CN113988686A - 基于多换流器并网协同控制的柔性配电网控制方法及系统 - Google Patents
基于多换流器并网协同控制的柔性配电网控制方法及系统 Download PDFInfo
- Publication number
- CN113988686A CN113988686A CN202111306879.9A CN202111306879A CN113988686A CN 113988686 A CN113988686 A CN 113988686A CN 202111306879 A CN202111306879 A CN 202111306879A CN 113988686 A CN113988686 A CN 113988686A
- Authority
- CN
- China
- Prior art keywords
- data
- distribution network
- power distribution
- load
- meteorological
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000004146 energy storage Methods 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000007792 addition Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
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
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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]
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- 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)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了基于多换流器并网协同控制的柔性配电网控制方法及系统，涉及柔性配电网技术领域，解决了柔性配电网负荷预估不准确的技术问题；系统协调层，所述系统协调层设置有中央处理器，用于获取下一周期T的配电网预测负荷PY、外部负荷以及当前时间的配电网负荷；优化调度层，所述优化调度层包括若干控制器，用于根据配电网预测负荷PY、外部负荷以及当前时间的配电网负荷，向本地控制层中的指令执行单元下发调节信号；本地控制层，包括用电模块、分布式供电模块、储能模块以及并网换流模块，用于上传运行数据至优化调度层和执行优化调度层下发的调节信号；本发明设计合理便于基于多换流器并网协同控制的柔性配电网控制。
Description
技术领域
本申请属于柔性配电网技术领域，具体是基于多换流器并网协同控制的柔性配电网控制方法及系统。
背景技术
柔性配电网是指为能实现柔性闭环运行的配电网。利用柔性电力电子技术改造的配电网是一个重要趋势，能有效解决传统配电网发展中的一些瓶颈问题。先进的电力电子技术可以构建灵活、可靠、高效的配电网，既可提升城市配电系统的电能质量、可靠性与运行效率，还可应对传统负荷以及比例可再生能源的波动性；
现有技术中，对于柔性配电网在未来的某个时间的电网的内部负荷和外部电网的负荷请求，难以获取较为准确的数据；现实生活中，用电习惯跟气象数据有着十分紧密的联系，可以通过气象数据和电网的历史运行数据综合判断出未来某个时间的配电网负荷，基于此提出基于多换流器并网协同控制的柔性配电网控制方法及系统，解决上述技术问题。
发明内容
本申请提供了基于多换流器并网协同控制的柔性配电网控制方法及系统，用于解决了柔性配电网负荷预估不准确的技术问题。
本申请的目的可以通过以下技术方案实现：
基于多换流器并网协同控制的柔性配电网控制系统，包括：
系统协调层，所述系统协调层设置有中央处理器，中央处理器与其他区域配电网的中央处理器通信连接，所述中央处理器用于根据区域内历史数据，同时结合实时气象数据，获取下一周期T的配电网预测负荷PY、外部负荷以及当前时间的配电网负荷，所述预测负荷PY的获取过程包括：
设定周期T，每隔设定周期T获取气象数据；获取下一设定周期T的气象预测数据，然后获取若干对比数据，获取气象预测数据和对比数据的判断值；获取气象预测数据的判断值和对比气象数据的判断值的差，取差最小的气象数据对应的负荷作为预测负荷PY；
优化调度层，所述优化调度层包括若干控制器，用于根据配电网预测负荷PY、外部负荷以及当前时间的配电网负荷，向本地控制层中的指令执行单元下发调节信号；
本地控制层，包括用电模块、分布式供电模块、储能模块以及并网换流模块，用于上传运行数据至优化调度层和执行优化调度层下发的调节信号；
进一步地，所述判断值的获取过程包括：
从区域内历史数据中筛选若干组对比数据，然后对气象数据进行去量纲处理，然后设置标准数据；获取每一项数据减去对应的标准数据的绝对值，获取最小值和最大值，然后将最大值和最小值；通过公式计算各项数据的关联系数；根据配电网中的用电特性，获取比例系数；获取关联系数与对应的比例系数积的和即为判断值。
进一步地，所述对比数据的获取过程包括：
获取上一周期T的气象数据，当前的气象数据以及周期T后的气象预测数据；分别计算三个气象数据中对应数据的平均值，在区域内历史数据获取各项数据均在对应平均值的设定范围内的气象数据；然后获取距离当前时刻最近的若干组数据作为对比数据；
进一步地，所述对比数据包括上一周期T的气象数据和当前的气象数据。
进一步地，所述外部负荷的获取过程包括：
每隔设定周期T获取外部配电网的负荷请求并记录在对应的周期，外部配电网提前发送负荷请求的时间为周期T的N倍，N为正整数并且大于1。
进一步地，所述调节信号的获取过程包括：
将预测负荷PY、外部负荷以及当前时间的配电网负荷输入智能调节模型，智能调节模型根据本地层上传的各模块的运行数据生成调节信号发送至对应的模块的指令执行单元。
进一步地，所述气象预测数据通过气象数据灰色模型获取。
进一步地，所述气象数据灰色模型为灰色模型GM(1,1)，通过当前时刻的气象数据和之前若干组气象数据作为原始数据构建，到达下一个设定周期后，将第一组气象数据剔除出原始数据，然后将新的设定周期的气象数据补充至原始数据。
进一步地，基于多换流器并网协同控制的柔性配电网控制方法：
步骤一：中央处理器用于根据区域内历史数据，同时结合实时气象数据，获取下一周期T的配电网预测负荷PY、外部负荷以及当前时间的配电网负荷；
步骤二：本地控制层上传运行数据至优化调度层中对应的控制器
步骤三：根据配电网预测负荷PY、外部负荷以及当前时间的配电网负荷，向本地控制层中的指令执行单元下发调节信号；
步骤四：本地控制层中的各个模块对应的指令执行单元执行调节信号。
与现有技术相比，本申请的有益效果是：
本发明通过周期性采集气象数据，通过预估下一周期的气象数据和配电网的历史记录获取下一周期的预估负荷，便于提前做好准备，及时地调节本地控制层中的各个模块；通过将当前时刻与上一周期的负荷和气象数据作为对比数据，使得预估负荷的结果更加准确；通过周期性采集外部电网的负荷请求，及时地将负荷请求记录到对应的周期中，在对应周期之前的前一个周期停止接收关于对应周期的负荷请求，使得对应周期的外部的负荷请求更加准确；本发明通过设置智能调节模型，使得调节信号输出更加准确，便于柔性配电网的控制。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请原理框图。
具体实施方式
下面将结合实施例对本申请的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
这里使用的术语用于描述实施例，并不意图限制和/或限制本公开；应该注意的是，除非上下文另有明确指示，否则单数形式的“一”、“一个”和“该”也包括复数形式；而且，尽管属于“第一”、“第二”等可以在本文中用于描述各种元件，但是元件不受这些术语的限制，这些术语仅用于区分一个元素和另一个元素。
如图1所示，基于多换流器并网协同控制的柔性配电网控制系统，包括：
系统协调层，所述系统协调层设置有中央处理器，所述中央处理器与其他区域配电网的中央处理器通信连接，所述中央处理器用于根据区域内历史数据，所述历史数据为气象数据及其对应的电网负荷；同时结合实时气象条件，获取下一周期T的配电网预测负荷PY、外部负荷以及当前时间的配电网负荷；
所述预测负荷PY的获取过程包括：
设定周期T，每隔设定周期获取获取气象数据，所述气象数据包括气温QW、气压QY、湿度SD、风速FS；通过气象数据灰色模型，获取下一设定周期T的气象预测数据，然后获取若干对比数据，获取气象预测数据和对比数据的判断值；获取气象预测数据的判断值和对比气象数据的判断值的差，取差最小的气象数据对应的负荷作为预测负荷PY；
需要说明的是，所述预测负荷PY为柔性配电网中自身的用电设备的负荷。
所述外部负荷的获取过程包括：
获取当前时刻其他电网的负荷请求，当其他电网有负荷请求时，将对应的负荷补充到对应周期的配电网负荷当中；需要说明的是其他配电网提前提出负荷请求的时间为周期T的整数倍；然后获取下一个设定周期T是否有外部电网的负荷请求，当外部配电网没有负荷请求时，下一周期的配电网负荷即为PY；当外部配电网有负荷请求时，下一周期的配电网负荷为PY+P其他；然后获取当前时间的配电网负荷P当前；外部电网的负荷请求可以大于0，也可以小于0，当外部电网的负荷请求大于0时，说明外部需要柔性电网的负荷输出，当负荷请求小于0时，说明外部电网有多余的负荷需要转到柔性配电网中；
所述气象数据灰色模型为灰色模型GM(1,1)，通过当前时刻的气象数据和之前若干组气象数据作为原始数据构建，只预测下一个设定周期T的气象数据，到达下一个设定周期后，将第一组气象数据剔除出原始数据，然后将新的设定周期的气象数据补充至原始数据。
所述判断值的获取过程包括：
从区域内历史数据中筛选若干组对比数据，所述对比数据对应有配电网内网负荷，本实施例中对比数据的组数为十组；所述对比数据包括当前气象数据和上一周期T的气象数据，然后对气象数据进行去量纲处理，所述去量纲处理为本领域的技术人员公知的常见技术；然后设置标准数据；获取每一项数据减去对应的标准数据的绝对值，所述标准数据为对比数据中各项数据的中位数，获取最小值和最大值，然后将最大值和最小值；通过公式计算各项数据的关联系数：
其中R为关联系数；Xmin为最小值；Xmax为最大值；Xi为对应数据；ρ取0.5。
对气温QW、气压QY、空气湿度SD以及风速FS设置不同的比例系数[α1，α2，α3，α4]，其中α1，α2，α3，α4以及均大于0，并且α1+α2+α3+α4＝1；
获取关联系数与对应的比例系数积的和即为判断值；所述对比数据为气象数据与其对应的电网负荷值。
所述对比数据的获取过程包括：
获取上一周期T的气象数据[QWS，QYS，SDS,FSS]，当前的气象数据[QWD，QYD，SDD,FSD]以及周期T后的气象预测数据[QWY，QYY，SDY,FSY]；分别三计算个气象数据中对应数据的平均值
获得首先在区域内历史数据获取各项数据均在对应平均值的设定范围内的气象数据；需要说明的是，不同数据对应的设定范围不相同；然后获取距离当前时刻最近的八组数据作为对比数据；
优化调度层，所述优化调度层包括若干控制器，用于根据配电网预测负荷PY、外部负荷以及当前时间的配电网负荷，向本地控制层中的指令执行单元下发调节信号；
调节信号的获取过程包括：
将PY、P其他以及P当前输入智能调节模型，智能调节模型根据本地层上传的各模块的运行数据生成调节信号发送至对应的模块的指令执行单元。
所述智能调节模型即为神经网络模型；将为PY、P其他、P当前、各模块的运行数据以及对应的调节信号划分训练集、测试集和校验集；通过训练集、测试集和校验集对智能调节模型进行训练、测试和校验；将训练完成的人工智能模型标记为智能调节模型。
本地控制层，包括：
用电模块，所述用电模块包括设置在用电终端的各种用电器，所述用电模块可以为交流用电器和直流用电器；
本实施例中柔性配电网为直流配电网，所述交流用电器接入配电网时需要先接入DC/AC换流器，所述直流用电器接入配电网时需要先接入DC/DC换流器；
分布式供电模块，所述分布式供电模块包括设置在供电终端的各个供电设备，所述分布式供电模块包括光伏阵列、永磁直驱风力发电机(PMSG)，所述光伏阵列通过DC/DC换流器接入配电网，所述永磁直驱风力发电机(PMSG)通过AC/DC换流器接入配电网，
储能模块，所述储能模块为直流蓄电池，所述直流蓄电池通过DC/DC换流器并入直流配电网，所述直流蓄电池的换流器为双向换流。
并网换流模块，直流配电网通过并网换流模块与交流配电网连接，所述并网换流模块有两个，包括主并网换流模块和副并网换流模块；
所述用电模块、分布式供电模块、储能模块以及并网换流模块中均设置有数据采集单元和指令执行单元，所述数据采集单元用于采集对应模块的运行数据，所述运行数据包括运行电压、运行电流以及运行功率，所述储能模块的运行数据还包括当前电能容量；所述指令执行单元用于执行优化调度层下发的调节信号。
另一方面，基于多换流器并网协同控制的柔性配电网控制方法：
步骤一：中央处理器用于根据区域内历史数据，同时结合实时气象数据，获取下一周期T的配电网预测负荷PY、外部负荷以及当前时间的配电网负荷；
步骤二：本地控制层上传运行数据至优化调度层中对应的控制器
步骤三：根据配电网预测负荷PY、外部负荷以及当前时间的配电网负荷，向本地控制层中的指令执行单元下发调节信号；
步骤四：本地控制层中的各个模块对应的指令执行单元执行调节信号。
上述公式中的数据均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本申请结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离申请的结构或者超越本权利要求书所定义的范围，均应属于本申请的保护范围。
Claims (9)
1.基于多换流器并网协同控制的柔性配电网控制系统，其特征在于，包括：
系统协调层，所述系统协调层设置有中央处理器，中央处理器与其他区域配电网的中央处理器通信连接，所述中央处理器用于根据区域内历史数据，同时结合实时气象数据，获取下一周期T的配电网预测负荷PY、外部负荷以及当前时间的配电网负荷，所述预测负荷PY的获取过程包括：
设定周期T，每隔设定周期T获取气象数据；获取下一设定周期T的气象预测数据，然后获取若干对比数据，获取气象预测数据和对比数据的判断值；获取气象预测数据的判断值和对比气象数据的判断值的差，取差最小的气象数据对应的负荷作为预测负荷PY；
优化调度层，所述优化调度层包括若干控制器，用于根据配电网预测负荷PY、外部负荷以及当前时间的配电网负荷，向本地控制层中的指令执行单元下发调节信号；
本地控制层，包括用电模块、分布式供电模块、储能模块以及并网换流模块，用于上传运行数据至优化调度层和执行优化调度层下发的调节信号。
2.根据权利要求1所述的基于多换流器并网协同控制的柔性配电网控制系统，其特征在于，所述判断值的获取过程包括：
从区域内历史数据中筛选若干组对比数据，然后对气象数据进行去量纲处理，然后设置标准数据；获取每一项数据减去对应的标准数据的绝对值，获取最小值和最大值，然后将最大值和最小值；计算各项数据的关联系数；根据配电网中的用电特性，获取比例系数；获取关联系数与对应的比例系数积的和即为判断值。
3.根据权利要求2所述的基于多换流器并网协同控制的柔性配电网控制系统，其特征在于，所述对比数据的获取过程包括：
获取上一周期T的气象数据，当前的气象数据以及周期T后的气象预测数据；分别计算三个气象数据中对应数据的平均值，在区域内历史数据获取各项数据均在对应平均值的设定范围内的气象数据；然后获取距离当前时刻最近的若干组数据作为对比数据。
4.根据权利要求3所述的基于多换流器并网协同控制的柔性配电网控制系统，其特征在于，所述对比数据包括上一周期T的气象数据和当前的气象数据。
5.根据权利要求1所述的基于多换流器并网协同控制的柔性配电网控制系统，其特征在于，所述外部负荷的获取过程包括：
每隔设定周期T获取外部配电网的负荷请求并记录在对应的周期，外部配电网提前发送负荷请求的时间为周期T的N倍，N为正整数并且大于1。
6.根据权利要求1所述的基于多换流器并网协同控制的柔性配电网控制系统，其特征在于，所述调节信号的获取过程包括：
将预测负荷PY、外部负荷以及当前时间的配电网负荷输入智能调节模型，智能调节模型根据本地层上传的各模块的运行数据生成调节信号发送至对应的模块的指令执行单元。
7.根据权利要求1所述的基于多换流器并网协同控制的柔性配电网控制系统，其特征在于，所述气象预测数据通过气象数据灰色模型获取。
8.根据权利要求7所述的基于多换流器并网协同控制的柔性配电网控制系统，其特征在于，
所述气象数据灰色模型为灰色模型GM(1,1)，通过当前时刻的气象数据和之前若干组气象数据作为原始数据构建，到达下一个设定周期后，将第一组气象数据剔除出原始数据，然后将新的设定周期的气象数据补充至原始数据。
9.根据权利要求1-8任一项所述的基于多换流器并网协同控制的柔性配电网控制系统的控制方法，其特征在于，包括以下步骤：
步骤一：中央处理器用于根据区域内历史数据，同时结合实时气象数据，获取下一周期T的配电网预测负荷PY、外部负荷以及当前时间的配电网负荷；
步骤二：本地控制层上传运行数据至优化调度层中对应的控制器
步骤三：根据配电网预测负荷PY、外部负荷以及当前时间的配电网负荷，向本地控制层中的指令执行单元下发调节信号；
步骤四：本地控制层中的各个模块对应的指令执行单元执行调节信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111306879.9A CN113988686A (zh) | 2021-11-05 | 2021-11-05 | 基于多换流器并网协同控制的柔性配电网控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111306879.9A CN113988686A (zh) | 2021-11-05 | 2021-11-05 | 基于多换流器并网协同控制的柔性配电网控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113988686A true CN113988686A (zh) | 2022-01-28 |
Family
ID=79746750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111306879.9A Pending CN113988686A (zh) | 2021-11-05 | 2021-11-05 | 基于多换流器并网协同控制的柔性配电网控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113988686A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115833198A (zh) * | 2022-11-25 | 2023-03-21 | 国网安徽省电力有限公司淮南供电公司 | 源网荷储的分层协同控制系统及其控制方法 |
| CN118249348A (zh) * | 2024-05-28 | 2024-06-25 | 合肥中科类脑智能技术有限公司 | 电力负荷预测方法、装置、电子设备和介质 |
-
2021
- 2021-11-05 CN CN202111306879.9A patent/CN113988686A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115833198A (zh) * | 2022-11-25 | 2023-03-21 | 国网安徽省电力有限公司淮南供电公司 | 源网荷储的分层协同控制系统及其控制方法 |
| CN118249348A (zh) * | 2024-05-28 | 2024-06-25 | 合肥中科类脑智能技术有限公司 | 电力负荷预测方法、装置、电子设备和介质 |
| CN118249348B (zh) * | 2024-05-28 | 2024-08-20 | 合肥中科类脑智能技术有限公司 | 电力负荷预测方法、装置、电子设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105356492B (zh) | 一种适用于微电网的能量管理仿真系统及方法 | |
| CN111525627B (zh) | 含抽蓄与新能源发电的柔性直流输电系统日前调度方法 | |
| CN113708365B (zh) | 一种基于端边云架构的虚拟电厂能源管控优化方法及系统 | |
| CN104978608B (zh) | 一种风电功率预测装置及预测方法 | |
| CN113988686A (zh) | 基于多换流器并网协同控制的柔性配电网控制方法及系统 | |
| CN107612017B (zh) | 基于需求响应和分布式储能的风电并网智能调控系统 | |
| CN104917204B (zh) | 一种风电场有功功率优化控制方法 | |
| CN102184453A (zh) | 基于模糊神经网络和支持向量机的风电功率组合预测方法 | |
| CN112653154B (zh) | 基于边缘计算的分布式光伏配电网无功优化控制方法 | |
| CN206272232U (zh) | 一种微电网能量管理多代理系统 | |
| CN111585310B (zh) | 一种分布式电源出力预测的方法和装置 | |
| CN110400056A (zh) | 基于风光时空特性的梯级水电日前优化调度方法及装置 | |
| CN113131515B (zh) | 智能微电网ai故障检测及网络优化重构系统及方法 | |
| CN105391082A (zh) | 基于分类样板逆变器的光伏电站理论功率计算方法 | |
| CN117477609A (zh) | 园区用氢电耦合系统的能量管理系统及方法 | |
| CN113690925B (zh) | 一种基于微电网的能量交互优化方法及系统 | |
| CN109726416B (zh) | 一种基于新能源集群预测及潮流计算的调度决策方法 | |
| CN110490479A (zh) | 一种选择风电场储能的方法 | |
| CN117767282A (zh) | 基于分布式能源接入的母线承载力平衡系统 | |
| CN116885840A (zh) | 一种基于实时数据的分布式新能源在线监测方法及系统 | |
| CN206820478U (zh) | 基于风电不确定出力的风电调控系统 | |
| Zeng et al. | Long-term wind accommodation of interconnected power grids via HVDC tie-line based on aggregate unit model | |
| CN104124709A (zh) | 一种基于功率预测的风电并网运行系统 | |
| CN104124710B (zh) | 一种基于功率预测的风电并网运行控制方法 | |
| CN112736948A (zh) | 一种充电站中储能系统的功率调节方法及装置 |
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 |