CN114400713A - 综合能源系统区间优化调度方法 - Google Patents
综合能源系统区间优化调度方法 Download PDFInfo
- Publication number
- CN114400713A CN114400713A CN202210107101.3A CN202210107101A CN114400713A CN 114400713 A CN114400713 A CN 114400713A CN 202210107101 A CN202210107101 A CN 202210107101A CN 114400713 A CN114400713 A CN 114400713A
- Authority
- CN
- China
- Prior art keywords
- interval
- power
- constraint
- energy system
- chp
- 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
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
- H02J3/38—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
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given 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]
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
-
- 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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Wind Motors (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明属于综合能源系统技术领域,尤其涉及一种综合能源系统区间优化调度方法;其优化了综合能源系统的经济性同时促进弃风消纳。包括以下步骤:步骤1、确定综合能源系统结构,基于综合能源系统建立电热综合能源系统优化运行模型;步骤2、建立风电不确定性的区间优化策略。
Description
技术领域
本发明属于综合能源系统技术领域,尤其涉及一种综合能源系统区间优化调度方法。
背景技术
近年来,风力发电凭借其清洁、可再生、装机规模灵活等优势占据较高的优先级,然而风的波动性、间歇性等特点,也使风电的电网接入具有不确定性,导致综合能源系统的优化调度问题往往对其难以充分消纳,因此,需要对综合能源系统区间进行优化调度。
传统含风电力系统的优化中,一般采取随机优化和鲁棒优化两类方法来应对风电的不确定性问题。其中,随机优化以获得风电精确分布为前提,而鲁棒优化则不需要准确的概率分布函数,但由于鲁棒优化存在求解结果较保守的缺点,对系统的经济性和环保性可能产生不利影响。近些年的应用区间数学优化,其具有不依赖不确定参数的精确概率分布,且可以突出不确定参数对系统的影响。
发明内容
本发明就是针对现有技术存在的缺陷,提供一种综合能源系统区间优化调度方法。为了解决现有技术的不足,本发明优化综合能源系统的经济性同时促进弃风消纳,提出一种基于区间数学的综合能源系统日前优化调度方案。
为实现上述目的,本发明采用如下技术方案,包括以下步骤:
步骤1、确定综合能源系统结构,基于综合能源系统建立电热综合能源系统优化运行模型;
步骤2、建立风电不确定性的区间优化策略。
进一步地,步骤1包括:步骤1.1、建立综合考虑发电成本和弃风惩罚成本的目标函数,公式如下:
其中,t为时刻,t=1,2,…,24,F1为热电联产机组发电成本,F2为弃风惩罚成本;
根据含储热热电联产机组的电热运行特性,其某一时刻的运行成本为机组剔除储热装置供热量后,将电、热出力折算为纯凝工况下的电功率:
式中,ai,bi,ci为含储热热电联产机组的运行成本系数,pCHP,t,hCHP,t分别表示第i台热电联产机组第t时刻的电出力、总供热功率,hhs,t储热装置储、放热功率(放热时hhs,t为负值);
弃风惩罚成本F2为:
步骤1.2、建立约束条件。
更进一步地,所述电热综合能源系统包括风电机组、热电联产机组、电锅炉、热泵。
更进一步地,所述约束条件包括电功率平衡约束、热功率平衡约束、CHP机组约束、HP机组约束、电锅炉约束、储热机组约束、风电机组出力约束;
电功率平衡约束:
pCHP,t+pwind,t=pload,t+pHP,t+pEB,t
其中,pload,t为t时段综合能源系统中负荷需求,pHP,t为t时段热泵耗电功率;
热功率平衡约束:
hCHP,t+hHP,t+hEB,t=hload,t+hhs,t
其中,hHP,t为t时段热泵供热功率,hload,t为t时段热负荷;
CHP机组约束:
0≤hCHP,t≤hCHP,MAX
pCHP,MIN≤pCHP,t≤pCHP,MAX
Cvhchp t+pchp DCmhchp t+pchp C
≤pchp t≤Cvhchp t+pchp A
其中,hCHP.MAX为热电机组供热功率上限,单位MW;pCHP.MIN,pCHP.MAX分别为热电机组供电功率上下限,单位MW;Cv,Cm,pchp,D,pchp,C,pchp,A为热电耦合参数;
HP机组约束:
hHP,MIN≤pHP,t≤hHP,MAX
hHP=COP·pHP
其中pHP.MIN,pHP.MAX分别为热电机组供电功率上下限,单位MW;热泵的性能系数COP定义了其热输出与其用电量之间的比率;
电锅炉约束:
hEB,MIN≤hEB,t≤hEB,MAX
hEB=ηEB·pEB
其中hEB.MIN,hEB.MAX分别为热电机组供电功率上下限,ηEB为电锅炉的效率;
储热机组约束:
Rhs,t-Rhs,t-1-hloss,t=hhs,t
hloss,t=ηhsRhs,t-1
Rhs,MIN≤Rhs,t≤Rhs,MAX
hhs,MIN≤hhs,t≤hhs,MAX
式中:Rhs,t表示储热装置在t时刻的储热量;hhs,MIN、hhs,MAX分别表示储热装置的最大储、放热功率;Rhs,MAX表示储热装置的最大蓄热容量;hhs,t表示储热装置在t时刻的储、放热功率,求和为零代表满足储热装置周期热容量不变约束;
风电机组出力约束:
0≤pwind,t≤pwind,max
其中,pwind,max为单台风电机组的最大输出功率。
进一步地,步骤2包括:
步骤2.1、风电出力的不确定性的区间表达;
步骤2.2、综合能源系统区间优化模型;
(考虑到风电出力存在不确定性,可以采用区间数的形式来描述风电出力的不确定性。)在目标函数中引入表示风电不确定性的区间数,同时将功率守恒约束中的风电量采用区间形式表达,搭建综合能源系统的区间优化模型;具体如下式:
步骤2.3、将步骤2.2的不确定性模型转化;
步骤2.3.1、不确定区间约束转化:将不确定约束转化为确定约束;
步骤2.3.2、不确定目标函数转化:将带有不确定参数的目标函数转化为确定性的目标函数。
更进一步地,步骤2.1包括:(根据区间优化中区间数的定义,系统中的不确定量可用区间数来表示。)风电出力存在随机性与不确定性,其不确定性出力用区间数形式来表示,如下:
t时刻的不确定风电出力Pw,t用区间数P± w,t来表示,P± w,t表示风电出力区间数,P- w,t表示区间下限,P+ w,t表示区间上限;
当P+ w,t=P- w,t时,区间数P± w,t为一个实数。
更进一步地,步骤2.3.1包括:为评估优化结果,利用区间数的序关系比较两个区间A与B,其中引入区间可能度来表示区间A≤B的可能性,然后将含有不确定变量的区间约束转化为确定约束,即
更进一步地,步骤2.3.2包括:fI(X)为X处的取值区间,f--(X)和f+(X)分别通过优化获取;
fI(X)=[fc(X),fw(X)]
其中fc(X)为中心值;fw(X)为中不确定区间;
通过对不确定约束和不确定目标函数的转化,将含不确定参数的混合整数非线性模型转化为确定性的混合整数非线性模型。
与现有技术相比本发明有益效果。
本发明解决了综合能源系统区间优化调度问题;其利用区间数学表征风电出力的不确定性,以系统运行成本、弃风消纳成本作为优化目标,构建综合能源系统区间优化模型,对不确定性转化后的模型进行求解以进一步提高优化精度。
附图说明
下面结合附图和具体实施方式对本发明做进一步说明。本发明保护范围不仅局限于以下内容的表述。
图1是电热综合能源系统结构图。
图2是模型求解流程图。
图3是源荷联合场景最优聚类结果图。
图4是典型日风电区间出力图。
图5是典型日用电负荷曲线图。
图6-1是典型1组合的区间预测结果图。
图6-2是典型2组合的区间预测结果图。
图6-3是典型3组合的区间预测结果图。
图6-4是典型4组合的区间预测结果图。
图7是综合能源系统区间优化调度方法流程图。
具体实施方式
近年来,风力发电凭借其清洁、可再生、装机规模灵活等优势占据较高的优先级,然而风的波动性、间歇性等特点,也使风电的电网接入具有不确定性,导致综合能源系统的优化调度问题往往对其难以充分消纳,因此,需要对综合能源系统区间进行优化调度。如图1,为电热综合能源系统结构图。
一、算例说明:本发明综合能源系统包含风电场1座(200MW),CHP机组1台(电容量为300MW),电效率为0.41,热容量为350MW,热效率为0.52。CHP机组运行在以电定热模式,锅炉1台热容量20MW,热泵机组一台,电容量为20MW,热泵机组COP系数为3.5,时间间隔Δt为1小时。
二、综合能源系统区间优化模型求解过程:
通过对不确定约束以及不确定目标函数的转化,可将本发明中含不确定参数的混合整数非线性模型转化为确定性的混合整数非线性模型。
求解电热综合能源系统模糊区间优化模型,将各调度方案作为一条量子染色体。具体的求解步骤如下:
步骤1:输入决策变量个数W,常规机组经济参数,系统节点信息和支路信息,不等式约束上下限制;
步骤2:输入算法相关参数:群体规模P,最大迭代数tmax,学习因子K;
步骤3:检验粒子可行性,从而形成P个可行的初始量子染色体;
步骤4:设迭代数t=0,计算初始染色体对应出力方案的成本。
步骤5:通过混合更新策略更新所有染色体。
即与当前最优解对应位较近的称为“较优基因”xi,另外一个则为“较差基因”xi’。对不同优良性的采取混合进化策略以平衡全局搜索与局部搜索。
(1)对于“较优基因”xi,充分利用现有信息,使其在当前最优解的指导下向着当前最优解逼近并沿途搜索更优解,即
其中,sign(xi *-xi)控制进化方向,K为设定的常数,控制有向进化的步长,|xi *-xi|为进化的最大幅度。
(2)对于“较差基因”xi’,采用尺度收缩的局部搜索,即
其中,U(-1,1)为-1到1之间的随机分布,r为当前代数,g为最大迭代代数,(1-arctan(r/g))为随代数r的增大从1到0递减变化的收缩函数,使得变异的尺度随着进化逐渐减小,Δd为允许变异的范围。
“较优基因”与“较差基因”分别进行局部搜索和全局搜索,且二者相互转化,形成混合进化策略,增强算法的局部搜索与全局搜索的平衡性。
步骤6:判断终止条件。若达到最大迭代次数tmax,则输出最优方案,否则t=t+1,转步骤3。整体求解流程图如图2所示。
三、结果分析:
设置聚类数范围为3~10,通过聚类有效性函数的评估,最佳聚类数为4,聚类结果如图3所示,该种情况下的典型风电-负荷典型组合如图4、图5所示,其中风电被赋予20%的不确定区间。
设置风电出力和负荷的不确定区间均为20%,对比3种场景下系统运行成本、弃风消纳成本和总成本的对比,如表1所示,其中各结果均取4组典型风电出力-负荷曲线的结果的平均值。图6-1到图6-4为20%不确定水平下4种典型日组合的区间优化出力结果。
本发明精度、速度和性能的提高、成本的降低的测试数据对比表。
表1 20%不确定度下各方法成本对比
在表1中,给出了在不同风电不确定性条件下区间优化得到的系统总费用区间以及鲁棒优化得到的系统总费用。从表1中区间优化的费用区间可以看出,当风电不确定性越高,系统总费用区间越大,验证了风电不确定性直接影响综合能源系统经济运行以及在系统运行中考虑风电不确定性的必要性;表1的费用区间数据可帮助系统调度人员快速获得在某一风电区间条件下的总费用区间,提供风电不确定性对系统优化结果影响的信息。另外,表1中鲁棒优化得到的系统总费用与区间优化得到的费用区间上限相近。因此相比区间优化,鲁棒优化的求解结果更为保守。
本发明计及风电不确定性的综合能源系统区间优化调度方法,利用区间数学表征风电出力的不确定性,以系统运行成本、弃风消纳成本作为优化目标,构建综合能源系统区间优化模型,对不确定性转化后的模型进行求解。
可以理解的是,以上关于本发明的具体描述,仅用于说明本发明而并非受限于本发明实施例所描述的技术方案,本领域的普通技术人员应当理解,仍然可以对本发明进行修改或等同替换,以达到相同的技术效果;只要满足使用需要,都在本发明的保护范围之内。
Claims (8)
1.综合能源系统区间优化调度方法,其特征在于:包括以下步骤:
步骤1、确定综合能源系统结构,基于综合能源系统建立电热综合能源系统优化运行模型;
步骤2、建立风电不确定性的区间优化策略。
2.根据权利要求1所述的综合能源系统区间优化调度方法,其特征在于:步骤1包括:步骤1.1、建立综合考虑发电成本和弃风惩罚成本的目标函数,公式如下:
其中,t为时刻,t=1,2,…,24,F1为热电联产机组发电成本,F2为弃风惩罚成本;
根据含储热热电联产机组的电热运行特性,其某一时刻的运行成本为机组剔除储热装置供热量后,将电、热出力折算为纯凝工况下的电功率:
式中,ai,bi,ci为含储热热电联产机组的运行成本系数,pCHP,t,hCHP,t分别表示第i台热电联产机组第t时刻的电出力、总供热功率,hhs,t储热装置储、放热功率;
弃风惩罚成本F2为:
步骤1.2、建立约束条件。
3.根据权利要求2所述的综合能源系统区间优化调度方法,其特征在于:所述电热综合能源系统包括风电机组、热电联产机组、电锅炉、热泵。
4.根据权利要求2所述的综合能源系统区间优化调度方法,其特征在于:所述约束条件包括电功率平衡约束、热功率平衡约束、CHP机组约束、HP机组约束、电锅炉约束、储热机组约束、风电机组出力约束;
电功率平衡约束:
pCHP,t+pwind,t=pload,t+pHP,t+pEB,t
其中,pload,t为t时段综合能源系统中负荷需求,pHP,t为t时段热泵耗电功率;
热功率平衡约束:
hCHP,t+hHP,t+hEB,t=hload,t+hhs,t
其中,hHP,t为t时段热泵供热功率,hload,t为t时段热负荷;
CHP机组约束:
0≤hCHP,t≤hCHP,MAX
pCHP,MIN≤pCHP,t≤pCHP,MAX
Cvhchpt+pchpDCmhchpt+pchpC
≤pchpt≤Cvhchpt+pchpA
其中,hCHP.MAX为热电机组供热功率上限,单位MW;pCHP.MIN,pCHP.MAX分别为热电机组供电功率上下限,单位MW;Cv,Cm,pchp,D,pchp,C,pchp,A为热电耦合参数;
HP机组约束:
hHP,MIN≤pHP,t≤hHP,MAX
hHP=COP·pHP
其中pHP.MIN,pHP.MAX分别为热电机组供电功率上下限,单位MW;热泵的性能系数COP定义了其热输出与其用电量之间的比率;
电锅炉约束:
hEB,MIN≤hEB,t≤hEB,MAX
hEB=ηEB·pEB
其中hEB.MIN,hEB.MAX分别为热电机组供电功率上下限,ηEB为电锅炉的效率;
储热机组约束:
Rhs,t-Rhs,t-1-hloss,t=hhs,t
hloss,t=ηhsRhs,t-1
Rhs,MIN≤Rhs,t≤Rhs,MAX
hhs,MIN≤hhs,t≤hhs,MAX
式中:Rhs,t表示储热装置在t时刻的储热量;hhs,MIN、hhs,MAX分别表示储热装置的最大储、放热功率;Rhs,MAX表示储热装置的最大蓄热容量;hhs,t表示储热装置在t时刻的储、放热功率,求和为零代表满足储热装置周期热容量不变约束;
风电机组出力约束:
0≤pwind,t≤pwind,max
其中,pwind,max为单台风电机组的最大输出功率。
5.根据权利要求1所述的综合能源系统区间优化调度方法,其特征在于:步骤2包括:
步骤2.1、风电出力的不确定性的区间表达;
步骤2.2、综合能源系统区间优化模型;
在目标函数中引入表示风电不确定性的区间数,同时将功率守恒约束中的风电量采用区间形式表达,搭建综合能源系统的区间优化模型;具体如下式:
步骤2.3、将步骤2.2的不确定性模型转化;
步骤2.3.1、不确定区间约束转化:将不确定约束转化为确定约束;
步骤2.3.2、不确定目标函数转化:将带有不确定参数的目标函数转化为确定性的目标函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210107101.3A CN114400713A (zh) | 2022-01-28 | 2022-01-28 | 综合能源系统区间优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210107101.3A CN114400713A (zh) | 2022-01-28 | 2022-01-28 | 综合能源系统区间优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114400713A true CN114400713A (zh) | 2022-04-26 |
Family
ID=81233135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210107101.3A Pending CN114400713A (zh) | 2022-01-28 | 2022-01-28 | 综合能源系统区间优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114400713A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116316894A (zh) * | 2023-03-29 | 2023-06-23 | 东华大学 | 一种基于鲁棒估计和双重进化的微电网电力调度优化方法 |
-
2022
- 2022-01-28 CN CN202210107101.3A patent/CN114400713A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116316894A (zh) * | 2023-03-29 | 2023-06-23 | 东华大学 | 一种基于鲁棒估计和双重进化的微电网电力调度优化方法 |
CN116316894B (zh) * | 2023-03-29 | 2024-05-24 | 东华大学 | 一种基于鲁棒估计和双重进化的微电网电力调度优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qiu et al. | Safe reinforcement learning for real-time automatic control in a smart energy-hub | |
Wang et al. | Neural networks for power management optimal strategy in hybrid microgrid | |
Yang et al. | DISTRIBUTED OPTIMAL DISPATCH OF VIRTUAL POWER PLANT BASED ON ELM TRANSFORMATION. | |
CN113794199B (zh) | 一种考虑电力市场波动的风电储能系统最大收益优化方法 | |
CN112418488B (zh) | 一种基于两阶段能量优化的综合能源系统调度方法及装置 | |
CN112883630B (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
CN111509784B (zh) | 计及不确定性的虚拟电厂鲁棒出力可行域辨识方法及装置 | |
CN116191508A (zh) | 一种计及风光出力的含储能有源配电网经济运行优化方法 | |
CN116151551A (zh) | 一种电热综合能源系统的调控方法、装置及调控设备 | |
CN112213945A (zh) | 电动汽车参与微网群调频的改进鲁棒预测控制方法和系统 | |
Soni et al. | Multi-objective dynamic economic emission dispatch integration with renewable energy sources and plug-in electrical vehicle using equilibrium optimizer | |
CN107834540B (zh) | 一种基于概率约束的分布式光伏接入容量的确定方法 | |
CN116957362A (zh) | 一种区域综合能源系统的多目标规划方法及系统 | |
CN113807566A (zh) | 基于可再生能源和内部负荷不确定的社区能源的调度方法 | |
CN115688970A (zh) | 基于区间概率不确定集的微电网两阶段自适应鲁棒优化调度方法 | |
CN116681171A (zh) | 一种多场景综合能源系统分布鲁棒优化调度方法和系统 | |
CN112072643A (zh) | 一种基于深度确定性梯度策略的光-蓄系统在线调度方法 | |
CN114400713A (zh) | 综合能源系统区间优化调度方法 | |
Ansarian et al. | Optimum generation dispatching of distributed resources in smart grids | |
CN114091767A (zh) | 数据驱动的综合能源系统鲁棒随机规划的方法及系统 | |
Chen et al. | Low-carbon environment-friendly economic optimal scheduling of multi-energy microgrid with integrated demand response considering waste heat utilization | |
Gupta et al. | Design of an autonomous renewable hybrid power system | |
CN117132040A (zh) | 一种基于极限场景驱动的多能微网二阶段鲁棒优化方法 | |
CN116436085A (zh) | 一种基于场景构建的微能源网群分层优化控制方法及系统 | |
CN115764936A (zh) | 电网储能配置的优化方法、装置、设备及存储介质 |
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 |