CN114091350A - 一种基于预测模型的电力调度方法 - Google Patents

一种基于预测模型的电力调度方法 Download PDF

Info

Publication number
CN114091350A
CN114091350A CN202111449131.4A CN202111449131A CN114091350A CN 114091350 A CN114091350 A CN 114091350A CN 202111449131 A CN202111449131 A CN 202111449131A CN 114091350 A CN114091350 A CN 114091350A
Authority
CN
China
Prior art keywords
energy
prediction data
load
power
prediction model
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
CN202111449131.4A
Other languages
English (en)
Inventor
林宪峰
李�浩
王洋
张璐
于思源
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.)
Heihe Power Supply Co Of State Grid Heilongjiang Electric Power Co ltd
State Grid Corp of China SGCC
Original Assignee
Heihe Power Supply Co Of State Grid Heilongjiang Electric Power Co ltd
State Grid Corp of China SGCC
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 Heihe Power Supply Co Of State Grid Heilongjiang Electric Power Co ltd, State Grid Corp of China SGCC filed Critical Heihe Power Supply Co Of State Grid Heilongjiang Electric Power Co ltd
Priority to CN202111449131.4A priority Critical patent/CN114091350A/zh
Publication of CN114091350A publication Critical patent/CN114091350A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • 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
    • H02J3/38—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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种基于预测模型的电力调度方法，属于电力调度领域。为了解决未考虑动态随机因素对能量调度管理的影响，导致能量管理能力差的问题。本发明方法具体为利用构建的光伏预测模型生成光伏能源预测数据，并将其光伏能源预测数据送至电力调度平台；还利用风机发电预测模型生成风机能源预测数据，并将其风机能源预测数据送至电力调度平台；还利用构建的负荷预测模型生成负荷预测数据，并将其负荷预测数据送至电力调度平台；最后利用电力调度平台对其所接收的光伏能源预测数据、风机能源预测数据和负荷预测数据间进行能量交易调度处理，从而完成电力调度。本发明主要用于实现电力调度。

Description

一种基于预测模型的电力调度方法
技术领域
本发明属于电力调度领域。
背景技术
电力调度是为了保证电网安全稳定运行、对外可靠供电、各类电力生产工作有序进行而采用的一种有效的管理手段。电力调度的具体工作内容是依据各类信息采集设备反馈回来的数据信息，或监控人员提供的信息，结合电网实际运行参数，如电压、电流、频率、负荷等，综合考虑各项生产工作开展情况，对电网安全、经济运行状态进行判断，通过电话或自动系统发布操作指令，指挥现场操作人员或自动控制系统进行调整，如调整发电机出力、调整负荷分布、投切电容器、电抗器等，从而确保电网持续安全稳定运行。
而随着经济的快速发展及环境的加剧污染，风电装机容量在世界范围内迅速增长，其并网运行有效的缓解了负荷需求对电网的压力,但其间歇性和不确定性对风电消纳并网和电力系统的安全稳定运行带来了巨大的挑战。为了供电可靠性，缺电微电网会向电力系统购电以满足负荷维持微电网正常运行。多个微电网互联构成微电网群系统可以进一步促进微电网间的能量交换，系统内单个微电网之间可以进行互联互供满足区域供电需求。
如何满足子微电网内部功率平衡，不考虑动态随机因素时，按经验值得出的发电量和负荷值会使功率计算发生误差。而未考虑动态随机因素的确定性模型下计算净电量，会导致净电量计算值偏离实际值，且能量调度管理不是真正的最优。因此，考虑动态随机下的能量调度管理方法十分必要，因此，以上问题亟需解决。
发明内容
本发明目的是为了解决未考虑动态随机因素对能量调度管理的影响，导致能量管理能力差的问题，本发明提供了一种基于预测模型的电力调度方法。
一种基于预测模型的电力调度方法，该方法包括步骤：
S1、构建光伏预测模型、风机发电预测模型、负荷预测模型；
S2、利用构建的光伏预测模型生成光伏能源预测数据，并将其光伏能源预测数据送至电力调度平台；
还利用风机发电预测模型生成风机能源预测数据，并将其风机能源预测数据送至电力调度平台；
还利用构建的负荷预测模型生成负荷预测数据，并将其负荷预测数据送至电力调度平台；
S3、电力调度平台对其所接收的光伏能源预测数据、风机能源预测数据和负荷预测数据间进行能量交易调度处理，从而完成电力调度。
优选的是，S1中、构建光伏预测模型、风机发电预测模型、负荷预测模型的实现方式均采用贝塔分布和威布尔分布实现的。
优选的是，S3中、进行能量交易调度处理采用粒子群优化算法实现。
优选的是，S3中、电力调度平台对其所接收的光伏能源预测数据、风机能源预测数据和负荷预测数据间进行能量交易调度处理的实现方式为：
当负荷预测数据大于光伏能源预测数据，且负荷预测数据大于风机能源预测数据时，利用供电电网给负载供电，并以日整体运行费用最低为经济目标进行能量交易调度；
当负荷预测数据大于光伏能源预测数据，且负荷预测数据小于或等于风机能源预测数据时，利用风机能源给负载供电，并以日整体运行费用最低为经济目标进行能量交易调度；
当负荷预测数据小于或等于光伏能源预测数据，且负荷预测数据大于风机能源预测数据时，利用光伏能源给负载供电，并以日整体运行费用最低为经济目标进行能量交易调度。
优选的是，日整体运行费用最低的经济目标函数为：
Figure BDA0003384831150000021
式中，minF1表示日整体运行费用最低；
Figure BDA0003384831150000022
表示第i个微电网的光伏能源在时段t小时内的运行维护成本；i为整数；
Figure BDA0003384831150000023
表示第i个微电网的风机能源在时段t小时内的运行维护成本；
Figure BDA0003384831150000024
表示第i个微电网的柴油发电机在时段t小时内的运行成本；
Figure BDA0003384831150000025
表示第i个微电网在时段t小时内与大电网交易费用；
Figure BDA0003384831150000026
表示第i个微电网在时段t小时内供电不足时切负荷的成本；
n为变量。
本发明带来的有益效果：
本发明提出一种基于预测模型的电力调度方法，建立基于光伏、风机及负荷的动态随机性模型，实现微电网间的能量交易和管理，使能量进行实时的调度，最终，实现微电网群的经济优化运行。
具体应用时，利用构建的光伏预测模型、风机发电预测模型、负荷预测模型分别生成相应的光伏能源预测数据、风机能源预测数据和负荷预测数据，并利用电力调度平台对其所接收的光伏能源预测数据、风机能源预测数据和负荷预测数据间进行能量交易调度处理，从而完成电力调度。
附图说明
图1是本发明所述一种基于预测模型的电力调度方法的原理示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1：
下面结合图1说明本实施方式，本实施方式所述一种基于预测模型的电力调度方法，该方法包括步骤：
S1、构建光伏预测模型、风机发电预测模型、负荷预测模型；
S2、利用构建的光伏预测模型生成光伏能源预测数据，并将其光伏能源预测数据送至电力调度平台；
还利用风机发电预测模型生成风机能源预测数据，并将其风机能源预测数据送至电力调度平台；
还利用构建的负荷预测模型生成负荷预测数据，并将其负荷预测数据送至电力调度平台；
S3、电力调度平台对其所接收的光伏能源预测数据、风机能源预测数据和负荷预测数据间进行能量交易调度处理，从而完成电力调度。
本实施方式中，建立基于光伏、风机及负荷的动态随机性预测模型，实现微电网间的能量交易和管理，并通过电力调度平台对其所接收的光伏能源预测数据、风机能源预测数据和负荷预测数据间进行能量交易调度处理，从而完成电力调度。
进一步的，S1中、构建光伏预测模型、风机发电预测模型、负荷预测模型的实现方式均采用贝塔分布和威布尔分布实现的。
更进一步的，S3中、进行能量交易调度处理采用粒子群优化算法实现。
更进一步的，S3中、电力调度平台对其所接收的光伏能源预测数据、风机能源预测数据和负荷预测数据间进行能量交易调度处理的实现方式为：
当负荷预测数据大于光伏能源预测数据，且负荷预测数据大于风机能源预测数据时，利用供电电网给负载供电，并以日整体运行费用最低为经济目标进行能量交易调度；
当负荷预测数据大于光伏能源预测数据，且负荷预测数据小于或等于风机能源预测数据时，利用风机能源给负载供电，并以日整体运行费用最低为经济目标进行能量交易调度；
当负荷预测数据小于或等于光伏能源预测数据，且负荷预测数据大于风机能源预测数据时，利用光伏能源给负载供电，并以日整体运行费用最低为经济目标进行能量交易调度。
更进一步的，日整体运行费用最低的经济目标函数为：
Figure BDA0003384831150000041
式中，minF1表示日整体运行费用最低；
Figure BDA0003384831150000042
表示第i个微电网的光伏能源在时段t小时内的运行维护成本；i为整数；
Figure BDA0003384831150000043
表示第i个微电网的风机能源在时段t小时内的运行维护成本；
Figure BDA0003384831150000044
表示第i个微电网的柴油发电机在时段t小时内的运行成本；
Figure BDA0003384831150000045
表示第i个微电网在时段t小时内与大电网交易费用；
Figure BDA0003384831150000046
表示第i个微电网在时段t小时内供电不足时切负荷的成本；
n为变量。
具体应用时，日前调度计划：可从日前角度，以1小时为尺度，基于可再生能源及负荷日前预测和实时电价信息，在满足系统约束条件的前提下，以微电网日整体经济成本最低为目标，进行能量调度。然而在微电网实际运行中，由于可再生能源及负荷功率的随机性，日前预测往往误差较大，故而设置分级调度的方式，进行能量调度。
虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。

Claims (5)

1.一种基于预测模型的电力调度方法，其特征在于，该方法包括步骤：
S1、构建光伏预测模型、风机发电预测模型、负荷预测模型；
S2、利用构建的光伏预测模型生成光伏能源预测数据，并将其光伏能源预测数据送至电力调度平台；
还利用风机发电预测模型生成风机能源预测数据，并将其风机能源预测数据送至电力调度平台；
还利用构建的负荷预测模型生成负荷预测数据，并将其负荷预测数据送至电力调度平台；
S3、电力调度平台对其所接收的光伏能源预测数据、风机能源预测数据和负荷预测数据间进行能量交易调度处理，从而完成电力调度。
2.根据权利要求1所述的一种基于预测模型的电力调度方法，其特征在于，S1中、构建光伏预测模型、风机发电预测模型、负荷预测模型的实现方式均采用贝塔分布和威布尔分布实现的。
3.根据权利要求1所述的一种基于预测模型的电力调度方法，其特征在于，S3中、进行能量交易调度处理采用粒子群优化算法实现。
4.根据权利要求1所述的一种基于预测模型的电力调度方法，其特征在于，S3中、电力调度平台对其所接收的光伏能源预测数据、风机能源预测数据和负荷预测数据间进行能量交易调度处理的实现方式为：
当负荷预测数据大于光伏能源预测数据，且负荷预测数据大于风机能源预测数据时，利用供电电网给负载供电，并以日整体运行费用最低为经济目标进行能量交易调度；
当负荷预测数据大于光伏能源预测数据，且负荷预测数据小于或等于风机能源预测数据时，利用风机能源给负载供电，并以日整体运行费用最低为经济目标进行能量交易调度；
当负荷预测数据小于或等于光伏能源预测数据，且负荷预测数据大于风机能源预测数据时，利用光伏能源给负载供电，并以日整体运行费用最低为经济目标进行能量交易调度。
5.根据权利要求4所述的一种基于预测模型的电力调度方法，其特征在于，日整体运行费用最低的经济目标函数为：
Figure FDA0003384831140000011
式中，minF1表示日整体运行费用最低；
Figure FDA0003384831140000012
表示第i个微电网的光伏能源在时段t小时内的运行维护成本；i为整数；
Figure FDA0003384831140000021
表示第i个微电网的风机能源在时段t小时内的运行维护成本；
Figure FDA0003384831140000022
表示第i个微电网的柴油发电机在时段t小时内的运行成本；
Figure FDA0003384831140000023
表示第i个微电网在时段t小时内与大电网交易费用；
Figure FDA0003384831140000024
表示第i个微电网在时段t小时内供电不足时切负荷的成本；
n为变量。
CN202111449131.4A 2021-11-30 2021-11-30 一种基于预测模型的电力调度方法 Pending CN114091350A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111449131.4A CN114091350A (zh) 2021-11-30 2021-11-30 一种基于预测模型的电力调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111449131.4A CN114091350A (zh) 2021-11-30 2021-11-30 一种基于预测模型的电力调度方法

Publications (1)

Publication Number Publication Date
CN114091350A true CN114091350A (zh) 2022-02-25

Family

ID=80306162

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111449131.4A Pending CN114091350A (zh) 2021-11-30 2021-11-30 一种基于预测模型的电力调度方法

Country Status (1)

Country Link
CN (1) CN114091350A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115102237A (zh) * 2022-08-25 2022-09-23 华能山西综合能源有限责任公司 一种基于风电光伏系统的运行调度方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115102237A (zh) * 2022-08-25 2022-09-23 华能山西综合能源有限责任公司 一种基于风电光伏系统的运行调度方法
CN115102237B (zh) * 2022-08-25 2022-11-29 华能山西综合能源有限责任公司 一种基于风电光伏系统的运行调度方法

Similar Documents

Publication Publication Date Title
CN102591278B (zh) 具有发电和负荷预测功能的微网控制系统的微网通讯控制方法
Zhu et al. Energy storage in high variable renewable energy penetration power systems: technologies and applications
Rezaei et al. Optimal islanding operation of hydrogen integrated multi-microgrids considering uncertainty and unexpected outages
Liu et al. Optimal day-ahead scheduling of islanded microgrid considering risk-based reserve decision
Amicarelli et al. Multi-agent system for day-ahead energy management of microgrid
Awasthi et al. Operation of datacenter as virtual power plant
Petrovic et al. Overview of software tools for integration and active management of high penetration of DERs in emerging distribution networks
Abbey et al. Integrating renewable energy sources and storage into isolated diesel generator supplied electric power systems
Jain et al. Overview of Energy Management Systems for Microgrids and Smart Grid
CN114091350A (zh) 一种基于预测模型的电力调度方法
Xv et al. Day-ahead scheduling with renewable generation considering shared energy storage
CN113690925A (zh) 一种基于微电网的能量交互优化方法及系统
Liu et al. Transitioning to a New Power System with High Renewable Penetration in the Context of China’s Carbon Peak and Neutrality: Challenges and Key Technologies
Ramabhotla et al. A review on reliability of microgrid
Zhao et al. Affinely adjustable robust optimal dispatch for island microgrids with wind power, energy storage and diesel generators
Lin et al. Customer-side Energy Management Considering the Availability of Renewable Virtual Power Plants
CN111985844A (zh) 一种风力及光能综合能源系统日前经济调度方法
CN112396256A (zh) 基于聚合机组线性化方法的独立微网综合资源规划
Maheswari et al. Mitigating measures to address challenges of renewable integration—forecasting, scheduling, dispatch, balancing, monitoring, and control
Jang et al. Short-term resource scheduling for power systems with energy storage systems
Behera et al. Grid-Connected Distributed Wind-Photovoltaic Energy Management: A Review
Yu et al. Summary of research on power forecasting technology of new energy generation
Rafique et al. Optimization and operational management of renewable goldwind microgrid test bed
Yang et al. An outlook of flexibility aggregation of distributed energy sources over a blockchain-enabled energy Internet
Tu et al. Day-ahead Scheduling Method Considering Uncertainty of Renewable Energy and Power System Operation Risk

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