CN114123173B - 网络攻击下基于事件触发机制的微电网弹性能量管理方法 - Google Patents
网络攻击下基于事件触发机制的微电网弹性能量管理方法 Download PDFInfo
- Publication number
- CN114123173B CN114123173B CN202111345220.4A CN202111345220A CN114123173B CN 114123173 B CN114123173 B CN 114123173B CN 202111345220 A CN202111345220 A CN 202111345220A CN 114123173 B CN114123173 B CN 114123173B
- Authority
- CN
- China
- Prior art keywords
- generator
- micro
- energy management
- load
- grid
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 49
- 238000010248 power generation Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 230000005540 biological transmission Effects 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 2
- 239000013641 positive control Substances 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 8
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
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
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
-
- 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
-
- 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
-
- 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
- H02J2203/10—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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明是一种网络攻击下基于事件触发机制的微电网弹性能量管理方法，包括步骤1：根据发电和负荷单元最大化自身利益且满足发电负荷功率平衡约束从而建立微电网能量管理模型；步骤2：考虑发电和负荷单元的计算能力，将步骤1中的所述微电网能量管理模型设计成分布式的形式；步骤3：使用网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法进行优化求解，最终使得全局发电和负荷偏差电量收敛至零。本发明解决了微电网网络拓扑中对抗节点的恶意数据攻击和节点之间频繁的信息交换造成的通信负担问题。
Description
技术领域
本发明属于电力系统自动化的技术领域，具体的说是涉及一种网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法。
背景技术
随着网络攻击的不断增加，网络安全在电力系统的能量管理中受到了众多研究人员的关注。传统的微电网能量管理方法中未考虑网络拓扑中存在的网络攻击和通信负担问题，不能解决微电网网络拓扑中对抗节点的恶意数据攻击和节点之间频繁的信息交换造成的通信负担问题，无法满足实际工程的需要，具有很大的局限性。
发明内容
为了解决上述技术问题，本发明提供了了一种网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法，解决了传统的微电网能量管理网络拓扑中存在的网络攻击和通信负担问题。
为了解决上述问题，本发明是通过以下技术方案实现的：
本发明是一种网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法，包括如下步骤：
步骤1、根据发电和负荷单元最大化自身利益且满足发电负荷功率平衡等约束从而建立微电网能量管理模型；
步骤2、考虑发电和负荷单元的计算能力，将所述微电网能量管理模型设计成分布式的形式；
步骤3、使用网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法进行优化求解，最终使得全局发电和负荷偏差电量收敛至零。
作为所述网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法的进一步优化方案，步骤A所述微电网能量管理模型包括优化目标，所述优化目标分为发电机的发电成本和负荷单元的效用成本，其中每台发电机i∈vg的发电成本
其中分别是第i台发电机的发电成本的二次项系数、一次项系数和常数系数，/>表示第i台发电机的输出功率，vg表示发电机的节点集合。
负荷侧的每个负荷单元j∈vd的效用成本
其中αj、βj是第j个负荷单元的效用系数，表示第j个负荷单元的用电量，vd表示负荷单元集合。
因此，基于社会福利最大化，微电网能量管理模型的目标函数可以表示为
进一步的，所述网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法中，步骤A所述微电网能量管理模型包括约束条件，所述约束条件包括：
发电和负荷侧功率平衡约束：
其中发电机总的传输损耗Ploss可以表示为：
其中表示传输损耗系数。
发电机功率上下限约束：
其中表示第i台发电机输出功率的最小值，/>表示第i台发电机输出功率的最大值。
负荷单元用电量上下限约束：
其中表示第j个负荷单元用电量的最小值，/>表示第j个负荷单元用电量的最大值。
本发明的有益效果是：本发明针对微电网网络拓扑中存在的网络攻击和通信负担问题，提出网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法，使用网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法进行优化求解，最终使得全局发电和负荷偏差电量收敛至零，解决了微电网网络拓扑中对抗节点的恶意数据攻击和节点之间频繁的信息交换造成的通信负担问题。
附图说明
图1是本发明的流程示意图。
具体实施方式
以下将以图式揭露本发明的实施方式，为明确说明起见，许多实务上的细节将在以下叙述中一并说明。然而，应了解到，这些实务上的细节不应用以限制本发明。也就是说，在本发明的部分实施方式中，这些实务上的细节是非必要的。
本发明提供了网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法，如图1所示，具体包括以下步骤：
步骤1、根据发电和负荷单元最大化自身利益且满足发电负荷功率平衡等约束从而建立微电网能量管理模型；
步骤2、考虑发电和负荷单元的计算能力，将所述微电网能量管理模型设计成分布式的形式；
步骤3、使用网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法进行优化求解，最终使得全局发电和负荷偏差电量收敛至零。
步骤1中的微电网能量管理模型包括优化目标，所述优化目标分为发电机的发电成本和负荷单元的效用成本，其中每台发电机i∈vg的发电成本
其中分别是第i台发电机的发电成本的二次项系数、一次项系数和常数系数，/>表示第i台发电机的输出功率，其中vg表示发电机的节点集合。
负荷侧的每个负荷单元j∈vd(其中vd表示负荷单元集合)的效用成本
其中αj、βj是第j个负荷单元的效用系数，表示第j个负荷单元的用电量。
因此，基于社会福利最大化，微电网能量管理模型的目标函数可以表示为
步骤1所述微电网能量管理模型包括约束条件，所述约束条件包括：
发电和负荷侧功率平衡约束：
其中发电机总的传输损耗Ploss可以表示为：
其中表示传输损耗系数。
发电机功率上下限约束：
其中表示第i台发电机输出功率的最小值，/>表示第i台发电机输出功率的最大值。
负荷单元用电量上下限约束：
其中表示第j个负荷单元用电量的最小值，/>表示第j个负荷单元用电量的最大值。
步骤2考虑各台发电机和负荷单元的计算能力，上述微电网能量管理模型(3)可以设计成分布式的形式，结合约束式(4)-(7)，拉格朗日函数可以表示为
其中λ0、λ1、λ2、λ3和λ4都为正的拉格朗日乘子，C1、C2、C3和C4为正的控制参数。
根据式(8)，将原问题(3)-(7)解耦成子优化问题，可以采用一致性理论分布式解决该问题。
式(8)分别对第i台发电机的输出功率和负荷单元用电量/>求偏导得到梯度如下：
定义λi为每台发电机i∈vg的增量成本，令式(9)为0可以求得λi：
定义λj为每个负荷单元j∈vd的增量效用，令式(10)为0可以求得λj：
步骤3所述网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法包括以下步骤：
步骤3-1、初始化：根据式(11)和(12)设置每台发电机i∈vg的增量成本在k＝0时刻的λi(0)和每个负荷单元j∈vd的增量效用在k＝0时刻的λj(0)，设置发电机输出功率和负荷单元用电量/>在k＝0时刻都为0，设置节点的局部发电和负荷偏差电量在k＝0时刻的/>为0；
步骤3-2、每个发电机或者负荷单元i的增量成本或者增量效用λi(k)的迭代更新：
其中λi(k)表示k时刻每个发电机或者负荷单元i的增量成本或者增量效用，集合其中/>表示k时刻每个发电机或者负荷单元节点i的邻居节点j在满足触发条件下发送给节点的增量成本或者增量效用状态值。其中触发条件是指/>Eji(k)＞0是一个阈值，表示当前时刻和上一次触发时刻的最大允许误差，一般具有平方可加和递减的性质。其中Ti表示节点i的可信邻居节点集合，Ni表示节点i的邻居节点集合，/>表示集合/>的基数。/>为迭代步长，一般具有不可加、平方可加和递减的性质。f′i(k)为节点i的局部成本函数在k时刻的梯度，γ表示比例反馈增益，满足0＜γ＜1，/>表示参节点i在k时刻的局部发电和负荷偏差电量；
步骤3-3、发电机输出功率和负荷单元用电量/>的迭代更新：
步骤3-4、每个发电机或者负荷单元i的局部发电和负荷偏差电量的迭代更新：
其中xij表示权重系数，Ploss(k)表示k时刻发电机总的传输损耗。
本发明提供了网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法，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方法。
本发明针对微电网网络拓扑中存在的网络攻击和通信负担问题，提出了网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法，所述方法包括根据发电和负荷单元最大化自身利益且满足发电负荷功率平衡等约束从而建立微电网能量管理模型；考虑发电和负荷单元的计算能力，将所述微电网能量管理模型设计成分布式的形式；使用网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法进行优化求解，最终使得全局发电和负荷偏差电量收敛至零，解决了微电网网络拓扑中对抗节点的恶意数据攻击和节点之间频繁的信息交换造成的通信负担问题。
以上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理的内所作的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。
Claims (4)
1.一种网络攻击下基于事件触发机制的微电网弹性能量管理方法，其特征在于：所述管理方法包括如下步骤：
步骤1：根据发电和负荷单元最大化自身利益且满足发电负荷功率平衡约束从而建立微电网能量管理模型，所述微电网能量管理模型还包括约束条件，其中发电机总的传输损耗Ploss可以表示为：其中/>表示传输损耗系数；
步骤2：考虑发电和负荷单元的计算能力，将步骤1中的所述微电网能量管理模型设计成分布式的形式；
步骤3：使用网络攻击下基于事件触发机制的微电网弹性分布式安全能量管理方法进行优化求解，最终使得全局发电和负荷偏差电量收敛至零，其中
所述步骤3具体包括如下步骤：
步骤3-1：初始化：根据式(11)和(12)设置每台发电机i∈vg的增量成本在k＝0时刻的λi(0)和每个负荷单元j∈vd的增量效用在k＝0时刻的λj(0)，设置发电机输出功率和负荷单元用电量/>在k＝0时刻都为0，设置节点的局部发电和负荷偏差电量在k＝0时刻的为0；
步骤3-2：每个发电机或者负荷单元i的增量成本或者增量效用λi(k)的迭代更新：
其中λi(k)表示k时刻每个发电机或者负荷单元i的增量成本或者增量效用，集合其中/>表示k时刻每个发电机或者负荷单元节点i的邻居节点j在满足触发条件下发送给节点的增量成本或者增量效用状态值，其中触发条件是指/>是一个阈值，表示当前时刻和上一次触发时刻的最大允许误差，一般具有平方可加和递减的性质，其中Ti表示节点i的可信邻居节点集合，Ni表示节点i的邻居节点集合，/>表示集合/>的基数，/>为迭代步长，一般具有不可加、平方可加和递减的性质，f′i(k)为节点i的局部成本函数在k时刻的梯度，γ表示比例反馈增益，满足0＜γ＜1，/>表示参节点i在k时刻的局部发电和负荷偏差电量；
步骤3-3：发电机输出功率和负荷单元用电量/>的迭代更新：
步骤3-4：每个发电机或者负荷单元i的局部发电和负荷偏差电量的迭代更新：
其中xij表示权重系数，Ploss(k)表示k时刻发电机总的传输损耗；
所述步骤2中将步骤1中的所述微电网能量管理模型设计成分布式的形式，具体为，将微电网能量管理模型的目标函数(3)设计成分布式的形式，结合式(4)-(7)，拉格朗日函数表示为
其中λ0、λ1、λ2、λ3和λ4都为正的拉格朗日乘子，C1、C2、C3和C4为正的控制参数；
根据式(8)，将原问题式(3)-(7)解耦成子优化问题，采用一致性理论分布式解决该问题，
式(8)分别对第i台发电机的输出功率和负荷单元用电量/>求偏导得到梯度如下：
定义λi为每台发电机i∈vg的增量成本，令式(9)为0可以求得λi：
定义λj为每个负荷单元j∈vd的增量效用，令式(10)为0可以求得λj：
2.根据权利要求1所述网络攻击下基于事件触发机制的微电网弹性能量管理方法，其特征在于：所述步骤1中的所述微电网能量管理模型包括优化目标，优化目标分为发电机的发电成本和负荷单元的效用成本，其中每台发电机i∈vg的发电成本
其中分别是第i台发电机的发电成本的二次项系数、一次项系数和常数系数，/>表示第i台发电机的输出功率，vg表示发电机的节点集合；
负荷侧的每个负荷单元j∈vd的效用成本
其中αj、βj是第j个负荷单元的效用系数，表示第j个负荷单元的用电量，其中vd表示负荷单元集合；
基于社会福利最大化，微电网能量管理模型的目标函数可以表示为
3.根据权利要求2所述网络攻击下基于事件触发机制的微电网弹性能量管理方法，其特征在于：所述步骤1中的所述微电网能量管理模型还包括约束条件，所述约束条件包括：
发电和负荷侧功率平衡约束：
其中发电机总的传输损耗Ploss表示为：
其中表示传输损耗系数；
发电机功率上下限约束：
其中表示第i台发电机输出功率的最小值，/>表示第i台发电机输出功率的最大值；
负荷单元用电量上下限约束：
其中表示第j个负荷单元用电量的最小值，/>表示第j个负荷单元用电量的最大值。
4.根据权利要求1所述网络攻击下基于事件触发机制的微电网弹性能量管理方法，其特征在于：所述能量管理方法还包括存储介质和处理器，存储介质用于存储指令，所述处理器用于根据指令操作能量管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111345220.4A CN114123173B (zh) | 2021-11-15 | 2021-11-15 | 网络攻击下基于事件触发机制的微电网弹性能量管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111345220.4A CN114123173B (zh) | 2021-11-15 | 2021-11-15 | 网络攻击下基于事件触发机制的微电网弹性能量管理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114123173A CN114123173A (zh) | 2022-03-01 |
| CN114123173B true CN114123173B (zh) | 2024-05-14 |
Family
ID=80395924
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111345220.4A Active CN114123173B (zh) | 2021-11-15 | 2021-11-15 | 网络攻击下基于事件触发机制的微电网弹性能量管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114123173B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115225305B (zh) * | 2022-04-12 | 2024-04-19 | 上海大学 | 网络攻击下微电网分布式经济调度的攻击检测和恢复方法 |
| CN114911180B (zh) * | 2022-04-29 | 2024-09-20 | 东北大学 | 基于事件触发牛顿拉夫森的网内网间能量控制装置及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107623337A (zh) * | 2017-09-26 | 2018-01-23 | 武汉大学 | 一种微电网能量管理方法 |
| CN111211567A (zh) * | 2020-02-20 | 2020-05-29 | 国网山西省电力公司大同供电公司 | 基于事件触发机制的孤岛微电网分布式最优频率调节方法 |
| AU2020100842A4 (en) * | 2020-05-26 | 2020-07-02 | Southwest University | An efficient and accelerated distributed algorithm for smart grids |
| AU2020101959A4 (en) * | 2020-08-24 | 2020-10-01 | Southwest University | Decentralized optimization algorithm for machine learning tasks in networks: Resource efficient |
| CN113241763A (zh) * | 2021-06-04 | 2021-08-10 | 南京邮电大学 | 考虑网损的事件触发电力系统经济运行调度方法 |
-
2021
- 2021-11-15 CN CN202111345220.4A patent/CN114123173B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107623337A (zh) * | 2017-09-26 | 2018-01-23 | 武汉大学 | 一种微电网能量管理方法 |
| CN111211567A (zh) * | 2020-02-20 | 2020-05-29 | 国网山西省电力公司大同供电公司 | 基于事件触发机制的孤岛微电网分布式最优频率调节方法 |
| AU2020100842A4 (en) * | 2020-05-26 | 2020-07-02 | Southwest University | An efficient and accelerated distributed algorithm for smart grids |
| AU2020101959A4 (en) * | 2020-08-24 | 2020-10-01 | Southwest University | Decentralized optimization algorithm for machine learning tasks in networks: Resource efficient |
| CN113241763A (zh) * | 2021-06-04 | 2021-08-10 | 南京邮电大学 | 考虑网损的事件触发电力系统经济运行调度方法 |
Non-Patent Citations (2)
| Title |
|---|
| A Homomorphic Cryptography Based Privacy-preserving Consensus Algorithm With Event-triggering in Distributed Energy Management;Qingze Zhuo;《Proceedings of the 40th Chinese Control Conference》;第6772-6777页 * |
| 基于一致性的微网分布式能量管理调度策略;阮博;俞德华;李斯吾;;电力系统保护与控制(第15期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114123173A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109980685B (zh) | 一种考虑不确定性的主动配电网分布式优化运行方法 | |
| Lin et al. | Controls of hybrid energy storage systems in microgrids: Critical review, case study and future trends | |
| CN112039069B (zh) | 一种配电网储能与柔性开关的双层协同规划方法及系统 | |
| CN114123173B (zh) | 网络攻击下基于事件触发机制的微电网弹性能量管理方法 | |
| CN112994022A (zh) | 一种源储荷分布式协同电压控制方法及其系统 | |
| CN105243516A (zh) | 基于主动配电网的分布式光伏发电最大消纳能力计算系统 | |
| Lin et al. | Energy management strategy and capacity optimization for CCHP system integrated with electric‐thermal hybrid energy storage system | |
| CN115564142B (zh) | 一种混合储能系统的选址定容优化方法及系统 | |
| CN109347139A (zh) | 一种配电网中分布式电源最大准入容量优化配置方法 | |
| CN117096962B (zh) | 考虑光伏的电网动态无功补偿优化方法及系统 | |
| Zhang et al. | A High‐Proportion Household Photovoltaic Optimal Configuration Method Based on Integrated–Distributed Energy Storage System | |
| CN117154727A (zh) | 电力系统可靠性控制方法及系统 | |
| CN115277109B (zh) | 一种面向虚假数据注入攻击的智能微网分布式动态跟踪技术 | |
| Aldahmashi et al. | Advanced machine learning approach of power flow optimization in community microgrid | |
| Zhao et al. | Research on Multiobjective Optimal Operation Strategy for Wind‐Photovoltaic‐Hydro Complementary Power System | |
| CN114709825B (zh) | 基于电力电子变压器的交直流配电网动态防雷方法和系统 | |
| CN114330113B (zh) | 基于深度强化学习的新能源电力系统弹性优化方法 | |
| CN114398777B (zh) | 一种基于巴什博弈理论的电力系统灵活性资源配置方法 | |
| CN113627807B (zh) | 一种网源荷互动风险控制方法 | |
| CN113283105B (zh) | 一种考虑电压安全约束的能源互联网分布式优化调度方法 | |
| Zhang et al. | The Voltage Stabilizing Control Strategy of Off‐Grid Microgrid Cluster Bus Based on Adaptive Genetic Fuzzy Double Closed‐Loop Control | |
| He et al. | Distributed Optimal Power Scheduling for Microgrid System via Deep Reinforcement Learning with Privacy Preserving | |
| CN108521345A (zh) | 一种考虑通信中断的孤岛微电网的信息物理协同应对方法 | |
| Tang et al. | Software-Defined Power Supply to Geo-Distributed Edge DCs | |
| Mao et al. | A distributed economic dispatch algorithm for islanding microgrid considering unreliable communication links |
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 |