CN114123166A - 一种新能源耦合背景下的源网荷储协同调度方法 - Google Patents

一种新能源耦合背景下的源网荷储协同调度方法 Download PDF

Info

Publication number
CN114123166A
CN114123166A CN202111228442.8A CN202111228442A CN114123166A CN 114123166 A CN114123166 A CN 114123166A CN 202111228442 A CN202111228442 A CN 202111228442A CN 114123166 A CN114123166 A CN 114123166A
Authority
CN
China
Prior art keywords
period
cost
unit
function
scheduling
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
Application number
CN202111228442.8A
Other languages
English (en)
Other versions
CN114123166B (zh
Inventor
周家浩
王林童
罗烨锋
张东波
郑远德
沈曦
应国德
陈敏志
陈新建
于杰
卢伟明
张驰
朱逸芝
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 Zhejiang Electric Power Co Ltd
Taizhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Taizhou Power Supply Co 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 Zhejiang Electric Power Co Ltd, Taizhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202111228442.8A priority Critical patent/CN114123166B/zh
Priority to PCT/CN2022/072063 priority patent/WO2023065552A1/zh
Priority to US17/767,447 priority patent/US12027860B2/en
Publication of CN114123166A publication Critical patent/CN114123166A/zh
Application granted granted Critical
Publication of CN114123166B publication Critical patent/CN114123166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J3/003—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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • 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
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • 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
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2300/10—The dispersed energy generation being of fossil origin, e.g. diesel 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
    • 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
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • 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)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出了一种新能源耦合背景下的源网荷储协同调度方法，包括：以最低电网运行成本在未来调度周期的期望作为目标函数；生成新能源机组和用户负荷的近似值函数，结合目标函数构建源网荷储协同的调度模型；获取对新能源机组出力和用户负荷的预测数据，将预测数据输入调度模型中进行求解；对近似值函数进行迭代更新，将迭代更新后的近似值函数导入调度模型中迭代求解，直至求解结果符合预设收敛条件时停止迭代；将最后一次迭代的求解结果作为新能源机组和用户负荷的调度策略。利用近似动态规划技术，基于值函数对调度的期望进行分时段的近似动态规划，消除了现有的调度模型中对期望值的运算，有效降低不确定性因素对电网系统稳定的影响。

Description

一种新能源耦合背景下的源网荷储协同调度方法
技术领域
本发明属于电力系统调度技术领域，尤其涉及一种新能源耦合背景下的源网荷储协同调度方法。
背景技术
未来在以新能源为主体的新型电力系统中，以氢储为代表的新型储能系统广泛应用将极大提升新能源并网及消纳水平，并表现出源网荷储协同的特点，更经济、高效、安全地提高电力系统的动态平衡能力，从而实现能源资源最大化利用。但维持电力系统稳定、经济运行需要考虑的不确定性因素也随之增加，影响了调度策略的准确性。
发明内容
为了解决现有技术中存在的缺点和不足，本发明提出了一种新能源耦合背景下的源网荷储协同调度方法，包括：
以最低电网运行成本在未来调度周期的期望作为目标函数，
生成新能源机组和用户负荷的近似值函数，结合目标函数构建源网荷储协同的调度模型；
获取对新能源机组出力和用户负荷的预测数据，将预测数据输入调度模型中进行求解；
对近似值函数进行迭代更新，将迭代更新后的近似值函数导入调度模型中迭代求解，直至求解结果符合预设收敛条件时停止迭代；
将最后一次迭代的求解结果作为新能源机组和用户负荷的调度策略。
可选的，所述以最低电网运行成本在未来调度周期的期望作为目标函数，包括：
将调度周期划分为T个时段，建立电网运行成本函数为
Figure BDA0003315091490000011
Cf，t＝kDG·PDG，t·Δt；
Figure BDA0003315091490000012
Cp，t＝pt·Pgrid，t·Δt；
Figure BDA0003315091490000013
Cf，t表示t时段内柴油机组的燃料成本，Cm，t表示t时段内柴油机组、风电机组、光伏机组和氢储能系统的运行维护成本，Cp，t表示t时段内通过海底电缆的购售电成本，Ccur，t表示t时段内弃风、弃光、削负荷成本；kDG表示单位有功发电量的柴油机组燃料成本，PDG，t表示t时段内柴油机组的有功功率，lDG表示柴油机组运行维护成本，lWT表示单位有功发电量的风电机组运行维护成本，lPV表示单位有功发电量的光伏机组运行维护成本，lHS表示单位有功发电量的氢储能系统运行维护成本，PWT，t表示调度策略在t时段内风电机组的有功发电量，PPV，t表示调度策略在t时段内光伏机组的有功发电量，
Figure BDA0003315091490000021
表示调度策略在t时段内氢储能系统的充电功率，
Figure BDA0003315091490000022
表示调度策略在t时段内氢储能系统的方电功率，pt表示通过联络线购售电的电价，Pgrid，t表示通过联络线购售电的电量，cwt表示单位电量的弃风成本，cpv表示单位电量的弃光成本，cload表示单位电量的削负荷成本，
Figure BDA0003315091490000023
表示t时段内风电机组的可用出力，
Figure BDA0003315091490000024
表示t时段内光伏机组的可用出力，
Figure BDA0003315091490000025
表示t时段内的削负荷，Δt表示t时段的时长；
成本函数的约束条件包括：
Figure BDA0003315091490000026
HSt表示t时段的氢气储量，HSt-1表示t-时段的氢气储量，ηc为制氢效率，ηd为氢燃料电池放电效率，Dt表示t时段的用户负荷；
将电网运行成本函数在调度周期的期望作为目标函数。
可选的，所述Pgrid，t取值为正时，表示电网在t时段由联络线向外购电，所述Pgrid，t取值为负时，表示电网在t时段由联络线向外售电。
可选的，所述生成新能源机组和用户负荷的近似值函数，结合目标函数构建源网荷储协同的调度模型，包括：
将目标函数划分为
min{Ct(Sk，t，xk，t)+γE[Vt+1(Sk，t+1)|(Sk，t，xk，t)]}；
xk，t为第k次迭代下的决策变量，包括t时段内柴油机组的有功功率、风电机组的有功发电量、光伏机组的有功发电量、氢储能系统的充放电功率以及削负荷；Sk，t为第k次迭代下执行决策变量前的预状态变量，包括t时段内光伏机组的可用出力、风电机组的可用出力、氢气储量、用户负荷限值、通过联络线购售电的电价以及t-1时段内柴油机组的有功功率；Ct(Sk，t，xk，t)为确定因子，指第k次迭代时t时段内状态为Sk，t下执行决策变量前的电网运行成本；E[Vt+1(Sk，t+1)|(Sk，t，xk，t)]为期望因子，表示在预状态变量为Sk，t、决策变量为xk，t时Vt+1(Sk，t+1)的期望，Vt+1(Sk，t+1)表示Sk，t+1的值函数，指从t+1时段起在预状态变量Sk，t+1下执行不同的决策变量得到的电网运行成本；γ表示预设的折扣系数；
在t时段执行决策变量xk，t，生成执行后的状态变量
Figure BDA0003315091490000031
的近似值函数
Figure BDA0003315091490000032
以近似值函数
Figure BDA0003315091490000033
替换目标函数的期望因子，得到源网荷储协同的调度模型为
Figure BDA0003315091490000034
可选的，所述对近似值函数进行迭代更新，将迭代更新后的近似值函数导入调度模型中迭代求解，包括：
将电网的实时成本与上一次迭代的近似值函数相加作为观测成本，第k次迭代的观测成本Fk，S(Sk，t，xk，t)表示为
Figure BDA0003315091490000035
Ct(Sk，t，xk，t)表示第k次迭代时t时段内状态为Sk，t下执行决策变量前的电网运行成本，
Figure BDA0003315091490000036
表示第k-1次迭代时在t时段执行决策变量xk-1，t后状态变量
Figure BDA0003315091490000037
的近似值函数；
将第k次的近似值函数
Figure BDA0003315091490000041
迭代更新为
Figure BDA0003315091490000042
α为预设的平滑步长，α∈[0，1]，
Figure BDA0003315091490000043
表示第k-1次迭代时在t-1时段执行决策变量后状态变量
Figure BDA0003315091490000044
的近似值函数；
将
Figure BDA0003315091490000045
代入调度模型，对调度模型中的决策变量xk，t进行求解。
可选的，所述近似值函数的初始值为0。
可选的，所述直至求解结果符合预设收敛条件时停止迭代，包括：
当相邻两次的求解结果的差值小于预设阈值停止迭代，所述求解结果包括最后一次迭代时的决策变量和状态变量。
可选的，所述获取对新能源机组出力和用户负荷的预测数据，包括
分别获取新能源机组出力和用户负荷的历史数据，对历史数据进行非线性拟合，根据拟合结果获取新能源机组出力和用户负荷在调度周期内的预测数据。
本发明提供的技术方案带来的有益效果是：
利用近似动态规划技术，基于值函数对调度的期望进行分时段的近似动态规划，消除了现有的调度模型中对期望值的运算，降低了源网荷储优化调度模型中新能源、用户负荷不确定性对调度计划的影响，并通过迭代使函数值收敛的方式逐渐逼近期望值，从而减小了调度策略的计算量，可以有效降低不确定性因素对电力系统稳定、经济运行的影响，实现源荷波动下的能源高效稳定供应，提高能源利用效率。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提出的一种新能源耦合背景下的源网荷储协同调度方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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做出创造性劳动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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例一
如图1所述，本实施例提出了一种新能源耦合背景下的源网荷储协同调度方法，其特征在于，所述源网荷储协同调度方法包括：
S1：以最低电网运行成本在未来调度周期的期望作为目标函数；
S2：生成新能源机组和用户负荷的近似值函数，结合目标函数构建源网荷储协同的调度模型；
S3：获取对新能源机组出力和用户负荷的预测数据，将预测数据输入调度模型中进行求解；
S4：对近似值函数进行迭代更新，将迭代更新后的近似值函数导入调度模型中迭代求解，直至求解结果符合预设收敛条件时停止迭代；
S5：将最后一次迭代的求解结果作为新能源机组和用户负荷的调度策略。
未来在以新能源为主体的新型电网系统中，以风电、光伏、氢储为代表的新能源的广泛应用，将极大提升新能源并网及消纳水平，并表现出源网荷储协同的特点，更经济、高效、安全地提高电力系统的动态平衡能力，从而实现能源资源最大化利用。但由于新能源自身的局限性，维持电力系统稳定、经济运行需要考虑的不确定性因素也随之增加，求解优化调度问题更容易出现“维度爆炸”的情况本实施例基于值函数对调度的期望进行分时段的近似动态规划，实现期望的近似估计，减轻了计算压力，在避免了“维数灾”问题的同时，可以有效降低不确定性因素对电力系统稳定、经济运行的影响，实现源荷波动下的能源高效稳定供应，提高能源利用效率。
首先，本实施例在确保电网可靠运行和可再生能源最大化利用的前提下，以整个调度周期内的电网运行成本最低为目标函数，目标函数为确定性模型，在确定性模型中，风电、光伏出力、负荷被假设为确定值。划分调度周期为T个时段，时间间隔为Dt，例如，记Dt＝1h，若调度周期为1天，则划分为24个时段。目标函数如下：
Figure BDA0003315091490000061
Cf，t＝kDG·PDG，t·Δt；
Figure BDA0003315091490000062
Cp，t＝pt·Pgrid，t·Δt；
Figure BDA0003315091490000063
Cf，t表示t时段内柴油机组的燃料成本，Cm，t表示t时段内柴油机组、风电机组、光伏机组和氢储能系统的运行维护成本，Cp，t表示t时段内通过海底电缆的购售电成本，Ccur，t表示t时段内弃风、弃光、削负荷成本；kDG表示单位有功发电量的柴油机组燃料成本，PDG，t表示t时段内柴油机组的有功功率，lDG表示柴油机组运行维护成本，lWT表示单位有功发电量的风电机组运行维护成本，lPV表示单位有功发电量的光伏机组运行维护成本，lHS表示单位有功发电量的氢储能系统运行维护成本，PWT，t表示调度策略在t时段内风电机组的有功发电量，PPV，t表示调度策略在t时段内光伏机组的有功发电量，
Figure BDA0003315091490000071
表示调度策略在t时段内氢储能系统的充电功率，
Figure BDA0003315091490000072
表示调度策略在t时段内氢储能系统的方电功率，pt表示通过联络线购售电的电价，Pgrid，t表示通过联络线购售电的电量，Pgrid，t取值为正时，表示电网在t时段由联络线向外购电，Pgrid，t取值为负时，表示电网在t时段由联络线向外售电，cwt表示单位电量的弃风成本，cpv表示单位电量的弃光成本，cload表示单位电量的削负荷成本，
Figure BDA0003315091490000073
表示t时段内风电机组的可用出力，
Figure BDA0003315091490000074
表示t时段内光伏机组的可用出力，
Figure BDA0003315091490000075
表示t时段内的削负荷，Δt表示t时段的时长。
对目标函数中的各个变量，为电网可靠运行设置了以下约束条件：
Figure BDA0003315091490000076
式中，t＝1，2，...，T，Dt表示t时段内的用户负荷，
Figure BDA0003315091490000077
分别表示柴油机组有功出力的上下限，
Figure BDA0003315091490000078
分别表示t时段内柴油机组有功出力向下、向上的最大爬坡速率，
Figure BDA0003315091490000079
分别表示通过海底电缆售电和购电的上限，HSt表示t时段氢储能系统中储氢罐内的氢气储量，HSt-1表示t-时段的氢气储量，ηc为制氢效率，ηd为氢燃料电池放电效率，HSmin、HSmax分别表示氢储能系统中储氢罐内氢气的储量上下限。
确定性的目标函数的基础上考虑风电、光伏出力、负荷的不确定性，构建不确定性的源网荷储协同的调度模型，即为目标函数的期望，以期望函数的符号E表示：
Figure BDA0003315091490000081
为了后续期望值的近似计算，本实施例基于强化学习理论中的近似动态规划技术将源网荷储协同优化调度模型求解问题转化为多阶段动态规划，引入预决策状态Sk，t和决策后状态
Figure BDA0003315091490000082
具体包括：
将目标函数划分为
min{Ct(Sk，t，xk，t)+γE[Vt+1(Sk，t+1)|(Sk，t，xk，t)]}；
xk，t为第k次迭代下的决策变量，包括t时段内柴油机组的有功功率、风电机组的有功发电量、光伏机组的有功发电量、氢储能系统的充放电功率以及削负荷，即有
Figure BDA0003315091490000083
Sk，t为执行决策变量前的预状态变量，包括t时段内光伏机组的可用出力、风电机组的可用出力、氢气储量、用户负荷限值、通过联络线购售电的电价以及t-1时段内柴油机组的有功功率，既有
Figure BDA0003315091490000084
Ct(Sk，t，xk，t)为确定因子，指第k次迭代时t时段内状态为Sk，t下执行决策变量前的电网运行成本；E[Vt+1(Sk，t+1)|(Sk，t，xk，t)]为期望因子，表示在预状态变量为Sk，t、决策变量为xk，t时Vt+1(Sk，t+1)的期望Vt+1(Sk，t+1)表示Sk，t+1的值函数，值函数定义为从指定的状态S开始，从现在这一步触发，对应某一决策能够在未来得到的期望回报，由此可知在本实施例中Vt+1(Sk，t+1)的含义为从t+1时段起在预状态变量Sk，t+1下执行不同的决策变量得到的电网运行成本；γ表示预设的折扣系数，介于0到1之间，是指对未来期望成本的关注程度，γ为0时，代表仅关注当前阶段的成本，γ为1时，代表关注未来所有阶段的期望成本；
在t时段执行决策变量xk，t，生成执行后的状态变量
Figure BDA0003315091490000091
的近似值函数
Figure BDA0003315091490000092
以近似值函数
Figure BDA0003315091490000093
替换目标函数的期望因子，得到源网荷储协同的调度模型为
Figure BDA0003315091490000094
至此，问题的焦点转移到关于决策后值函数
Figure BDA0003315091490000095
的求取上，从形式上消除了对期望值的计算。
本实施例中以迭代更新的方式求取
Figure BDA0003315091490000096
在这个过程中需要借助观测成本函数，本实施例定义观测成本为电网的实时成本与上一次迭代的近似值函数的和，将第k次迭代的观测成本函数具体表示为：
Figure BDA0003315091490000097
Ct(Sk，t，xk，t)表示第k次迭代时t时段内状态为Sk，t下执行决策变量前的电网运行成本，
Figure BDA0003315091490000098
表示第k-1次迭代时在t时段执行决策变量xk-1，t后状态变量
Figure BDA0003315091490000099
的近似值函数。
本实施例在迭代开始时，即k＝0时，设置近似值函数
Figure BDA00033150914900000910
的初始值为0。基于上述观测成本函数，将第k次的近似值函数
Figure BDA00033150914900000911
迭代更新为
Figure BDA00033150914900000912
α为预设的平滑步长，用于控制算法迭代更新的速率，α∈[0，1]，
Figure BDA00033150914900000913
表示第k-1次迭代时在t-1时段执行决策变量后状态变量
Figure BDA00033150914900000914
的近似值函数。
本实施例在开始迭代前，需要获取对新能源机组出力和用户负荷的预测数据，目的是在迭代前为状态变量和决策变量设置更易收敛的初始值，加快收敛速度。分别获取新能源机组出力和用户负荷的历史数据，对历史数据进行非线性拟合，根据拟合结果获取新能源机组出力和用户负荷在调度周期内的预测数据。在本实施例中，基于常规的matlab拟合函数实现非线性拟合，此处不再赘述。
将得到的预测数据输入调度模型后，迭代开始，每一次迭代中都将更新好的近似值函数代入调度模型中，进而对调度模型整体求解，得到Vt(Sk，t)在满足约束条件的前提下达到最小值时的决策变量xt，当相邻两次的求解结果的差值小于预设阈值停止迭代，视为求解结果符合预设收敛条件时停止迭代，即求解结果收敛，由最后依次迭代求解出的决策变量xt构成调度策略，供调度人员参考决策变量xt调整柴油机组的有功功率、风电机组的有功发电量、光伏机组的有功发电量、氢储能系统的充放电功率以及削负荷。
上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中的先后顺序。
以上所述仅为本发明的实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种新能源耦合背景下的源网荷储协同调度方法，其特征在于，所述源网荷储协同调度方法包括：
以最低电网运行成本在未来调度周期的期望作为目标函数，
生成新能源机组和用户负荷的近似值函数，结合目标函数构建源网荷储协同的调度模型；
获取对新能源机组出力和用户负荷的预测数据，将预测数据输入调度模型中进行求解；
对近似值函数进行迭代更新，将迭代更新后的近似值函数导入调度模型中迭代求解，直至求解结果符合预设收敛条件时停止迭代；
将最后一次迭代的求解结果作为新能源机组和用户负荷的调度策略。
2.根据权利要求1所述的一种新能源耦合背景下的源网荷储协同调度方法，其特征在于，所述以最低电网运行成本在未来调度周期的期望作为目标函数，包括：
将调度周期划分为T个时段，建立电网运行成本函数为
Figure FDA0003315091480000011
Cf,t＝kDG·PDG,t·Δt；
Figure FDA0003315091480000012
Cp,t＝pt·Pgrid,t·Δt；
Figure FDA0003315091480000013
Cf,t表示t时段内柴油机组的燃料成本，Cm,t表示t时段内柴油机组、风电机组、光伏机组和氢储能系统的运行维护成本，Cp,t表示t时段内通过海底电缆的购售电成本，Ccur,t表示t时段内弃风、弃光、削负荷成本；kDG表示单位有功发电量的柴油机组燃料成本，PDG,t表示t时段内柴油机组的有功功率，lDG表示柴油机组运行维护成本，lWT表示单位有功发电量的风电机组运行维护成本，lPV表示单位有功发电量的光伏机组运行维护成本，lHS表示单位有功发电量的氢储能系统运行维护成本，PWT,t表示调度策略在t时段内风电机组的有功发电量，PPV,t表示调度策略在t时段内光伏机组的有功发电量，
Figure FDA0003315091480000021
表示调度策略在t时段内氢储能系统的充电功率，
Figure FDA0003315091480000022
表示调度策略在t时段内氢储能系统的方电功率，pt表示通过联络线购售电的电价，Pgrid,t表示通过联络线购售电的电量，cwt表示单位电量的弃风成本，cpv表示单位电量的弃光成本，cload表示单位电量的削负荷成本，
Figure FDA0003315091480000023
表示t时段内风电机组的可用出力，
Figure FDA0003315091480000024
表示t时段内光伏机组的可用出力，
Figure FDA0003315091480000025
表示t时段内的削负荷，Δt表示t时段的时长；
成本函数的约束条件包括：
Figure FDA0003315091480000026
HSt表示t时段的氢气储量，HSt-1表示t-时段的氢气储量，ηc为制氢效率，ηd为氢燃料电池放电效率，Dt表示t时段的用户负荷；
将电网运行成本函数在调度周期的期望作为目标函数。
3.根据权利要求2所述的一种新能源耦合背景下的源网荷储协同调度方法，其特征在于，所述Pgrid,t取值为正时，表示电网在t时段由联络线向外购电，所述Pgrid,t取值为负时，表示电网在t时段由联络线向外售电。
4.根据权利要求1所述的一种新能源耦合背景下的源网荷储协同调度方法，其特征在于，所述生成新能源机组和用户负荷的近似值函数，结合目标函数构建源网荷储协同的调度模型，包括：
将目标函数划分为
min{Ct(Sk,t,xk,t)+γE[Vt+1(Sk,t+1)|(Sk,t,xk,t)]}；
xk,t为第k次迭代下的决策变量，包括t时段内柴油机组的有功功率、风电机组的有功发电量、光伏机组的有功发电量、氢储能系统的充放电功率以及削负荷；Sk,t为第k次迭代下执行决策变量前的预状态变量，包括t时段内光伏机组的可用出力、风电机组的可用出力、氢气储量、用户负荷限值、通过联络线购售电的电价以及t-1时段内柴油机组的有功功率；Ct(Sk,t,xk,t)为确定因子，指第k次迭代时t时段内状态为Sk,t下执行决策变量前的电网运行成本；E[Vt+1(Sk,t+1)|(Sk,t,xk,t)]为期望因子，表示在预状态变量为Sk,t、决策变量为xk,t时Vt+1(Sk,t+1)的期望，Vt+1(Sk,t+1)表示Sk,t+1的值函数，指从t+1时段起在预状态变量Sk,t+1下执行不同的决策变量得到的电网运行成本；γ表示预设的折扣系数；
在t时段执行决策变量xk，t，生成执行后的状态变量
Figure FDA0003315091480000031
的近似值函数
Figure FDA0003315091480000032
以近似值函数
Figure FDA0003315091480000033
替换目标函数的期望因子，得到源网荷储协同的调度模型为
Figure FDA0003315091480000034
5.根据权利要求1所述的一种新能源耦合背景下的源网荷储协同调度方法，其特征在于，所述对近似值函数进行迭代更新，将迭代更新后的近似值函数导入调度模型中迭代求解，包括：
将电网的实时成本与上一次迭代的近似值函数相加作为观测成本，第k次迭代的观测成本Fk,S(Sk,t,xk,t)表示为
Figure FDA0003315091480000035
Ct(Sk,t,xk,t)表示第k次迭代时t时段内状态为Sk,t下执行决策变量前的电网运行成本，
Figure FDA0003315091480000036
表示第k-1次迭代时在t时段执行决策变量xk-1,t后状态变量
Figure FDA0003315091480000041
的近似值函数；
将第k次的近似值函数
Figure FDA0003315091480000042
迭代更新为
Figure FDA0003315091480000043
α为预设的平滑步长，α∈[0,1]，
Figure FDA0003315091480000044
表示第k-1次迭代时在t-1时段执行决策变量后状态变量
Figure FDA0003315091480000045
的近似值函数；
将
Figure FDA0003315091480000046
代入调度模型，对调度模型中的决策变量xk,t进行求解。
6.根据权利要求1所述的一种新能源耦合背景下的源网荷储协同调度方法，其特征在于，所述近似值函数的初始值为0。
7.根据权利要求4所述的一种新能源耦合背景下的源网荷储协同调度方法，其特征在于，所述直至求解结果符合预设收敛条件时停止迭代，包括：
当相邻两次的求解结果的差值小于预设阈值停止迭代，所述求解结果包括最后一次迭代时的决策变量和状态变量。
8.根据权利要求1所述的一种新能源耦合背景下的源网荷储协同调度方法，其特征在于，所述获取对新能源机组出力和用户负荷的预测数据，包括：
分别获取新能源机组出力和用户负荷的历史数据，对历史数据进行非线性拟合，根据拟合结果获取新能源机组出力和用户负荷在调度周期内的预测数据。
CN202111228442.8A 2021-10-21 2021-10-21 一种新能源耦合背景下的源网荷储协同调度方法 Active CN114123166B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202111228442.8A CN114123166B (zh) 2021-10-21 2021-10-21 一种新能源耦合背景下的源网荷储协同调度方法
PCT/CN2022/072063 WO2023065552A1 (zh) 2021-10-21 2022-01-14 一种新能源耦合背景下的源网荷储协同调度方法
US17/767,447 US12027860B2 (en) 2021-10-21 2022-01-14 Source-network-load-storage coordination dispatching method in background of coupling of renewable energy sources

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111228442.8A CN114123166B (zh) 2021-10-21 2021-10-21 一种新能源耦合背景下的源网荷储协同调度方法

Publications (2)

Publication Number Publication Date
CN114123166A true CN114123166A (zh) 2022-03-01
CN114123166B CN114123166B (zh) 2023-10-20

Family

ID=80376347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111228442.8A Active CN114123166B (zh) 2021-10-21 2021-10-21 一种新能源耦合背景下的源网荷储协同调度方法

Country Status (3)

Country Link
US (1) US12027860B2 (zh)
CN (1) CN114123166B (zh)
WO (1) WO2023065552A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116432478A (zh) * 2023-06-15 2023-07-14 广东电网有限责任公司东莞供电局 一种电力系统的能量确定方法、装置、设备及介质
CN117175637A (zh) * 2023-08-25 2023-12-05 哈尔滨工业大学 一种基于混合密度网络未来态场景的源网荷储配置方法

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116436020B (zh) * 2023-05-05 2024-05-07 国网湖南省电力有限公司 新能源上网汇集站的需求判定方法及系统
CN116581742B (zh) * 2023-05-16 2024-02-23 淮阴工学院 一种基于变色龙算法调控智慧云平台柔性电负荷调度系统及方法
CN116611192A (zh) * 2023-05-22 2023-08-18 上海交通大学 一种计及运行风险的柔性配电网随机扩展规划方法及系统
CN116307304B (zh) * 2023-05-24 2023-09-29 电力规划总院有限公司 混合储能配置信息生成方法、装置、设备及可读存储介质
CN116979390B (zh) * 2023-07-31 2024-02-13 南京中汇电气科技有限公司 一种新能源场站自动电压无功控制双重调节方法
CN116780658B (zh) * 2023-08-17 2023-11-10 国网浙江省电力有限公司金华供电公司 考虑源-荷双侧不确定性的多能互补优化调度方法
CN116757875B (zh) * 2023-08-18 2023-10-24 国网智能电网研究院有限公司 源荷储多孪生体协同互动方法、装置、设备及存储介质
CN117424204B (zh) * 2023-09-22 2024-08-13 河海大学 一种计及源-荷不确定性的源-网-荷-储协同规划方法
CN117422227B (zh) * 2023-10-10 2024-05-24 国网山东省电力公司潍坊供电公司 考虑源网荷储耦合特性的输配电网双侧储能协同规划方法
CN117526376B (zh) * 2023-10-19 2024-05-24 国网浙江省电力有限公司乐清市供电公司 一种虚拟电厂的光伏发电与储能聚合管理方法及装置
CN117422249A (zh) * 2023-10-20 2024-01-19 国网甘肃省电力公司超高压公司 综合能源系统日前优化调度方法
CN117293926B (zh) * 2023-11-22 2024-03-12 中能智新科技产业发展有限公司 一种源网荷储一体化平台资源实时调度方法及装置
CN117375114B (zh) * 2023-12-04 2024-02-09 华中科技大学 一种综合能源系统优化调度方法及系统
CN117408535B (zh) * 2023-12-15 2024-04-12 国网山东省电力公司电力科学研究院 一种基于深度学习的新能源爬坡事件滚动预警方法及系统
CN117977718B (zh) * 2024-04-01 2024-09-13 浙电(宁波北仑)智慧能源有限公司 基于源网荷储的协调调度优化方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110929964A (zh) * 2019-12-18 2020-03-27 国网福建省电力有限公司 一种基于近似动态规划算法的含储能配电网优化调度方法
AU2020100983A4 (en) * 2019-11-14 2020-07-16 Shandong University Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation
US20200313433A1 (en) * 2018-06-06 2020-10-01 Nanjing Institute Of Technology Data-driven three-stage scheduling method for electricity, heat and gas networks based on wind electricity indeterminacy
CN112117760A (zh) * 2020-08-13 2020-12-22 国网浙江省电力有限公司台州供电公司 基于双q值网络深度强化学习的微电网能量调度方法
KR102256434B1 (ko) * 2020-08-14 2021-05-25 목포대학교 산학협력단 다수의 분산 에너지저장시스템 통합제어 장치

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7274975B2 (en) * 2005-06-06 2007-09-25 Gridpoint, Inc. Optimized energy management system
CA2749770C (en) * 2009-01-14 2021-07-20 Integral Analytics, Inc. Optimization of microgrid energy use and distribution
US8706650B2 (en) * 2009-01-14 2014-04-22 Integral Analytics, Inc. Optimization of microgrid energy use and distribution
US8626353B2 (en) * 2011-01-14 2014-01-07 International Business Machines Corporation Integration of demand response and renewable resources for power generation management
US10389126B2 (en) * 2012-09-13 2019-08-20 Stem, Inc. Method and apparatus for damping power oscillations on an electrical grid using networked distributed energy storage systems
US20150184549A1 (en) * 2013-12-31 2015-07-02 General Electric Company Methods and systems for enhancing control of power plant generating units
US9957843B2 (en) * 2013-12-31 2018-05-01 General Electric Company Methods and systems for enhancing control of power plant generating units
US9932907B2 (en) * 2015-03-03 2018-04-03 General Electric Company Methods and systems for enhancing control of power plant generating units
US10534328B2 (en) * 2016-06-21 2020-01-14 General Electric Company Methods and systems for enhancing control of power plant generating units
US10418822B2 (en) * 2017-02-14 2019-09-17 Mitsubishi Electric Research Laboratories, Inc. Energy production and frequency regulation Co-optimization for power generation systems
CN109066767B (zh) * 2018-07-09 2023-10-20 国网浙江省电力有限公司台州供电公司 一种低压分布式电源的零盲区反孤岛保护系统
CN109327042B (zh) * 2018-09-27 2023-02-10 南京邮电大学 一种微电网多能源联合优化调度方法
CN109361199B (zh) * 2018-10-10 2023-10-20 国网浙江省电力有限公司台州供电公司 用于光伏电站送出线上过渡电阻接地故障的保护方法
US20220187847A1 (en) * 2019-11-05 2022-06-16 Strong Force Vcn Portfolio 2019, Llc Robot Fleet Management for Value Chain Networks
CN111064210B (zh) * 2019-12-12 2021-09-14 国网浙江省电力有限公司台州供电公司 增加新能源发电波动的海岛电网储能系统分层控制方法
US11916383B2 (en) * 2020-05-04 2024-02-27 8Me Nova, Llc Implementing power delivery transaction for potential electrical output of integrated renewable energy source and energy storage system facility
CN112217202B (zh) * 2020-09-29 2022-06-14 东南大学 考虑灵活性投资的分布式新能源、储能与配电网规划方法
CN112785117B (zh) * 2020-12-18 2023-04-07 国网浙江省电力有限公司台州供电公司 一种输电线路全线雷电绕击跳闸风险多维分析方法
CN112671036A (zh) * 2020-12-21 2021-04-16 北京华能新锐控制技术有限公司 一种考虑需求响应的微电网调度方法
CN113964860B (zh) * 2021-09-17 2024-06-18 国网浙江省电力有限公司台州供电公司 一种基于需量管理的光储离线协调系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200313433A1 (en) * 2018-06-06 2020-10-01 Nanjing Institute Of Technology Data-driven three-stage scheduling method for electricity, heat and gas networks based on wind electricity indeterminacy
AU2020100983A4 (en) * 2019-11-14 2020-07-16 Shandong University Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation
CN110929964A (zh) * 2019-12-18 2020-03-27 国网福建省电力有限公司 一种基于近似动态规划算法的含储能配电网优化调度方法
CN112117760A (zh) * 2020-08-13 2020-12-22 国网浙江省电力有限公司台州供电公司 基于双q值网络深度强化学习的微电网能量调度方法
KR102256434B1 (ko) * 2020-08-14 2021-05-25 목포대학교 산학협력단 다수의 분산 에너지저장시스템 통합제어 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李鹏;华浩瑞;陈安伟;狄开丽;: "基于二层规划模型的交直流混合微网源荷储协调分区优化经济调度", 中国电机工程学报, no. 24 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116432478A (zh) * 2023-06-15 2023-07-14 广东电网有限责任公司东莞供电局 一种电力系统的能量确定方法、装置、设备及介质
CN116432478B (zh) * 2023-06-15 2023-09-08 广东电网有限责任公司东莞供电局 一种电力系统的能量确定方法、装置、设备及介质
CN117175637A (zh) * 2023-08-25 2023-12-05 哈尔滨工业大学 一种基于混合密度网络未来态场景的源网荷储配置方法
CN117175637B (zh) * 2023-08-25 2024-07-26 哈尔滨工业大学 一种基于混合密度网络未来态场景的源网荷储配置方法

Also Published As

Publication number Publication date
WO2023065552A1 (zh) 2023-04-27
CN114123166B (zh) 2023-10-20
US12027860B2 (en) 2024-07-02
US20240097443A1 (en) 2024-03-21

Similar Documents

Publication Publication Date Title
CN114123166B (zh) 一种新能源耦合背景下的源网荷储协同调度方法
CN108960510B (zh) 一种基于两阶段随机规划的虚拟电厂优化交易策略装置
CN109347149B (zh) 基于深度q值网络强化学习的微电网储能调度方法及装置
CN111709672B (zh) 基于场景和深度强化学习的虚拟电厂经济调度方法
CN107039975B (zh) 一种分布式能源系统能量管理方法
CN113988444A (zh) 一种光储系统的电费优化控制系统及方法
CN111242388B (zh) 一种考虑冷热电联供的微电网优化调度方法
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法
CN109449925B (zh) 一种多目标联合优化调度的自适应动态规划方法
CN112491094B (zh) 一种混合驱动的微电网能量管理方法、系统及装置
CN113241803B (zh) 一种基于新能源消纳的储能调度方法及计算机介质
CN105680464A (zh) 一种考虑电池损耗的削峰填谷电池储能系统调度方法
CN117833285A (zh) 一种基于深度强化学习的微电网储能优化调度方法
CN110867852A (zh) 计及全寿命周期成本的微电网储能优化配置方法及装置
CN117060386A (zh) 一种基于值分布深度q网络的微电网储能调度优化方法
CN115422728A (zh) 基于随机规划的鲁棒优化的虚拟电厂优化控制系统
CN106100002B (zh) 一种交直流混合微网的优化运行方法
Chang et al. Model predictive control based energy collaborative optimization management for energy storage system of virtual power plant
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
CN103972913B (zh) 一种基于边际发电能耗的抽蓄电站日运行方式优化方法
Hashmi et al. Power energy management for a grid-connected PV system using rule-base fuzzy logic
CN109213104B (zh) 基于启发式动态规划的储能系统的调度方法及调度系统
CN117610801A (zh) 一种综合能源供能的碳排放优化方法及系统
CN113964819B (zh) 一种考虑风电场参与调频的电力系统运行优化方法及装置
Martins et al. LP-based predictive energy management system for residential PV/BESS

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