CN115036914B - 考虑灵活性与新能源消纳的电网储能双层优化方法及系统 - Google Patents

考虑灵活性与新能源消纳的电网储能双层优化方法及系统 Download PDF

Info

Publication number
CN115036914B
CN115036914B CN202210690466.3A CN202210690466A CN115036914B CN 115036914 B CN115036914 B CN 115036914B CN 202210690466 A CN202210690466 A CN 202210690466A CN 115036914 B CN115036914 B CN 115036914B
Authority
CN
China
Prior art keywords
energy storage
flexibility
power
model
new energy
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
Application number
CN202210690466.3A
Other languages
English (en)
Other versions
CN115036914A (zh
Inventor
凌煦
刘兵
余晓伟
赵雄光
刘颖杰
田圆
陈红坤
高鹏
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.)
Wuhan University WHU
Central China Grid Co Ltd
Original Assignee
Wuhan University WHU
Central China Grid 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 Wuhan University WHU, Central China Grid Co Ltd filed Critical Wuhan University WHU
Priority to CN202210690466.3A priority Critical patent/CN115036914B/zh
Publication of CN115036914A publication Critical patent/CN115036914A/zh
Application granted granted Critical
Publication of CN115036914B publication Critical patent/CN115036914B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • H02J3/008—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
    • 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]
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供考虑灵活性与新能源消纳的电网储能双层优化方法及系统，能能够充分调动系统的灵活性供给资源，适应系统不确定性需求，获得同时满足运行、配置最优的储能方案。考虑灵活性与新能源消纳的电网储能双层优化方法包括：步骤1、基于灵活性理论，建立火电机组、储能装置、可中断负荷的灵活性调节模型，分析新能源消纳，建立消纳模型；步骤2、根据灵活性调节模型与新能源消纳模型，建立考虑灵活性与新能源消纳的指标体系；步骤3、基于主成分分析的占优选择机制，对步骤2中的指标体系内各指标客观赋权，得到综合评价指标；步骤4、建立双层储能优化配置模型；通过上下层相互迭代优化，最终解出同时满足运行、配置最优的方案。

Description

考虑灵活性与新能源消纳的电网储能双层优化方法及系统
技术领域
本发明属于电力技术领域，具体涉及考虑灵活性与新能源消纳的电网储能双层优化方法及系统。
技术背景
随着全球碳排放量的持续升高，为了在满足巨大的电力需求的同时，保证环境的清洁和可持续发展，可再生能源的大规模并网将是未来电力系统发展的必然趋势。截止2020年，我国可再生能源电源的装机容量和发电量增长率分别高达17.5％与8.4％，新增装机容量与累计装机容量均位居世界第一位，占电源总装机的21％，可再生能源仅次于火电，成为第二大电源。可再生能源并网比例不断提高，不确定性所引起的电力系统灵活性需求逐渐增长，关于电力系统灵活性的研究也逐渐深入。
风电、光伏的波动性与不确定性逐渐成电力系统不确定性的主要来源，带来了弃电、切负荷等问题。传统的以电力电量平衡为基础的常规机组安排方式不再适用，需要从灵活性供需平衡的角度出发，充分调动系统的潜在灵活性供给资源，满足系统不确定性需求。
发明内容
本发明是为了解决上述问题而进行的，目的在于提出考虑灵活性与新能源消纳的电网储能双层优化方法及系统，能够充分调动系统的灵活性供给资源，适应系统不确定性需求，获得同时满足运行、配置最优的储能方案。
为了实现上述目的，本发明采用了以下技术方案：
<方法>
本发明提供一种考虑灵活性与新能源消纳的电网储能双层优化方法，其特征在于，包括以下步骤：
步骤1、基于灵活性理论，建立火电机组、储能装置、可中断负荷的灵活性调节模型，分析新能源消纳，建立消纳模型；
步骤2、根据灵活性调节模型与新能源消纳模型，建立考虑灵活性与新能源消纳的指标体系；
灵活性供需平衡指标FSDB(Flexible supply and demand balance)为：
式中，FSDB反映各时段灵活性的富余度，其值越接近1，表示系统整体的灵活性越好，越能响应净负荷的随机波动；与/>分别为一个周期内，净负荷增加或减少的时段内灵活性供给与灵活性需求差值比上相应时段的灵活性供给的比值之和；xnl为t时段净负荷变换的状态变量，若下一时段净负荷功率增加，则取1，否则取0；T为调度周期内的时段数，例如，取T＝24，时间间隔1h；F+(t)与F-(t)别为t时段系统向上、向下灵活性调节能力之和；Sg与Sst分别为发电机组与储能装置集合；
步骤3、基于主成分分析的占优选择机制，对步骤2中的指标体系内各指标客观赋权，得到综合评价指标；
步骤4、建立双层储能优化配置模型，其中上层为决策层，考虑综合成本最小，对储能选址定容，并将得到的储能配置方案输出到下层模型；下层为运行优化层，基于上层得到的配置方案，对各类灵活性资源进行优化调度，使得系统灵活性供给能力与新能源消纳能力综合最优，并将优化的运行策略反馈到上层进行灵活性资源供给成本计算；通过上下层相互迭代优化，最终解出同时满足运行、配置最优的方案。
优选地，本发明提供的考虑灵活性与新能源消纳的电网储能双层优化方法，还可以具有以下特征：在步骤1中，储能装置的灵活性调节模型为：
式中，与/>分别为t时段的储能装置i所提供的向上、向下灵活性；Pst,i与Est,i分别为储能装置i的额定功率与额定容量；/>为储能装置i储存电量的下限；Pst,i(t)为t时段储能装置i的充放电功率，取值为正表示放电，为负表示充电；Est,i(t)为储能装置i在t时段的储存电量；η为储能装置的充放电效率；
火电机组的灵活性调节模型为：
式中，与/>分别为t时段的机组j提供的向上、向下灵活性；/>与/>为机组j的最大发电功率和最小发电功率；Pg,j(t)为机组j在t时段的出力，/>与/>为机组j的向上、向下爬坡；Δt为时间间隔，本发明取为1h；
可中断负荷的灵活性调节模型为：
式中，为可中断负荷提供的向上灵活性，Pint(t)为t时段的已中断负荷量，为最大可中断负荷；
新能源消纳模型为：
Pn(t)+Pg(t)-Pna(t)＝Pl(t)+Ps(t)，
式中，Pn(t)为t时段新能源出力，Pg(t)为t时段的常规机组出力，Pna(t)为t时段新能源弃电量；Pl(t)为t时段的本地负荷，Ps(t)为t时段的外送功率。
优选地，本发明提供的考虑灵活性与新能源消纳的电网储能双层优化方法，还可以具有以下特征：在步骤2中，上调灵活性不足概率指标PIUF(Probability ofinsufficient upward flexibility)为：
PIUF＝Pr{F+(t)<xnl[Pnl(t+1)-Pnl(t)]}，
式中，PIUF反映系统向上灵活性不足的概率，其值越接近0，表示系统向上灵活性调节能力越强；
下调灵活性不足概率指标PIDF(Probability of insufficient downwardflexibility)为：
PIDF＝Pr{F-(t)<(1-xnl)[Pnl(t)-Pnl(t+1)]}，
式中，PIDF反映系统向下灵活性不足的概率，其值越接近0，表示系统向下灵活性调节能力越强；
新能源消纳率指标NECR(New energy consumption rate)为：
式中，NECR反映各时段新能源消纳功率与新能源发电功率的比值，其值越接近1，表示系统消纳新能源发电的能力越强。
优选地，本发明提供的考虑灵活性与新能源消纳的电网储能双层优化方法，还可以具有以下特征：在步骤3中，评价指标X为：
X＝{xij}n×p，
式中，样本数为n，主成分个数为m，指标个数为p；
标准化的评价指标Z为：
主成分F为：
式中，[li1li2…lip](i＝1,2,…,m)为Z的协方差阵Σ的特征值λi对应的特征向量：
第k个方案的综合评价指标Ik为：
优选地，本发明提供的考虑灵活性与新能源消纳的电网储能双层优化方法，还可以具有以下特征：在步骤4中，上层模型的目标函数为：
minCtotal＝Cinv+Cfs，
式中，Ctotal为综合总成本；Cinv为储能成本；Cfs为灵活性发电成本；r为贴现率；cE与cP分别为储能装置单位容量与单位功率的投资成本；Y为储能装置的运行寿命，可以根据寿命预测模型得到；D为一年内的总运行天数；φ为运行场景集合；ps为运行场景s出现的概率；Cg,s，Cst,s，Cint,s与Cna,s为运行场景s下的机组运行成本，储能运行成本，切负荷惩罚成本与弃电惩罚成本；cst为单位功率储能装置运行成本；aj，bj与cj为单位功率机组运行成本系数；cint为单位功率切负荷成本；cna为单位功率弃电成本；Pna,k(t)为t时段新能源发电站k的弃电功率，Sn为新能源发电站集合；
储能额定功率和容量约束为：
式中，与/>分别为储能额定功率的最小值和最大值；/>与/>分别为储能额定容量的最小值和最大值；xst,i为0-1变量，表示节点i是否安装储能装置，若安装取值为1，否则取值为0。
优选地，本发明提供的考虑灵活性与新能源消纳的电网储能双层优化方法，还可以具有以下特征：在步骤4中，下层模型的目标函数为：maxI，
机组出力与爬坡约束为：
可中断负荷约束为：
式中，正整数nint与分别为一天内中断负荷次数与合同规定的最大可中断负荷次数；
储能约束为：
式中，Sst,i(t)表示t时段储能装置i的荷电状态，t＝0与t＝T表示运行周期始、末；与/>表示储能装置i的荷电状态上下限；
潮流约束为：
式中，Sa为末端节点是j的所有支路的首端节点集合；Pij(t)、Qij(t)分别为t时段支路ij的有功、无功功率；Sc为首端节点是j的所有支路的末端节点集合；Vi(t)是t时段节点i的电压；rij、xij分别为支路ij的电阻、电抗；Pj(t)、Qj(t)分别为节点j的有功负荷、无功负荷(流出节点为正)；
功率平衡约束为：
安全运行约束为：
式中，与/>分别表示支路ij的电流上下限；/>与/>分别表示节点k上电压值的上下限。
<系统>
进一步，本发明还提供考虑灵活性与新能源消纳的电网储能双层优化系统，其特征在于，包括：
模型构建部，基于灵活性理论，建立火电机组、储能装置、可中断负荷的灵活性调节模型，分析新能源消纳，建立消纳模型；
体系构建部，根据灵活性调节模型与新能源消纳模型，建立考虑灵活性与新能源消纳的指标体系；灵活性供需平衡指标FSDB为：
式中，FSDB反映各时段灵活性的富余度，其值越接近1，表示系统整体的灵活性越好，越能响应净负荷的随机波动；与/>分别为一个周期内，净负荷增加或减少的时段内灵活性供给与灵活性需求差值比上相应时段的灵活性供给的比值之和；xnl为t时段净负荷变换的状态变量，若下一时段净负荷功率增加，则取1，否则取0；T为调度周期内的时段数；F+(t)与F-(t)别为t时段系统向上、向下灵活性调节能力之和；Sg与Sst分别为发电机组与储能装置集合；
赋权部，基于主成分分析的占优选择机制，对体系构建部中的指标体系内各指标客观赋权，得到综合评价指标；
优化配置部，建立双层储能优化配置模型，其中上层为决策层，考虑综合成本最小，对储能选址定容，并将得到的储能配置方案输出到下层模型；下层为运行优化层，基于上层得到的配置方案，对各类灵活性资源进行优化调度，使得系统灵活性供给能力与新能源消纳能力综合最优，并将优化的运行策略反馈到上层进行灵活性资源供给成本计算；通过上下层相互迭代优化，最终解出同时满足运行、配置最优的方案；以及
控制部，与模型构建部、体系构建部、赋权部、优化配置部均通信相连，控制它们的运行。
优选地，本发明提供的水库调度系统，还可以包括：储能调控部，与控制部通信相连，根据优化配置部得到的同时满足运行、配置最优的方案，调控电力系统中各储能装置的运行。
优选地，本发明提供的水库调度系统，还可以包括：输入显示部，与控制部通信相连，根据操作指令显示相应的信息。
优选地，本发明提供的水库调度系统，还可以具有以下特征：输入显示部能够根据操作指令对模型构建部构建的模型进行显示，对体系构建部建立的考虑灵活性与新能源消纳的指标体系进行显示，对赋权部赋权情况和得到的综合评价指标，对优化配置部建立的双层储能优化配置模型、得到的配置方案和最终解出的最优方案进行显示，对储能调控部的配电情况和电网实时运行情况进行相应显示。
本发明的作用与效果
本发明综合考虑灵活机组、储能装置、可中断负荷三种灵活性资源与系统新能源消纳能力建立灵活性评估指标；建立储能配置-运行的双层优化模型，进行求解；能够得到综合灵活性最优与新能源消纳最优的方案，有效解决高比例可再生能源并网电力系统的新能源弃电以及切负荷等问题，满足电力系统中配电储能过程灵活性调控需求。
附图说明
图1为本发明涉及的双层储能优化配置模型的流程图；
图2为本发明涉及的双层储能优化配置模型的结构示意图；
图3为本发明实施例案例1涉及的典型春日的综合指标的流程图；
图4为本发明实施例案例1涉及的配置储能前(a)、后(b)典型日运行情况示意图；
图5为本发明实施例案例1涉及的配置储能前后的指标对比图；
具体实施方式
以下结合附图对本发明涉及的考虑灵活性与新能源消纳的电网储能双层优化方法及系统的具体实施方案进行详细地说明。
<实施例>
本实施例以修改后的IEEE标准39节点系统作为研究对象，负荷与风电的预测数据采用某地区已有的年历史预测数据。根据小干扰分析，选择振荡中的主导发电机组替换为风机，替换后强振荡节点即为风机安装点。替换时按照节点原发电机容量等量替换，风功率按照已求风功率区间等比例计算，替换机组为G5，G6，G9。可中断负荷取峰值负荷的10％。待规划的单个储能装置的额定容量范围为[40,100]kWh，额定功率范围为[20,60]kW。下层模型粒子群算法种群数选择200，最大迭代次数1000。为了分析本发明所建模型的优势，设置以下方案进行对比分析：案例1，采用本发明提出的双层模型；案例2，将双层模型优化目标改为上层投资成本最小，下层运行成本最小；案例3，双层模型下层优化目标改为新能源消纳最大。
本实施例中所提供的考虑灵活性与新能源消纳的电网储能双层优化方法包括如下步骤：
1、基于灵活性理论，建立火电机组、储能装置、可中断负荷的灵活性调节模型，分析新能源消纳，建立消纳模型。储能装置的灵活性调节模型为：
上式中，与/>分别为t时段的储能装置i所提供的向上、向下灵活性；Pst,i与Est,i分别为储能装置i的额定功率与额定容量；/>为储能装置i储存电量的下限；Pst,i(t)为t时段储能装置i的充放电功率，取值为正表示放电，为负表示充电；Est,i(t)为储能装置i在t时段的储存电量；η为储能装置的充放电效率。
火电机组的灵活性调节模型为：
上式中，与/>分别为t时段的机组j提供的向上、向下灵活性；/>与/>为机组j的最大发电功率和最小发电功率；Pg,j(t)为机组j在t时段的出力，/>与/>为机组j的向上、向下爬坡；Δt为时间间隔，本发明取为1h。
可中断负荷的灵活性调节模型为：
上式中，为可中断负荷提供的向上灵活性，Pint(t)为t时段的已中断负荷量，为最大可中断负荷；
新能源消纳模型为：
Pn(t)+Pg(t)-Pna(t)＝Pl(t)+Ps(t)，
上式中，Pn(t)为t时段新能源出力，Pg(t)为t时段的常规机组出力，Pna(t)为t时段新能源弃电量；Pl(t)为t时段的本地负荷，Ps(t)为t时段的外送功率。
2、根据灵活性调节模型与新能源消纳模型，建立考虑灵活性与新能源消纳的指标体系。灵活性供需平衡指标FSDB(Flexible supply and demand balance,FSDB)为：
上式中，FSDB反应各时段灵活性的富余度，其值越接近1，表示系统整体的灵活性越好，越能响应净负荷的随机波动。与/>分别为一个周期内，净负荷增加或减少的时段内灵活性供给与灵活性需求差值比上相应时段的灵活性供给的比值之和；xnl为t时段净负荷变换的状态变量，若下一时段净负荷功率增加，则取1，否则取0；T为调度周期内的时段数，本发明取T＝24，时间间隔1h；F+(t)与F-(t)别为t时段系统向上、向下灵活性调节能力之和；Sg与Sst分别为发电机组与储能装置集合。
上调灵活性不足概率指标PIUF(Probability of insufficient upwardflexibility)为：
PIUF＝Pr{F+(t)<xnl[Pnl(t+1)-Pnl(t)]}，
其中PIUF反应系统向上灵活性不足的概率，其值越接近0，表示系统向上灵活性调节能力越强；
下调灵活性不足概率指标PIDF(Probability of insufficient downwardflexibility)为：
PIDF＝Pr{F-(t)<(1-xnl)[Pnl(t)-Pnl(t+1)]}，
其中PIDF反应系统向下灵活性不足的概率，其值越接近0，表示系统向下灵活性调节能力越强；
新能源消纳率指标NECR(New energy consumption rate)为：
其中NECR反应各时段新能源消纳功率与新能源发电功率的比值，其值越接近1，表示系统消纳新能源发电的能力越强。
3、基于主成分分析的占优选择机制，对指标体系内各指标客观赋权，得到综合评价指标。评价指标X为：
X＝{xij}n×p，
其中，样本数为n，主成分个数为m，指标个数为p，
标准化的评价指标Z为：
主成分F为：
其中，[li1li2…lip](i＝1,2,…,m)为Z的协方差阵Σ的特征值λi对应的特征向量：
第k个方案的综合评价指标Ik为：
4、如图1和2所示，建立双层储能优化配置模型，其中上层为投资决策层，考虑综合投资成本最小，对储能选址定容，并将得到的储能配置方案输出到下层模型。下层为运行优化层，基于上层得到的配置方案，对各类灵活性资源进行优化调度，使得系统灵活性供给能力与新能源消纳能力综合最优，并将优化的运行策略反馈到上层进行灵活性资源供给成本计算。通过上下层相互迭代优化，最终解出同时满足运行、配置最优的方案。上层模型的目标函数为：
minCtotal＝Cinv+Cfs，
其中，Ctotal为投资规划综合总成本；Cinv为储能的年等值投资(储能成本)；Cfs为灵活性资源供给成本(灵活性发电成本)。r为贴现率；cE与cP分别为储能装置单位容量与单位功率的投资成本；Y为储能装置的运行寿命，可以根据寿命预测模型得到。D为一年内的总运行天数，本发明取365天；φ为运行场景集合；ps为运行场景s出现的概率；Cg,s，Cst,s，Cint,s与Cna,s为运行场景s下的机组运行成本，储能运行成本，切负荷惩罚成本与弃电惩罚成本。其中cst为单位功率储能装置运行成本；aj，bj与cj为单位功率机组运行成本系数；cint为单位功率切负荷成本；cna为单位功率弃电成本；Pna,k(t)为t时段新能源发电站k的弃电功率，Sn为新能源发电站集合。
储能额定功率和容量约束为：
其中，与/>分别为储能额定功率的最小值和最大值；/>与/>分别为储能额定容量的最小值和最大值；xst,i为0-1变量，表示节点i是否安装储能装置，若安装取值为1，否则取值为0。
下层模型的目标函数为：
maxI，
机组出力与爬坡约束为：
可中断负荷约束为：
其中，正整数nint与分别为一天内中断负荷次数与合同规定的最大可中断负荷次数。
储能约束为：
其中，Sst,i(t)表示t时段储能装置i的荷电状态，t＝0与t＝T表示运行周期始、末；与/>表示储能装置i的荷电状态上下限。
潮流约束为：
其中，Sa为末端节点是j的所有支路的首端节点集合；Pij(t)、Qij(t)分别为t时段支路ij的有功、无功功率；Sc为首端节点是j的所有支路的末端节点集合；Vi(t)是t时段节点i的电压；rij、xij分别为支路ij的电阻、电抗；Pj(t)、Qj(t)分别为节点j的有功负荷、无功负荷(流出节点为正)。
功率平衡约束为：
安全运行约束为：
其中，与/>分别表示支路ij的电流上下限；/>与/>分别表示节点k上电压值的上下限。
运用Yalmip建模语言联合Gurobi求解器求解上层模型得到年综合投资成本与灵活性资源供给成本最优的储能配置方案，将配置方案输入到下层模型。下层模型采用粒子群算法，根据储能配置方案，以灵活性指标最优为目标，计算四个典型日下的灵活性资源运行策略，由此计算得出年灵活性资源供给成本，反馈至上层模型，迭代计算。
得到的储能配置结果见表1：
表1 配置方案及成本对比表
系统安装储能的位置主要集中在：风机节点34，38，39处；负荷水平较高节点8处以及可靠性要求较高的薄弱节点16处。可以看到案例1采用本文提出双层模型，综合考虑灵活性与新能源消纳时获得的储能配置方案综合成本最小。这是由于案例2仅考虑运行成本最小，无法很好满足灵活性需求，导致切负荷与弃电惩罚成本较高；而仅考虑新能源消纳最大时，加大了储能投资以满足风电消纳要求，导致储能配置成本升高。
如图3～5所示，储能配置最优时，系统的灵活性供需平衡指标FSDB与新能源消纳指标NECR均有所提高，灵活性不足概率指标PIUF与PIDF均下降。这是由于不配置储能时，仅靠机组调峰及可中断负荷无法满足风电波动带来的灵活性需求，导致弃电较多，指标较差。而当储能配置最优时，系统的灵活性调节能力与新能源消纳能力大大提升，指标得到很大改善。
进一步，本实施例中还提供能够自动控制实现上述方法的水库调度系统，该系统包括：模型构建部、体系构建部、赋权部、优化配置部、输入显示部以及控制部。
模型构建部按照上文步骤1描述的内容，基于灵活性理论，建立火电机组、储能装置、可中断负荷的灵活性调节模型，分析新能源消纳，建立消纳模型。
体系构建部按照上文步骤2描述的内容，根据灵活性调节模型与新能源消纳模型，建立考虑灵活性与新能源消纳的指标体系。
赋权部按照上文步骤3描述的内容，基于主成分分析的占优选择机制，对体系构建部中的指标体系内各指标客观赋权，得到综合评价指标。
优化配置部按照上文步骤4描述的内容，建立双层储能优化配置模型，解出同时满足运行、配置最优的方案。
储能调控部根据优化配置部得到的同时满足运行、配置最优的方案，调控电力系统中各储能装置的运行。
输入显示部根据操作指令显示相应的信息。
控制部与模型构建部、体系构建部、赋权部、优化配置部、储能调控部、输入显示部均通信相连，控制它们的运行。具体地，输入显示部能够根据操作指令：对模型构建部构建的模型进行显示，对体系构建部建立的考虑灵活性与新能源消纳的指标体系进行显示，对赋权部赋权情况和得到的综合评价指标，对优化配置部建立的双层储能优化配置模型、得到的配置方案和最终解出的最优方案进行显示，对储能配电部的储能调控方案和各储能装置的实际运行情况进行相应显示。
以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的考虑灵活性与新能源消纳的电网储能双层优化方法及系统并不仅仅限定于在以上实施例中所描述的内容，而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换，都在本发明的权利要求所要求保护的范围内。

Claims (6)

1.考虑灵活性与新能源消纳的电网储能双层优化方法，其特征在于，包括以下步骤：
步骤1、基于灵活性理论，建立火电机组、储能装置、可中断负荷的灵活性调节模型，分析新能源消纳，建立消纳模型；
储能装置的灵活性调节模型为：
，
式中，与/>分别为/>时段的储能装置/>所提供的向上、向下灵活性；/>与/>分别为储能装置/>的额定功率与额定容量；/>为储能装置/>储存电量的下限；/>为/>时段储能装置/>的充放电功率，取值为正表示放电，为负表示充电；/>为储能装置/>在/>时段的储存电量；/>为储能装置的充放电效率；
火电机组的灵活性调节模型为：
，
式中，与/>分别为/>时段的机组/>提供的向上、向下灵活性；/>与/>为机组的最大发电功率和最小发电功率；/>为机组/>在/>时段的出力，/>与/>为机组/>的向上、向下爬坡；/>为时间间隔；
可中断负荷的灵活性调节模型为：
，
式中，为可中断负荷提供的向上灵活性，/>为/>时段的已中断负荷量，/>为最大可中断负荷；
新能源消纳模型为：
，
式中，为/>时段新能源出力，/>为/>时段的常规机组出力，/>为/>时段新能源弃电量；/>为/>时段的本地负荷，/>为/>时段的外送功率；
步骤2、根据灵活性调节模型与新能源消纳模型，建立考虑灵活性与新能源消纳的指标体系；
灵活性供需平衡指标FSDB为：
，
，
，
式中，FSDB反映各时段灵活性的富余度，其值越接近1，表示系统整体的灵活性越好，越能响应净负荷的随机波动；与/>分别为一个周期内，净负荷增加或减少的时段内灵活性供给与灵活性需求差值比上相应时段的灵活性供给的比值之和；/>为/>时段净负荷变换的状态变量，若下一时段净负荷功率增加，则取1，否则取0；/>为调度周期内的时段数；/>与/>别为/>时段系统向上、向下灵活性调节能力之和；/>与/>分别为发电机组与储能装置集合；
步骤3、基于主成分分析的占优选择机制，对步骤2中的指标体系内各指标客观赋权，得到综合评价指标；
评价指标为：
，
式中，样本数为，主成分个数为/>，指标个数为/>；
标准化的评价指标为：
，
主成分为：
，
式中，为/>的协方差阵/>的特征值/>对应的特征向量：
，
第个方案的综合评价指标/>为：
；
步骤4、建立双层储能优化配置模型，其中上层为决策层，考虑综合成本最小，对储能选址定容，并将得到的储能配置方案输出到下层模型；下层为运行优化层，基于上层得到的配置方案，对各类灵活性资源进行优化调度，使得系统灵活性供给能力与新能源消纳能力综合最优，并将优化的运行策略反馈到上层进行灵活性资源供给成本计算；通过上下层相互迭代优化，最终解出同时满足运行、配置最优的方案；
上层模型的目标函数为：
，
，
，
，
式中，为综合总成本；/>为储能成本；/>为灵活性发电成本；/>为贴现率；/>与/>分别为储能装置单位容量与单位功率的投资成本；/>为储能装置的运行寿命，可以根据寿命预测模型得到；/>为一年内的总运行天数；/>为运行场景集合；/>为运行场景/>出现的概率；/>，/>，/>与/>为运行场景/>下的机组运行成本，储能运行成本，切负荷惩罚成本与弃电惩罚成本；/>为单位功率储能装置运行成本；/>，/>与/>为单位功率机组运行成本系数；/>为单位功率切负荷成本；/>为单位功率弃电成本；/>为/>时段新能源发电站/>的弃电功率，/>为新能源发电站集合；
储能额定功率和容量约束为：
，
式中，与/>分别为储能额定功率的最小值和最大值；/>与/>分别为储能额定容量的最小值和最大值；/>为0-1变量，表示节点/>是否安装储能装置，若安装取值为1，否则取值为0；
下层模型的目标函数为：，
机组出力与爬坡约束为：
，
可中断负荷约束为：
，
式中，正整数与/>分别为一天内中断负荷次数与合同规定的最大可中断负荷次数；
储能约束为：
，
式中，表示/>时段储能装置/>的荷电状态，/>与/>表示运行周期始、末；/>与表示储能装置/>的荷电状态上下限；
潮流约束为：
，
式中，为末端节点是j的所有支路的首端节点集合；/>、/>分别为/>时段支路/>的有功、无功功率；/>为首端节点是/>的所有支路的末端节点集合；/>是/>时段节点/>的电压；/>、/>分别为支路/>的电阻、电抗；/>、/>分别为节点/>的有功负荷、无功负荷；
功率平衡约束为：
，
安全运行约束为：
，
式中，与/>分别表示支路/>的电流上下限；/>与/>分别表示节点/>上电压值的上下限。
2.根据权利要求1所述的考虑灵活性与新能源消纳的电网储能双层优化方法，其特征在于：
其中，在步骤2中，上调灵活性不足概率指标PIUF为：
,
式中，PIUF反映系统向上灵活性不足的概率，其值越接近0，表示系统向上灵活性调节能力越强；
下调灵活性不足概率指标PIDF为：
，
式中，PIDF反映系统向下灵活性不足的概率，其值越接近0，表示系统向下灵活性调节能力越强；
新能源消纳率指标NECR为：
，
式中，NECR反映各时段新能源消纳功率与新能源发电功率的比值，其值越接近1，表示系统消纳新能源发电的能力越强。
3.考虑灵活性与新能源消纳的电网储能双层优化系统，用于实现权利要求1或2所述的考虑灵活性与新能源消纳的电网储能双层优化方法，其特征在于，包括：
模型构建部，基于灵活性理论，建立火电机组、储能装置、可中断负荷的灵活性调节模型，分析新能源消纳，建立消纳模型；
体系构建部，根据灵活性调节模型与新能源消纳模型，建立考虑灵活性与新能源消纳的指标体系；灵活性供需平衡指标FSDB为：
，
，
，
式中，FSDB反映各时段灵活性的富余度，其值越接近1，表示系统整体的灵活性越好，越能响应净负荷的随机波动；与/>分别为一个周期内，净负荷增加或减少的时段内灵活性供给与灵活性需求差值比上相应时段的灵活性供给的比值之和；/>为/>时段净负荷变换的状态变量，若下一时段净负荷功率增加，则取1，否则取0；/>为调度周期内的时段数；/>与/>别为/>时段系统向上、向下灵活性调节能力之和；/>与/>分别为发电机组与储能装置集合；
赋权部，基于主成分分析的占优选择机制，对体系构建部中的指标体系内各指标客观赋权，得到综合评价指标；
优化配置部，建立双层储能优化配置模型，其中上层为决策层，考虑综合成本最小，对储能选址定容，并将得到的储能配置方案输出到下层模型；下层为运行优化层，基于上层得到的配置方案，对各类灵活性资源进行优化调度，使得系统灵活性供给能力与新能源消纳能力综合最优，并将优化的运行策略反馈到上层进行灵活性资源供给成本计算；通过上下层相互迭代优化，最终解出同时满足运行、配置最优的方案；以及
控制部，与模型构建部、体系构建部、赋权部、优化配置部均通信相连，控制它们的运行。
4.根据权利要求3所述的考虑灵活性与新能源消纳的电网储能双层优化系统，其特征在于，还包括：
储能调控部，与控制部通信相连，根据优化配置部得到的同时满足运行、配置最优的方案，调控电力系统中各储能装置的运行。
5.根据权利要求4所述的考虑灵活性与新能源消纳的电网储能双层优化系统，其特征在于，还包括：
输入显示部，与控制部通信相连，根据操作指令显示相应的信息。
6.根据权利要求5所述的考虑灵活性与新能源消纳的电网储能双层优化系统，其特征在于：
其中，所述输入显示部能够根据操作指令对模型构建部构建的模型进行显示，对体系构建部建立的考虑灵活性与新能源消纳的指标体系进行显示，对赋权部赋权情况和得到的综合评价指标，对优化配置部建立的双层储能优化配置模型、得到的配置方案和最终解出的最优方案进行显示，对储能配电部的储能调控方案和各储能装置的实际运行情况进行相应显示。
CN202210690466.3A 2022-06-17 2022-06-17 考虑灵活性与新能源消纳的电网储能双层优化方法及系统 Active CN115036914B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210690466.3A CN115036914B (zh) 2022-06-17 2022-06-17 考虑灵活性与新能源消纳的电网储能双层优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210690466.3A CN115036914B (zh) 2022-06-17 2022-06-17 考虑灵活性与新能源消纳的电网储能双层优化方法及系统

Publications (2)

Publication Number Publication Date
CN115036914A CN115036914A (zh) 2022-09-09
CN115036914B true CN115036914B (zh) 2024-04-30

Family

ID=83124911

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210690466.3A Active CN115036914B (zh) 2022-06-17 2022-06-17 考虑灵活性与新能源消纳的电网储能双层优化方法及系统

Country Status (1)

Country Link
CN (1) CN115036914B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117439090B (zh) * 2023-12-19 2024-04-02 浙江大学 以灵活调节系数为指标的灵活性资源配置或调度方法
CN117811105A (zh) * 2024-02-29 2024-04-02 国网山东省电力公司东营供电公司 基于分布式光伏灵活性的双层优化调度方法及相关设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103077430A (zh) * 2013-01-16 2013-05-01 国电南瑞科技股份有限公司 风火协调调度模式下日前调度计划优化辅助分析方法
CN106485352A (zh) * 2016-09-30 2017-03-08 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法
CN106712075A (zh) * 2016-04-26 2017-05-24 武汉大学 一种考虑风电并网系统安全约束的调峰策略优化方法
CN109559035A (zh) * 2018-11-29 2019-04-02 国网(苏州)城市能源研究院有限责任公司 一种考虑灵活性的城市配电网双层规划方法
CN109687530A (zh) * 2019-01-08 2019-04-26 南京工程学院 一种考虑阻塞和储能分时电价的电网混合滚动调度方法
CN112258064A (zh) * 2020-10-29 2021-01-22 国网甘肃省电力公司电力科学研究院 基于技术与市场灵活性统一框架的新能源消纳能力评估方法
CN113095615A (zh) * 2020-12-08 2021-07-09 华北电力大学 规模化新能源并网条件下的火电机组运行灵活性综合评价方法
CN114336636A (zh) * 2022-01-10 2022-04-12 国网宁夏电力有限公司经济技术研究院 一种交直流混合配电网系统双层储能配置方法
CN114336725A (zh) * 2021-06-22 2022-04-12 重庆大学 一种基于源网荷储灵活性的主动配电网新能源消纳能力评估方法
WO2022100091A1 (zh) * 2020-11-10 2022-05-19 中国能源建设集团湖南省电力设计院有限公司 一种广义源储系统调度的集中控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112072655B (zh) * 2020-09-10 2022-05-27 天津大学 一种并网风储发电系统混合储能优化配置方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103077430A (zh) * 2013-01-16 2013-05-01 国电南瑞科技股份有限公司 风火协调调度模式下日前调度计划优化辅助分析方法
CN106712075A (zh) * 2016-04-26 2017-05-24 武汉大学 一种考虑风电并网系统安全约束的调峰策略优化方法
CN106485352A (zh) * 2016-09-30 2017-03-08 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法
CN109559035A (zh) * 2018-11-29 2019-04-02 国网(苏州)城市能源研究院有限责任公司 一种考虑灵活性的城市配电网双层规划方法
CN109687530A (zh) * 2019-01-08 2019-04-26 南京工程学院 一种考虑阻塞和储能分时电价的电网混合滚动调度方法
CN112258064A (zh) * 2020-10-29 2021-01-22 国网甘肃省电力公司电力科学研究院 基于技术与市场灵活性统一框架的新能源消纳能力评估方法
WO2022100091A1 (zh) * 2020-11-10 2022-05-19 中国能源建设集团湖南省电力设计院有限公司 一种广义源储系统调度的集中控制方法
CN113095615A (zh) * 2020-12-08 2021-07-09 华北电力大学 规模化新能源并网条件下的火电机组运行灵活性综合评价方法
CN114336725A (zh) * 2021-06-22 2022-04-12 重庆大学 一种基于源网荷储灵活性的主动配电网新能源消纳能力评估方法
CN114336636A (zh) * 2022-01-10 2022-04-12 国网宁夏电力有限公司经济技术研究院 一种交直流混合配电网系统双层储能配置方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
主动配电网中消纳高渗透率风电的风电源规划;高鹏;陈红坤;张光亚;赵莉莉;边小军;;电力系统自动化;20180810(第15期);全文 *
考虑风电最大化消纳的电力系统多目标优化;白顺明;陈磊;姜飞;杨睿行;;电气技术;20200115(第01期);全文 *
考虑风电消纳能力的含风电场电力系统多目标优化调度研究;辛晓刚;王彪;李昕;方彦军;;可再生能源;20160120(第01期);全文 *

Also Published As

Publication number Publication date
CN115036914A (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
Pourmousavi et al. Real-time energy management of a stand-alone hybrid wind-microturbine energy system using particle swarm optimization
CN115036914B (zh) 考虑灵活性与新能源消纳的电网储能双层优化方法及系统
CN109193815A (zh) 一种提高风电消纳的热电联合调度方法
CN112651634B (zh) 基于序列运算的有源配电系统源网荷储日前有功调度方法
CN112821432B (zh) 一种风光接入下储能系统的双层多位置配置方法
CN110676849B (zh) 一种孤岛微电网群能量调度模型的构建方法
CN102664401A (zh) 一种基于电池寿命模型的微电网控制方法
CN112381375B (zh) 一种基于潮流分配矩阵的电网经济运行域快速生成方法
CN112906988B (zh) 一种多能源建筑系统鲁棒双层协调调度的方法
CN108808737A (zh) 促进可再生分布式电源消纳的主动配电网优化调度方法
CN111697578A (zh) 多目标含储能区域电网运行控制方法
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
CN114825388A (zh) 一种基于源网荷储协同的新能源综合消纳调度方法
CN117081143A (zh) 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
Aiswariya et al. Optimal microgrid battery scheduling using simulated annealing
CN113300400A (zh) 一种分布式微电网调度方法
CN110992206B (zh) 一种多源电场的优化调度方法及系统
CN116384655A (zh) 面向新能源消纳的源网荷侧储能系统优化规划方法及系统
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
Elgammal et al. Optimal Energy Management Strategy for a DC Linked Hydro–PV–Wind Renewable Energy System for Hydroelectric Power Generation Optimization
CN113507134B (zh) 一种规划目标年新能源电源装机容量的优化规划方法
Zhu et al. Modeling and Comprehensive Assessment of Flexible Resource for Power Dispatch
Fan et al. Capacity Allocation of Multifunctional Electrichydrogen Hybrid Energy Storage for Flexible Interconnected Distribution Grids
Datta et al. Smoothing output power variations of isolated utility connected multiple PV systems by coordinated control
Chen et al. Energy Management Strategy of Energy Local Network Based on Energy Storage Virtual Queue

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
CB02 Change of applicant information

Address after: 430077 No. 47, Xudong street, Wuhan City, Hubei Province

Applicant after: CENTRAL CHINA BRANCH OF STATE GRID CORPORATION OF CHINA

Applicant after: WUHAN University

Address before: 430072 no.299 Bayi Road, Luojiashan street, Wuchang District, Wuhan City, Hubei Province

Applicant before: WUHAN University

Applicant before: CENTRAL CHINA BRANCH OF STATE GRID CORPORATION OF CHINA

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant