CN114498768A - 一种区域智能变电站源荷储优化运行策略生成方法及装置 - Google Patents

一种区域智能变电站源荷储优化运行策略生成方法及装置 Download PDF

Info

Publication number
CN114498768A
CN114498768A CN202210174174.4A CN202210174174A CN114498768A CN 114498768 A CN114498768 A CN 114498768A CN 202210174174 A CN202210174174 A CN 202210174174A CN 114498768 A CN114498768 A CN 114498768A
Authority
CN
China
Prior art keywords
optimized operation
operation model
load
intelligent substation
objective function
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
CN202210174174.4A
Other languages
English (en)
Inventor
唐博进
程林
周旭艳
万宇翔
林恩德
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.)
Tsinghua University
China Three Gorges Corp
Original Assignee
Tsinghua University
China Three Gorges Corp
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 Tsinghua University, China Three Gorges Corp filed Critical Tsinghua University
Priority to CN202210174174.4A priority Critical patent/CN114498768A/zh
Publication of CN114498768A publication Critical patent/CN114498768A/zh
Pending legal-status Critical Current

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/62—Monitoring or controlling charging stations in response to charging parameters, e.g. current, voltage or electrical charge
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/63—Monitoring or controlling charging stations in response to network capacity
    • 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
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • H02J3/004—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
    • H02J3/28—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
    • H02J3/28—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
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • 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
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/40—The network being an on-board power network, i.e. within a vehicle
    • H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Transportation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种区域智能变电站源荷储优化运行策略生成方法及装置，该方法包括：获取区域智能变电站可控资源数据；根据可控资源数据构建优化运行模型；基于光伏出力的不确定性和预测误差，根据优化运行模型对出力场景进行校验，确定是否对约束条件进行调整；以最大化充电量为目标，根据当前优化运行模型对充电负荷进行评估，确定是否对目标函数的权重系数进行调整；根据调整后的优化运行模型确定当前优化运行策略。本发明实施例提供的方法，充分考虑了变电站站内可控资源的可调潜力，并兼顾柔性负荷供能需求，构建了区域智能变电站优化运行策略，使传统变电站具备柔性可控特性，可有效参与上层电网的协同调度计划。

Description

一种区域智能变电站源荷储优化运行策略生成方法及装置
技术领域
本发明涉及电力系统优化运行技术领域，具体涉及一种区域智能变电站源荷储优化运行策略生成方法及装置。
背景技术
随着低碳能源体系加速转型和数字产业的发展，各类分布式光伏、数据中心(internet data center，IDC)、5G基站以及电动汽车等分布式能源快速、分散的接入电网，电力系统运行面临能耗过高和源荷特性难以匹配的挑战。但同时，这些分布式资源具备了与参与电网需求响应的柔性可调能力，如何使用有限的土地和电力设备聚合和协调控制各类分布式资源成为焦点问题之一。
发展区域智能变电站是解决该问题的有效途径之一，这种模式可有效利用各类变电站闲置电力设备和土地资源，将储能站、充电站、光伏站、边缘数据中心、5G基站、调度中心大楼进行整合，利用各资源禀赋的互补特性使区域变电站整体具备了柔性可调能力，可有效参与到区域电力系统的优化调度。而如何优化运行这样一个拥有丰富可控资源并与外部电网协调的新型区域智能变电站目前鲜有研究。
因此，针对区域智能变电站系统，如何进行优化运行策略的确定，是目前亟待解决的问题。
发明内容
有鉴于此，本发明实施例提供了涉及一种区域智能变电站源荷储优化运行策略生成方法及装置，以解决现有技术中针对区域智能变电站如何确定优化运行策略的技术问题。
本发明提出的技术方案如下：
本发明实施例第一方面提供一种区域智能变电站源荷储优化运行策略生成方法，包括：获取区域智能变电站可控资源数据；根据所述可控资源数据构建优化运行模型；基于光伏出力的不确定性和预测误差，根据所述优化运行模型对出力场景进行校验，确定是否对所述优化运行模型中的约束条件进行调整；以最大化充电量为目标，根据当前优化运行模型对充电负荷进行评估，确定是否对所述优化运行模型中目标函数的权重系数进行调整；根据调整后的优化运行模型确定当前优化运行策略。
可选地，根据所述可控资源数据构建优化运行模型，包括：根据可控资源数据形成约束条件，所述约束条件包括光伏出力约束、电动汽车削减负荷约束、储能运行约束、传输功率约束及功率平衡约束；根据主变负载率、负荷调节深度以及储能调控深度构建目标函数；根据所述约束条件和所述目标函数形成优化运行模型。
可选地，基于光伏出力的不确定性和预测误差，根据所述优化运行模型对出力场景进行校验，确定是否对所述优化运行模型中的约束条件进行调整，包括：基于储能荷电范围、储能充放电功率以及主变传输功率与原有参数的大小构建光伏出力目标函数，所述储能荷电范围、储能充放电功率以及主变传输功率根据所述优化运行模型确定；根据光伏出力场景对所述优化运行模型中的约束条件进行调整，得到光伏出力约束条件；根据所述光伏出力目标函数和所述光伏出力约束条件进行求解，确定是否对所述优化运行模型中的约束条件进行调整。
可选地，根据所述光伏出力目标函数和所述光伏出力约束条件进行求解，确定是否对所述优化运行模型中的约束条件进行调整，包括：根据所述光伏出力目标函数和所述光伏出力约束条件确定子场景下的目标函数值是否为0；当目标函数值为0时，保持原来的约束条件；当目标函数值不为0时，根据传输功率超调量添加新的约束条件。
可选地，以最大化充电量为目标，根据当前优化运行模型对充电负荷进行评估，确定是否对所述优化运行模型中目标函数的权重系数进行调整，包括：根据当前运行优化模型确定底层柔性负荷削减量；根据所述底层柔性负荷削减量以及电动汽车电池参数确定电动汽车约束条件；根据电动汽车约束条件和电动汽车目标函数确定电动汽车充电过程参数；根据电动汽车充电过程参数与预期充电量比较确定是否对所述优化运行模型中目标函数的权重系数进行调整。
可选地，根据电动汽车充电过程参数与预期充电量比较确定是否对所述优化运行模型中目标函数的权重系数进行调整，包括：根据电动汽车充电过程参数与预期充电量的差值确定相应电动汽车的失负荷事件；根据充电站所有电动汽车的失负荷事件确定充电不足概率；根据所述充电不足概率是否满足预设指标确定是否对所述优化运行模型中目标函数的权重系数进行调整。
可选地，根据调整后的优化运行模型确定当前优化运行策略之后，还包括：根据当前优化运行模型确定区域智能变电站内传输功率；根据预设调节上限和预设调节下限修改优化运行模型中的目标函数和约束条件；对修改后的优化运行模型求解，确定区域智能变电站的可调范围。
本发明实施例第二方面提供一种区域智能变电站源荷储优化运行策略生成装置，包括：数据获取模块，用于获取区域智能变电站可控资源数据；模型构建模块，用于根据所述可控资源数据构建优化运行模型；第一调整模块，用于基于光伏出力的不确定性和预测误差，根据所述优化运行模型对出力场景进行校验，确定是否对所述优化运行模型中的约束条件进行调整；第二调整模块，用于以最大化充电量为目标，根据当前优化运行模型对充电负荷进行评估，确定是否对所述优化运行模型中目标函数的权重系数进行调整；策略确定模块，用于根据调整后的优化运行模型确定当前优化运行策略。
本发明实施例第三方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如本发明实施例第一方面及第一方面任一项所述的区域智能变电站源荷储优化运行策略生成方法。
本发明实施例第四方面提供一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如本发明实施例第一方面及第一方面任一项所述的区域智能变电站源荷储优化运行策略生成方法。
本发明提供的技术方案，具有如下效果：
本发明实施例提供的区域智能变电站源荷储优化运行策略生成方法及装置，通过智能变电站内可控资源数据构建优化运行模型。基于光伏出力预测数据，在典型运行场景中进行校验，反馈调整约束条件，形成鲁棒优化运行策略；然后，基于优化运行模型对站内柔性负荷开展精细化优化控制，评估柔性负荷可靠性水平，结合评估结果反馈调整权重系数，基于调整后的约束条件和权重系数确定最终的优化测量。由此，该优化运行策略生成方法，充分考虑了变电站站内可控资源的可调潜力，并兼顾柔性负荷供能需求，构建了区域智能变电站优化运行策略，使传统变电站具备柔性可控特性，可有效参与上层电网的协同调度计划。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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是典型区域智能变电站拓扑结构示意图；
图2是根据本发明实施例的区域智能变电站源荷储优化运行策略生成方法的流程图；
图3是根据本发明另一实施例的区域智能变电站源荷储优化运行策略生成方法的流程图；
图4是根据本发明另一实施例的区域智能变电站源荷储优化运行策略生成方法的流程图；
图5是根据本发明另一实施例的区域智能变电站源荷储优化运行策略生成方法的流程图；
图6是根据本发明另一实施例的区域智能变电站源荷储优化运行策略生成方法的流程图；
图7是根据本发明实施例的区域智能变电站源荷储优化运行策略生成装置的结构框图；
图8是根据本发明实施例提供的计算机可读存储介质的结构示意图；
图9是根据本发明实施例提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“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。
正如在背景技术中所述，在发展区域智能变电站时，如何进行更好的优化运行控制是当前亟待解决的问题。如图1的典型区域智能变电站拓扑结构示意图所示，区域智能变电站内包含了大量可控资源，除了光伏和传统储能设备之外，电动汽车充电负荷可以根据需求响应进行调整；在预留足够备用电源的前提下，I DC/5G基站的备用储能系统也可纳入系统运行优化。
同时，不同可控资源的重要性和可调潜力也存在差异，在调控中需要充分考虑控制策略对柔性负荷能源供应的可靠性或者设备使用寿命的影响，如过度调控柔性负荷会对用户用能舒适度产生影响；为保证重要负荷不间断供电需求，用于I DC备用电源的储能系统应当比传统储能设备调控优先级低等，这些问题在现有系统优化运行中往往被忽略。针对区域智能变电站进行优化运行时，应当充分考虑站内区域各类分布式资源的可调潜力以及可靠性需求。同时，区域智能变电站作为一个站点资源，自律优化的关键目标是更好地参与上电网的优化调度，需要充分考虑变电站整体可调潜力，制定有效的站联网控制策略。
有鉴于此，本发明实施例提供一种区域智能变电站源荷储优化运行策略生成方法，充分考虑了站内荷储资源的可调潜力及用能需求，完成了区域智能变电站源荷储优化运行策略的制定。
根据本发明实施例，提供了一种区域智能变电站源荷储优化运行策略生成方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种区域智能变电站源荷储优化运行策略生成方法，可用于电子设备，如电脑、手机、平板电脑等，图2是根据本发明实施例区域智能变电站源荷储优化运行策略生成方法的流程图，如图2所示，该方法包括如下步骤：
步骤S101：获取区域智能变电站可控资源数据。其中，该可控资源数据具体包括主变容量大小、柔性充电负荷曲线、储能容量大小以及调控优先级、屋顶光伏容量及预测曲线、刚性不可调负荷大小以及充电负荷的最低充电需求等智能变电站内资源配置情况。该可控资源数据可以从相应的智能变电站内获取，也可以基于各个智能变电站的配置情况获取。
步骤S102：根据所述可控资源数据构建优化运行模型。具体地，该优化运行模型可以通过获取的可控资源数据形成的运行约束条件和目标函数构建。
其中，该约束条件包括光伏出力约束、电动汽车削减负荷约束、储能运行约束、传输功率约束及功率平衡约束等。相应的约束条件采用如下公式表示：
Figure BDA0003519158460000071
在该约束条件中，第一行表示光伏出力约束，或者说是光伏弃光情况：γPV,t为弃光比例，
Figure BDA0003519158460000081
为光伏预测出力，PPV,t为光伏实际出力安排；第二行为电动汽车削减负荷约束：ΔPEV,t为削减大小，
Figure BDA0003519158460000082
为计划充电曲线，PEV,t为实际充电安排；第三、四、五行为储能运行约束：即各类储能的荷电状态SOCj,t不能超过规定约束范围
Figure BDA0003519158460000083
同时，SOC具有时序变化约束，κt表示t时刻的充放电指令，-1表示放电，1表示充电，CBES,j为第j类储能的容量，η为充放电效率，PBES,j,t表示充放电功率，不能超过最大功率
Figure BDA0003519158460000084
的限制；第六行表示传输功率约束：传输功率Pp,t不能超过主变最大传输功率约束
Figure BDA0003519158460000085
最后一行为区域变电站内部的功率平衡约束：PL,t表示智能变电站内不可调的刚性负荷。
对于该目标函数，主要采用主变负载率、负荷调节深度以及储能调控深度等确定。由此，该目标函数采用如下公式表示：
Figure BDA0003519158460000086
其中，αp,t为t时刻变压器负载率，
Figure BDA0003519158460000087
为一天内的平均负载率；EV表示柔性充电负荷，δEV,t表示负荷调控深度，MEV为不同负荷的调控权重系数；DODk,j表示第j类储能在一天内第k次放电的深度，ΩBES表示储能系统集合，ΩDch表示一天内的充放电次数集合，Mj为不同储能的调控权重系数。
步骤S103：基于光伏出力的不确定性和预测误差，根据所述优化运行模型对出力场景进行校验，确定是否对所述优化运行模型中的约束条件进行调整。具体地，为了通过该优化运行模型协同智能变电站内各类可控资源实现系统优化运行，同时兼顾柔性负荷的供电可靠性需求，将策略对柔性负荷自身可靠性的影响控制在可接受范围内。可以基于光伏出力的不确定性和预测误差，采用该优化运行模型对出力的典型场景进行策略校验，基于校验结果，对优化运行模型中的约束条件进行调整，使得新形成的约束条件能够尽可能满足站内重要负荷供电，同时能够有效消除光伏出力不确定性带来的设备运行越限的情况。
步骤S104：以最大化充电量为目标，根据当前优化运行模型对充电负荷进行评估，确定是否对所述优化运行模型中目标函数的权重系数进行调整。对于进行约束条件调整后的优化运行模型可以通过求解得到底层柔性负荷的削减量大小。然后以最大化充电量为目标，对充电站内的电动汽车充电功率进行协调，从而得到满足需求时的权重系数。
步骤S105：根据调整后的优化运行模型确定当前优化运行策略。具体地，通过上述对优化运行模型中约束条件以及权重系数的调整，可以得到最终的优化运行模型，基于该模型即可确定当前的优化运行策略。由此，区域智能变电站即可基于该优化运行策略进行运行调度。
本发明实施例提供的区域智能变电站源荷储优化运行策略生成方法，通过智能变电站内可控资源数据构建优化运行模型。基于光伏出力预测数据，在典型运行场景中进行校验，反馈调整约束条件，形成鲁棒优化运行策略；然后，基于优化运行模型对站内柔性负荷开展精细化优化控制，评估柔性负荷可靠性水平，结合评估结果反馈调整权重系数，基于调整后的约束条件和权重系数确定最终的优化测量。由此，该优化运行策略生成方法，充分考虑了变电站站内可控资源的可调潜力，并兼顾柔性负荷供能需求，构建了区域智能变电站优化运行策略，使传统变电站具备柔性可控特性，可有效参与上层电网的协同调度计划。
在一实施方式中，如图3所示，基于光伏出力的不确定性和预测误差，根据所述优化运行模型对出力场景进行校验，确定是否对所述优化运行模型中的约束条件进行调整，包括如下步骤：
步骤S201：基于储能荷电范围、储能充放电功率以及主变传输功率与原有参数的大小构建光伏出力目标函数，所述储能荷电范围、储能充放电功率以及主变传输功率根据所述优化运行模型确定。
具体地，对于光伏出力场景通过引入非松弛变量构建目标函数。其中，非松弛变量包括ΔSOC′j,t、ΔP′BES,j,t和ΔPp,t。ΔSOC′j,t表示储能SOC范围超出原有约束的大小；ΔP′BES,j,t表示储能充放电功率超出原有约束的大小；ΔPp,t表示主变传输功率与调度计划的偏差。基于上述构建的运行模型可以确定原有的储能SOC范围、储能充放电功率以及主变传输功率。并且，对于相应的光伏出力场景还可以确定相应场景中的储能荷电范围、储能充放电功率以及主变传输功率。由此，根据相应场景中的参数与原有模型中参数的差值可以确定非松弛变量。该光伏出力目标函数即为松弛变量和最小，即该光伏出力目标函数表示为：
Figure BDA0003519158460000101
步骤S202：根据光伏出力场景对所述优化运行模型中的约束条件进行调整，得到光伏出力约束条件。基于相应的光伏出力场景得到的光伏出力约束条件采用如下公式表示：
Figure BDA0003519158460000102
其中，在该约束条件中，第一行光伏约束中预测出力改成了典型场景的光伏出力曲线
Figure BDA0003519158460000103
第三行对储能SOC上下界约束进行了修正，第五行储能充放电功率的上限进行了修正，第六行表示传输功率的计划偏差，Pp,0为基于优化运行模型求出的主变传输功率的原计划大小。
步骤S203：根据所述光伏出力目标函数和所述光伏出力约束条件进行求解，确定是否对所述优化运行模型中的约束条件进行调整。在基于上述步骤确定光伏出力的目标函数和约束条件后，对该目标函数进行求解，判断所有光伏出力场景的目标函数值是否为0。当所有场景的目标函数值为0时，表示基于上述步骤S102构建的优化运行模型求出的各类资源控制指令合理，无需进行约束条件的调整；若存在某个子场景的目标函数值不为0，则需要在上述优化运行模型的基础上基于传输功率超调量增加新的约束条件。该约束条件表示为：
Figure BDA0003519158460000111
其中，ΔPp,t,m为对子场景m校验后得到的传输功率超调量大小，
Figure BDA0003519158460000112
为超调量与计划传输功率的灵敏度大小。
在增加新的约束条件后，根据增加新约束条件的优化运行模型重新求解，并重复上述步骤，直至得到所以子场景的目标函数值为0。
在一实施方式中，如图4所示，以最大化充电量为目标，根据当前优化运行模型对充电负荷进行评估，确定是否对所述优化运行模型中目标函数的权重系数进行调整，包括如下步骤：
步骤S301：根据当前运行优化模型确定底层柔性负荷削减量。具体地，在基于上述步骤得到调整后的优化运行模型后，对该优化运行模型进行求解，得到底层柔性负荷的削减量大小。
步骤S302：根据所述底层柔性负荷削减量以及电动汽车电池参数确定电动汽车约束条件。其中，该电动汽车约束条件包括充电过程的线性等式约束、电动汽车电池容量约束、电站总充电功率约束以及单台电动汽车充电功率约束。具体地，线性等式约束表示为socs,t+1-socs,t-pc,s,t/CB,s＝0，CB表示电动汽车电池容量，socs,t表示车辆s在t时刻的充电状态(％)。电池容量约束表示为socs,t≤1；电站总充电功率约束表示为
Figure BDA0003519158460000121
即电动汽车实际消耗的总充电功率应小于最大功率值
Figure BDA0003519158460000122
减去必需的负荷削减ΔPEV,t；单台电动汽车充电功率约束表示为
Figure BDA0003519158460000126
Figure BDA0003519158460000127
表示单台电动汽车充电功率上限。
步骤S303：根据电动汽车约束条件和电动汽车目标函数确定电动汽车充电过程参数。其中，电动汽车目标函数为尽可能减少实际充电量与用户预期的差异。由此，该目标函数表示为
Figure BDA0003519158460000123
基于该目标函数和上述确定的约束条件进行求解，即可确定充电过程参数。
步骤S304：根据电动汽车充电过程参数与预期充电量比较确定是否对所述优化运行模型中目标函数的权重系数进行调整。其中，对于充电过程参数和预期充电量的比较采用如下公式表示：
Figure BDA0003519158460000124
其中，Ω表示充电站电动汽车集合，s表示表示某台电动汽车的编号，tarr，s、tdep，s、Ed，s分别表示这台车的接入时间、离去时间和充电量需求。设接入各时刻充电功率为pc，s，t，α是用户对充电量预期的下限，εs表示失负荷事件的测试函数。
通过上述公式的比较得到失负荷事件的测试函数，其中，εs＝1意味着发生了失负荷事件，α·ED,s表示用户对充电量的预期下限，
Figure BDA0003519158460000125
表示实充电量。用户的充电预期ED,s可以根据电动汽车接入时的初始SOC和停驻时间计算，若以CB,s表示车辆s的电池容量，以soct_arr表示接入时的初始SOC，以{tarr,s,tdep,s}表示电动汽车的接入/离去时间，以
Figure BDA0003519158460000133
表示额定的充电功率，则可取ED,s的值为：
Figure BDA0003519158460000131
根据上述计算的失负荷事件，可以计算得到充电不足概率大小，其中，充电不足概率采用如下公式表示：
Figure BDA0003519158460000132
在评估该充电不足概率之前，先确定预设指标，然后将该充电不足概率与预设指标进行比较，若满足预设指标，则无需调整，若不满足预设指标，则返回调整优化运行模型中目标函数的权重系数，并继续进行上述计算，直至满足要求。
在一实施方式中，如图5所示，根据调整后的优化运行模型确定当前优化运行策略之后，还包括如下步骤：
步骤S401：根据当前优化运行模型确定区域智能变电站内传输功率。具体地，通过对上述调整后的优化运行模型进行求解，即可确定智能变电站站内传输功率。
步骤S402：根据预设调节上限和预设调节下限修改优化运行模型中的目标函数和约束条件；为了确定该智能变电站的传输功率可调范围，先假设传输功率的调节上限和调节下限。具体地，假设调节下限为降额传输比例γlower，则优化运行模型中的目标函数为调节下限尽可能最大，具体表示为：
frange＝maxγ
同时，对于优化运行模型中的约束条件也进行相应的调整。其中光伏出力约束、电动汽车削减负荷约束、储能运行约束以及功率平衡约束均不发生改变，需要修改成传输功率的等式约束项，具体修改后的约束条件表示为：
Figure BDA0003519158460000141
同理，对于调节下限也采用同样的方式确定目标函数和约束条件。
步骤S403：对修改后的优化运行模型求解，确定区域智能变电站的可调范围。根据对上述步骤S402中的目标函数和约束条件进行求解，即可确定具体地调节上限和调节下限，从而确定智能变电站的传输功率可调范围。
在一实施方式中，如图6所示，该区域智能变电站源荷储优化运行策略生成方法具体采用如下流程实现：获取区域智能变电站可控资源数据，包括主变容量、柔性负荷序需求、储能容量、光伏出力以及刚性负荷等，基于该可控资源数据构建站内资源协同优化运行模型，对该优化模型求解确定运行策略；基于求解得到的运行策略进行典型光伏出力场景下的运行策略检验，并判断子场景检验是否通过，若不通过则调整约束条件；若通过则基于底层柔性负荷控制策略求解结果进行充电负荷可靠性评估，根据负荷可靠性是否满足需求进行目标函数权重系数的调整；根据调整后的约束条件以及目标函数进行优化运行策略的求解；最后还可以基于调整后的约束条件以及目标函数确定智能变电站整体可调潜力大小。
本发明实施例还提供一种区域智能变电站源荷储优化运行策略生成装置，如图7所示，该装置包括：
数据获取模块，用于获取区域智能变电站可控资源数据；具体内容参见上述方法实施例对应部分，在此不再赘述。
模型构建模块，用于根据所述可控资源数据构建优化运行模型；具体内容参见上述方法实施例对应部分，在此不再赘述。
第一调整模块，用于基于光伏出力的不确定性和预测误差，根据所述优化运行模型对出力场景进行校验，确定是否对所述优化运行模型中的约束条件进行调整；具体内容参见上述方法实施例对应部分，在此不再赘述。
第二调整模块，用于以最大化充电量为目标，根据当前优化运行模型对充电负荷进行评估，确定是否对所述优化运行模型中目标函数的权重系数进行调整；具体内容参见上述方法实施例对应部分，在此不再赘述。
策略确定模块，用于根据调整后的优化运行模型确定当前优化运行策略。具体内容参见上述方法实施例对应部分，在此不再赘述。
本发明实施例提供的区域智能变电站源荷储优化运行策略生成装置，通过智能变电站内可控资源数据构建优化运行模型。基于光伏出力预测数据，在典型运行场景中进行校验，反馈调整约束条件，形成鲁棒优化运行策略；然后，基于优化运行模型对站内柔性负荷开展精细化优化控制，评估柔性负荷可靠性水平，结合评估结果反馈调整权重系数，基于调整后的约束条件和权重系数确定最终的优化测量。由此，该优化运行策略生成装置，充分考虑了变电站站内可控资源的可调潜力，并兼顾柔性负荷供能需求，构建了区域智能变电站优化运行策略，使传统变电站具备柔性可控特性，可有效参与上层电网的协同调度计划。
本发明实施例提供的区域智能变电站源荷储优化运行策略生成装置的功能描述详细参见上述实施例中区域智能变电站源荷储优化运行策略生成方法描述。
本发明实施例还提供一种存储介质，如图8所示，其上存储有计算机程序601，该指令被处理器执行时实现上述实施例中区域智能变电站源荷储优化运行策略生成方法的步骤。该存储介质上还存储有音视频流数据，特征帧数据、交互请求信令、加密数据以及预设数据大小等。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read－Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(HardDisk Drive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read－Only Memory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
本发明实施例还提供了一种电子设备，如图9所示，该电子设备可以包括处理器51和存储器52，其中处理器51和存储器52可以通过总线或者其他方式连接，图9中以通过总线连接为例。
处理器51可以为中央处理器(Central Processing Unit，CPU)。处理器51还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器52作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的对应的程序指令/模块。处理器51通过运行存储在存储器52中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的区域智能变电站源荷储优化运行策略生成方法。
存储器52可以包括存储程序区和存储数据区，其中，存储程序区可存储操作装置、至少一个功能所需要的应用程序；存储数据区可存储处理器51所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器52可选包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至处理器51。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器52中，当被所述处理器51执行时，执行如图2－6所示实施例中的区域智能变电站源荷储优化运行策略生成方法。
上述电子设备具体细节可以对应参阅图2至图6所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种区域智能变电站源荷储优化运行策略生成方法，其特征在于，包括：
获取区域智能变电站可控资源数据；
根据所述可控资源数据构建优化运行模型；
基于光伏出力的不确定性和预测误差，根据所述优化运行模型对出力场景进行校验，确定是否对所述优化运行模型中的约束条件进行调整；
以最大化充电量为目标，根据当前优化运行模型对充电负荷进行评估，确定是否对所述优化运行模型中目标函数的权重系数进行调整；
根据调整后的优化运行模型确定当前优化运行策略。
2.根据权利要求1所述的区域智能变电站源荷储优化运行策略生成方法，其特征在于，根据所述可控资源数据构建优化运行模型，包括：
根据可控资源数据形成约束条件，所述约束条件包括光伏出力约束、电动汽车削减负荷约束、储能运行约束、传输功率约束及功率平衡约束；
根据主变负载率、负荷调节深度以及储能调控深度构建目标函数；
根据所述约束条件和所述目标函数形成优化运行模型。
3.根据权利要求1所述的区域智能变电站源荷储优化运行策略生成方法，其特征在于，基于光伏出力的不确定性和预测误差，根据所述优化运行模型对出力场景进行校验，确定是否对所述优化运行模型中的约束条件进行调整，包括：
基于储能荷电范围、储能充放电功率以及主变传输功率与原有参数的大小构建光伏出力目标函数，所述储能荷电范围、储能充放电功率以及主变传输功率根据所述优化运行模型确定；
根据光伏出力场景对所述优化运行模型中的约束条件进行调整，得到光伏出力约束条件；
根据所述光伏出力目标函数和所述光伏出力约束条件进行求解，确定是否对所述优化运行模型中的约束条件进行调整。
4.根据权利要求3所述的区域智能变电站源荷储优化运行策略生成方法，其特征在于，根据所述光伏出力目标函数和所述光伏出力约束条件进行求解，确定是否对所述优化运行模型中的约束条件进行调整，包括：
根据所述光伏出力目标函数和所述光伏出力约束条件确定子场景下的目标函数值是否为0；
当目标函数值为0时，保持原来的约束条件；
当目标函数值不为0时，根据传输功率超调量添加新的约束条件。
5.根据权利要求1所述的区域智能变电站源荷储优化运行策略生成方法，其特征在于，以最大化充电量为目标，根据当前优化运行模型对充电负荷进行评估，确定是否对所述优化运行模型中目标函数的权重系数进行调整，包括：
根据当前运行优化模型确定底层柔性负荷削减量；
根据所述底层柔性负荷削减量以及电动汽车电池参数确定电动汽车约束条件；
根据电动汽车约束条件和电动汽车目标函数确定电动汽车充电过程参数；
根据电动汽车充电过程参数与预期充电量比较确定是否对所述优化运行模型中目标函数的权重系数进行调整。
6.根据权利要求5所述的区域智能变电站源荷储优化运行策略生成方法，其特征在于，根据电动汽车充电过程参数与预期充电量比较确定是否对所述优化运行模型中目标函数的权重系数进行调整，包括：
根据电动汽车充电过程参数与预期充电量的差值确定相应电动汽车的失负荷事件；
根据充电站所有电动汽车的失负荷事件确定充电不足概率；
根据所述充电不足概率是否满足预设指标确定是否对所述优化运行模型中目标函数的权重系数进行调整。
7.根据权利要求1所述的区域智能变电站源荷储优化运行策略生成方法，其特征在于，根据调整后的优化运行模型确定当前优化运行策略之后，还包括：
根据当前优化运行模型确定区域智能变电站内传输功率；
根据预设调节上限和预设调节下限修改优化运行模型中的目标函数和约束条件；
对修改后的优化运行模型求解，确定区域智能变电站的可调范围。
8.一种区域智能变电站源荷储优化运行策略生成装置，其特征在于，包括：
数据获取模块，用于获取区域智能变电站可控资源数据；
模型构建模块，用于根据所述可控资源数据构建优化运行模型；
第一调整模块，用于基于光伏出力的不确定性和预测误差，根据所述优化运行模型对出力场景进行校验，确定是否对所述优化运行模型中的约束条件进行调整；
第二调整模块，用于以最大化充电量为目标，根据当前优化运行模型对充电负荷进行评估，确定是否对所述优化运行模型中目标函数的权重系数进行调整；
策略确定模块，用于根据调整后的优化运行模型确定当前优化运行策略。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1－7任一项所述的区域智能变电站源荷储优化运行策略生成方法。
10.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1－7任一项所述的区域智能变电站源荷储优化运行策略生成方法。
CN202210174174.4A 2022-02-24 2022-02-24 一种区域智能变电站源荷储优化运行策略生成方法及装置 Pending CN114498768A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210174174.4A CN114498768A (zh) 2022-02-24 2022-02-24 一种区域智能变电站源荷储优化运行策略生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210174174.4A CN114498768A (zh) 2022-02-24 2022-02-24 一种区域智能变电站源荷储优化运行策略生成方法及装置

Publications (1)

Publication Number Publication Date
CN114498768A true CN114498768A (zh) 2022-05-13

Family

ID=81483455

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210174174.4A Pending CN114498768A (zh) 2022-02-24 2022-02-24 一种区域智能变电站源荷储优化运行策略生成方法及装置

Country Status (1)

Country Link
CN (1) CN114498768A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116436057A (zh) * 2023-06-14 2023-07-14 广东电网有限责任公司东莞供电局 一种储能站运行策略的确定方法、装置、设备及介质
CN116523193A (zh) * 2023-03-08 2023-08-01 上海电享信息科技有限公司 一种虚拟电厂储能调度方法、装置、电子设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116523193A (zh) * 2023-03-08 2023-08-01 上海电享信息科技有限公司 一种虚拟电厂储能调度方法、装置、电子设备及存储介质
CN116523193B (zh) * 2023-03-08 2024-01-26 上海电享信息科技有限公司 一种虚拟电厂储能调度方法、装置、电子设备及存储介质
CN116436057A (zh) * 2023-06-14 2023-07-14 广东电网有限责任公司东莞供电局 一种储能站运行策略的确定方法、装置、设备及介质
CN116436057B (zh) * 2023-06-14 2023-09-08 广东电网有限责任公司东莞供电局 一种储能站运行策略的确定方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
WO2022152065A1 (zh) 一种充电管理系统的充电与供能优化方法及装置
Liu et al. Decentralized charging control of electric vehicles in residential distribution networks
Shin et al. Plug-in electric vehicle to home (V2H) operation under a grid outage
Wang et al. Integrated energy exchange scheduling for multimicrogrid system with electric vehicles
Wang et al. Two-stage mechanism for massive electric vehicle charging involving renewable energy
CN105680474B (zh) 一种储能抑制光伏电站快速功率变化的控制方法
US20140129040A1 (en) Adaptive energy management system
Wang et al. A two-level coordinated voltage control scheme of electric vehicle chargers in low-voltage distribution networks
CN114498768A (zh) 一种区域智能变电站源荷储优化运行策略生成方法及装置
CN109599856A (zh) 一种微网多楼宇中电动汽车充放电管理优化方法及装置
CN107453381B (zh) 基于两阶段交叉控制的电动汽车集群功率调节方法及系统
WO2022165914A1 (zh) 分布式电压源变流器协同控制方法及交直流混联微电网
CN110676849B (zh) 一种孤岛微电网群能量调度模型的构建方法
CN113437754A (zh) 一种基于台区智能融合终端的电动汽车有序充电方法及系统
CN104078978A (zh) 一种面向智能电网的电动汽车入网一次调频控制方法
CN113852135B (zh) 一种虚拟电厂能源调度方法、装置、存储介质及平台
Rossi et al. Real-time optimization of the battery banks lifetime in hybrid residential electrical systems
Wu et al. PEV-based reactive power compensation for wind DG units: A stackelberg game approach
CN111641233A (zh) 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法
Kiani et al. An extended state space model for aggregation of large-scale EVs considering fast charging
CN115377964A (zh) 一种区域两阶段弹性能量管理方法、系统、设备及介质
CN112819203B (zh) 一种基于深度学习的充电管理系统及方法
Shavolkin et al. IMPROVING A MODEL OF THE HYBRID PHOTOVOLTAIC SYSTEM WITH A STORAGE BATTERY FOR LOCAL OBJECT’S SELF-CONSUMPTION INVOLVING THE SETTING OF POWER CONSUMED FROM THE GRID.
CN112134272A (zh) 配网电动汽车负荷调控方法
Kaur et al. Design of the ANFIS based optimized frequency control module for an electric vehicle charging station

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