | 2016-04-14 | Vito Nv | Power supply network control system and method |
CN109149568A (zh) * | 2018-09-10 | 2019-01-04 | 上海交通大学 | 一种基于分布式代理的互联微电网及调度价格优化方法 |
CN109861305A (zh) * | 2019-01-31 | 2019-06-07 | 东南大学 | 一种结合模型预测控制的输配协同经济调度方法 |
WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
CN110867902A (zh) * | 2019-10-15 | 2020-03-06 | 东北大学 | 基于发电预测的微电网分布式电源去中心优化运行方法 |
CN111030123A (zh) * | 2019-12-31 | 2020-04-17 | 东北大学 | 一种基于边缘计算的多智能体负荷调控方法 |
CN111049199A (zh) * | 2019-12-17 | 2020-04-21 | 河海大学 | 一种交直流混联微电网分布式动态经济调度方法 |
CN112636331A (zh) * | 2020-12-04 | 2021-04-09 | 山东大学 | 智能电网的动态经济调度分布式优化方法及系统 |
-
2021
- 2021-07-16 CN CN202110804693.XA patent/CN113688348B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160105023A1 (en) * | 2013-05-22 | 2016-04-14 | Vito Nv | Power supply network control system and method |
WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
CN109149568A (zh) * | 2018-09-10 | 2019-01-04 | 上海交通大学 | 一种基于分布式代理的互联微电网及调度价格优化方法 |
CN109861305A (zh) * | 2019-01-31 | 2019-06-07 | 东南大学 | 一种结合模型预测控制的输配协同经济调度方法 |
CN110867902A (zh) * | 2019-10-15 | 2020-03-06 | 东北大学 | 基于发电预测的微电网分布式电源去中心优化运行方法 |
CN111049199A (zh) * | 2019-12-17 | 2020-04-21 | 河海大学 | 一种交直流混联微电网分布式动态经济调度方法 |
CN111030123A (zh) * | 2019-12-31 | 2020-04-17 | 东北大学 | 一种基于边缘计算的多智能体负荷调控方法 |
CN112636331A (zh) * | 2020-12-04 | 2021-04-09 | 山东大学 | 智能电网的动态经济调度分布式优化方法及系统 |
Non-Patent Citations (4)
Title |
---|
NEVEN V. KOVACKI 等: "Scalable algorithm for the dynamic reconfiguration of the distribution network using the lagrange relaxation approach", ELECTRICAL POWER AND ENERGY SYSTEMS, vol. 94, 21 July 2017 (2017-07-21), pages 188 - 202 * |
TIAN TAO 等: "Stable adaptation in multi-area load frequency control under dynamically-changing topologies", IEEE TRANSACTIONS ON POWER SYSTEMS, vol. 36, no. 4, 14 December 2020 (2020-12-14), pages 2946 - 2956, XP011861490, DOI: 10.1109/TPWRS.2020.3044436 * |
刘立夫: "计及需求响应的主动配电网优化调度研究", 中国优秀硕士学位论文全文数据库 工程科技II辑, no. 04, 15 April 2019 (2019-04-15), pages 042 - 1283 * |
徐熙林 等: "主动配电网源荷储分布式协调优化运行(一):基于一致性理论的分布式协调控制系统建模", 中国电机工程学报, vol. 38, no. 10, 26 February 2018 (2018-02-26), pages 2841 - 2848 * |
Also Published As
Publication number | Publication date |
---|---|
CN113688348B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Multiagent-based distributed state of charge balancing control for distributed energy storage units in AC microgrids | |
CN108075487B (zh) | 自适应下垂和一致性相结合的孤岛微电网的分层控制方法 | |
Ahmad et al. | Improved dynamic performance and hierarchical energy management of microgrids with energy routing | |
CN103151802B (zh) | 多时间尺度的主动配电网dg协调控制系统及方法 | |
Xin et al. | Cooperative control strategy for multiple photovoltaic generators in distribution networks | |
CN107579543A (zh) | 一种基于分层控制策略的孤岛微电网分布式协调控制方法 | |
CN110265991B (zh) | 一种直流微电网的分布式协调控制方法 | |
CN111049173A (zh) | 多端直流配网自组织下垂控制方法 | |
CN108388959A (zh) | 一种基于一致性算法的源网荷储协同优化方法 | |
Engels et al. | A distributed gossip-based voltage control algorithm for peer-to-peer microgrids | |
CN113644693A (zh) | 含可再生能源/氢能交直流混联系统分散式运行管控方法 | |
Huang et al. | Distributed adaptive secondary control for microgrids with time delay and switching topology | |
CN112152268B (zh) | 一种交、直流子微网控制方法及子微网群间控制方法 | |
CN107528336B (zh) | 一种基于虚拟同步机的储能变流器及其控制方法 | |
CN106786812B (zh) | 虚拟发电厂分布式无功补偿系统及其补偿方法 | |
CN109617141B (zh) | 风电场有功输出平滑控制方法及装置 | |
CN113688348A (zh) | 基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统 | |
CN108964150B (zh) | 一种基于有限时间控制的交直流混合微电网的无功均分方法 | |
CN116799839A (zh) | 一种多资源协同功率控制方法、装置及电子设备 | |
CN114552664B (zh) | 一种基于双层有向图的多微网优化协调运行控制方法 | |
CN112510673B (zh) | 考虑母线电压约束的多母线直流微电网经济调度控制方法 | |
Tong et al. | Control of a fuel cell based on the SIRMs fuzzy inference model | |
CN114784891A (zh) | 集群储能参与电力系统的紧急频率控制方法、装置及介质 | |
CN112018786B (zh) | 分层框架下的微电网分布式有限时间最优频率控制方法 | |
CN107171336A (zh) | 基于非线性反馈的分布式微网无功功率分配控制方法 |
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 |