CN115036918A - 一种光储充电站经济运行费用和负荷方差优化的方法 - Google Patents
一种光储充电站经济运行费用和负荷方差优化的方法 Download PDFInfo
- Publication number
- CN115036918A CN115036918A CN202210752627.7A CN202210752627A CN115036918A CN 115036918 A CN115036918 A CN 115036918A CN 202210752627 A CN202210752627 A CN 202210752627A CN 115036918 A CN115036918 A CN 115036918A
- Authority
- CN
- China
- Prior art keywords
- power
- charging
- charging station
- bat
- 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.)
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
- B60L53/64—Optimising energy costs, e.g. responding to electricity rates
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- H02J3/008—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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种光储充电站经济运行费用和负荷方差优化的方法,在基于对充电站内的最大光伏发电功率以及站内电动汽车充电需求功率的准确预测的基础上,同时建立充电站经济运行费用和负荷方差的目标函数组成的双目标模型,然后利用LSTM算法和GA‑BP算法对光伏发电功率和电动汽车充电负荷功率准确预测,并在此基础上利用NSGA‑II算法对双目标模型求解。本发明基于在完整优化周期对站内最大光伏发电功率和电动汽车需求功率的准确预测的基础上,对目标函数计算,即优化充电站周期内系统经济运行费用和负荷方差,此项发明可广泛应用于光储充电站系统控制领域。
Description
技术领域
本发明涉及光储充电站控制系统领域,具体是一种光储充电站经济运行费用和负荷方差优化的方法。
背景技术
在近年来,在传统化石能源不断衰竭,新能源渗透率不断提高的大背景下,世界各国都在大力探索新的能源开发路径。国际能源署 IEA在2021年统计得出,全球新增可再生能源装机容量已达290GW,其中,新增光伏发电装机比重超过总容量的一半以上,再者是风能和水能,今后5年,可再生能源电力将占到全世界新增装机总量的95%,截至到2026年底,其新能源装机总容量将达到4800GW以上,新能源发电将会是未来电力的主要来源。在新能源转型和电力体制改革的新形势下,光储充一体化电动汽车充电站无疑是实现碳中和的热门研究问题之一,在大力发展光储充一体化电站时,首先要解决的问题就是充电站运行控制与电站能量优化调度的问题。
发明内容
本发明的目的在于提供一种光储充电站经济运行费用和负荷方差优化的方法,通过对站内的能量优化调度,尽量避开在用电高峰期向大电网需求电能,以实现经济运行。
一种光储充电站经济运行费用和负荷方差优化的方法,在基于对充电站内的最大光伏发电功率以及站内电动汽车充电需求功率的准确预测的基础上,同时建立充电站经济运行费用和负荷方差的目标函数组成的双目标模型;
所述充电站经济运行费用和负荷方差的目标函数的建立过程如下:
充电站经济运行费用最低的目标函数如下:
式中,优化调度周期T=24,t表示每隔一个小时作为一个时间段,Cpv(t)表示第t个时间段光伏发电成本,Cbat(t)表示第t个时间段储能单元的维护费用,Cgrid(t)表示第t个时间段内的购售电费用;
Cpv(t)=KpvPpv(t)
式中Ppv(t)表示第t个时间段的光伏发电功率,Kpv表示光伏发电成本系数,Cbat(t)=Kbat|Pbat(t)|,式中,Pbat(t)表示储能单元第t个时间段的充放电功率,Kbat表示储能单元的运行维护费用; Cgrid=KG(t)Pgrid(t)
式中,Pgrid(t)表示第t个时间段充电站与大电网的交换功率,购电时为正值,售电时为负值,KG(t)表示第t个时间段的购电或售电电价;
负荷方差最小的目标函数如下:
进一步的,还包括利用LSTM算法和GA-BP算法对光伏发电功率和电动汽车充电负荷功率准确预测,并在此基础上利用NSGA-II 算法对双目标模型求解,具体步骤如下:
步骤a,根据光伏发电的历史数据,利用LSTM算法预测得到完整的优化周期内光伏发电功率序列Ppv;
步骤b,根据充电站区域内电动汽车历史充电数据,利用GA-BP 算法预测得到完整的优化周期内电动汽车充电需求功率序列Pev;
步骤c,根据蓄电池的充放电功率约束和荷电状态约束条件,随机生成每个时刻的储能单元充放电功率Pbat;
步骤d,计算光储充电站与大电网的交换功率Pgrid;
步骤e,计算目标函数系统经济运行费用,得到Cpv、Cbat、Cgrid;
步骤f,利用NSGA-II算法对搭建的双目标模型求解。
本发明的有益效果是:
(1)系统经济运行费用的目标优化函数很大程度上的解决了目前大多数光储充电站中的能量流动问题,让充电站获得的新型能源得到了更加充分的利用,一定程度上降低了电网在不同的时段的供电压力,降低了充电站的运行成本,非常符合节约能源的理念;
(2)负荷方差最小化的目标优化函数能够增加光储充电站与电网之间兼容性,减小电动汽车接入时对大电网功率平衡造成的影响,让充电站运行的稳定得到了进一步的提升;
(3)本发明兼顾负荷波动最小的同时追求系统经济运行最大化,为不同的运行场景提供了一系列的解决方案。
附图说明
图1是本发明光储充电站经济运行费用和负荷方差优化的方法其中一个实施例的流程图。
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,所描述的实施例是本发明的一部分实施例,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的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。
请参阅图1,本发明实施例提供一种光储充电站经济运行费用和负荷方差优化的方法,在基于对充电站内的最大光伏发电功率以及站内电动汽车充电需求功率的准确预测的基础上,同时建立充电站经济运行费用和负荷方差的目标函数组成的双目标模型,所述充电站经济运行费用和负荷方差的目标函数的建立过程如下:
充电站经济运行费用最低的目标函数如下:
式中,优化调度周期T=24,t表示每隔一个小时作为一个时间段,Cpv(t)表示第t个时间段光伏发电成本,Cbat(t)表示第t个时间段储能单元的维护费用,Cgrid(t)表示第t个时间段内的购售电费用;
Cpv(t)=KpvPpv(t)
式中Ppv(t)表示第t个时间段的光伏发电功率,Kpv表示光伏发电成本系数,Cbat(t)=Kbat|Pbat(t)|,式中,Pbat(t)表示储能单元第t个
时间段的充放电功率,Kbat表示储能单元的运行维护费用;
Cgrid=KG(t)Pgrid(t)
式中,Pgrid(t)表示第t个时间段充电站与大电网的交换功率,购电时为正值,售电时为负值,KG(t)表示第t个时间段的购电或售电电价;
负荷方差最小的目标函数如下:
式中,P(t)=Pev(t)-Ppv(t)+P=bat(t),Pev(t)为电动汽车的实时充电功率,Pav为整个优化调度周期内的负荷平均功率,
本发明光储充电站经济运行费用和负荷方差优化的方法还包括:利用LSTM算法和GA-BP算法对光伏发电功率和电动汽车充电负荷功率准确预测,并在此基础上利用NSGA-II算法对双目标模型求解,具体步骤如下:
步骤a,根据光伏发电的历史数据,利用LSTM算法预测得到完整的优化周期内光伏发电功率序列Ppv;
步骤b,根据充电站区域内电动汽车历史充电数据,利用GA-BP 算法预测得到完整的优化周期内电动汽车充电需求功率序列Pev;
步骤c,根据蓄电池的充放电功率约束和荷电状态约束条件,随机生成每个时刻的储能单元充放电功率Pbat;
步骤d,计算光储充电站与大电网的交换功率Pgrid;
步骤e,计算目标函数系统经济运行费用,根据公式得到Cpv、 Cbat、Cgrid;
步骤f,利用NSGA-II算法对搭建的双目标模型求解。
本发明首先预测出最大光伏发电功率和电动汽车需求的功率,储能单元根据自身状态输出功率,然后根据功率平衡得到光储充电站与大电网的交换功率,从而可以计算负荷方差,控制储能能量输出得到较小负荷方差;因为已经预测了光伏发电的最大功率和电动汽车的实时需求功率,运行费用的决定就取决于于电网的交换功率和储能的输出功率,根据功率平衡关系,控制储能的输出功率就会影响于电网的交换功率,控制储能输出功率使得能量流动得到优化,就能得到经济优化。
本发明兼顾负荷波动最小的同时追求系统经济运行最大化,为不同的运行场景提供了一系列的解决方案。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何属于本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (2)
1.一种光储充电站经济运行费用和负荷方差优化的方法,其特征在于:在基于对充电站内的最大光伏发电功率以及站内电动汽车充电需求功率的准确预测的基础上,同时建立充电站经济运行费用和负荷方差的目标函数组成的双目标模型;
所述充电站经济运行费用和负荷方差的目标函数的建立过程如下:
充电站经济运行费用最低的目标函数如下:
式中,优化调度周期T=24,t表示每隔一个小时作为一个时间段,Cpv(t)表示第t个时间段光伏发电成本,Cbat(t)表示第t个时间段储能单元的维护费用,Cgrid(t)表示第t个时间段内的购售电费用;
Cpv(t)=KpvPpv(t)
式中Ppv(t)表示第t个时间段的光伏发电功率,Kpv表示光伏发电成本系数,Cbat(t)=Kbat|Pbat(t)|,式中,Pbat(t)表示储能单元第t个时间段的充放电功率,Kbat表示储能单元的运行维护费用;Cgrid=KG(t)Pgrid(t)
式中,Pgrid(t)表示第t个时间段充电站与大电网的交换功率,购电时为正值,售电时为负值,KG(t)表示第t个时间段的购电或售电电价;
负荷方差最小的目标函数如下:
式中,P(t)=Pev(t)-Ppv(t)+Pbat(t),Pev(t)为电动汽车的实时充电功率,Pav为整个优化调度周期内的负荷平均功率:
2.如权利要求1所述的光储充电站经济运行费用和负荷方差优化的方法,其特征在于:还包括:利用LSTM算法和GA-BP算法对光伏发电功率和电动汽车充电负荷功率准确预测,并在此基础上利用NSGA-II算法对双目标模型求解,具体步骤如下:
步骤a,根据光伏发电的历史数据,利用LSTM算法预测得到完整的优化周期内光伏发电功率序列Ppv;
步骤b,根据充电站区域内电动汽车历史充电数据,利用GA-BP算法预测得到完整的优化周期内电动汽车充电需求功率序列Pev;
步骤c,根据蓄电池的充放电功率约束和荷电状态约束条件,随机生成每个时刻的储能单元充放电功率Pbat;
步骤d,计算光储充电站与大电网的交换功率Pgrid;
步骤e,计算目标函数系统经济运行费用,得到Cpv、Cbat、Cgrid;
步骤f,利用NSGA-II算法对搭建的双目标模型求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210752627.7A CN115036918A (zh) | 2022-06-29 | 2022-06-29 | 一种光储充电站经济运行费用和负荷方差优化的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210752627.7A CN115036918A (zh) | 2022-06-29 | 2022-06-29 | 一种光储充电站经济运行费用和负荷方差优化的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115036918A true CN115036918A (zh) | 2022-09-09 |
Family
ID=83126558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210752627.7A Pending CN115036918A (zh) | 2022-06-29 | 2022-06-29 | 一种光储充电站经济运行费用和负荷方差优化的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115036918A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116061742A (zh) * | 2022-10-25 | 2023-05-05 | 广州汇锦能效科技有限公司 | 一种分时电价光伏园区内电动汽车的充电控制方法和系统 |
CN116167578A (zh) * | 2023-01-29 | 2023-05-26 | 长沙理工大学 | 一种商业楼宇的电动汽车充电站协调调控方法及电子设备 |
CN116451875A (zh) * | 2023-06-14 | 2023-07-18 | 国网吉林省电力有限公司经济技术研究院 | 光储充一体站容量优化配置方法 |
-
2022
- 2022-06-29 CN CN202210752627.7A patent/CN115036918A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116061742A (zh) * | 2022-10-25 | 2023-05-05 | 广州汇锦能效科技有限公司 | 一种分时电价光伏园区内电动汽车的充电控制方法和系统 |
CN116061742B (zh) * | 2022-10-25 | 2024-05-03 | 广州汇锦能效科技有限公司 | 一种分时电价光伏园区内电动汽车的充电控制方法和系统 |
CN116167578A (zh) * | 2023-01-29 | 2023-05-26 | 长沙理工大学 | 一种商业楼宇的电动汽车充电站协调调控方法及电子设备 |
CN116451875A (zh) * | 2023-06-14 | 2023-07-18 | 国网吉林省电力有限公司经济技术研究院 | 光储充一体站容量优化配置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115036918A (zh) | 一种光储充电站经济运行费用和负荷方差优化的方法 | |
CN103793758B (zh) | 含光伏发电系统的电动汽车充电站的多目标优化调度方法 | |
CN105225022A (zh) | 一种热电联产型微电网的经济性优化运行方法 | |
CN109217290A (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
CN110601260B (zh) | 一种限定联络线上功率波动的光-蓄系统容量优化方法 | |
CN111404206A (zh) | 考虑投资回报约束的风光储发电系统容量双层规划方法 | |
CN113780670B (zh) | 基于两阶段的区域电网电动汽车调峰优化调度方法 | |
CN113988444A (zh) | 一种光储系统的电费优化控制系统及方法 | |
CN104156789A (zh) | 计及储能寿命损耗的孤立微电网最优经济运行方法 | |
CN113159407A (zh) | 基于区域综合能源系统的多能储存模块容量优化配置方法 | |
CN103187784A (zh) | 一种优化光伏充电站集成系统的方法及装置 | |
CN116957294A (zh) | 基于数字孪生的虚拟电厂参与电力市场交易的调度方法 | |
CN115115130A (zh) | 一种基于模拟退火算法的风光储制氢系统日前调度方法 | |
CN114725930A (zh) | 一种自适应电力系统调度方法及装置 | |
Bracco et al. | Nanogrids with renewable sources, electrical storage and vehicle-to-home systems in the household sector: analysis for a single-family dwelling | |
CN115693793B (zh) | 一种区域微电网能源优化控制方法 | |
CN116061742B (zh) | 一种分时电价光伏园区内电动汽车的充电控制方法和系统 | |
CN115995832A (zh) | 一种计及柔性负荷的户用氢能系统优化运行方法及装置 | |
CN116073445A (zh) | 基于半物理模型风光储氢微电网的优化调度方法及系统 | |
CN110571868A (zh) | 微电网的优化配置方法 | |
CN116131303A (zh) | 基于蓄能-储能-光伏电池的综合能源系统协同优化方法 | |
CN111987729B (zh) | 一种含p2g微网的储电储气容量配置与调度优化方法 | |
CN115081838A (zh) | 基于动态电价的蓄热式电采暖消纳风光的源荷协调调度方法 | |
CN115882460A (zh) | 一种考虑需求侧管理的两阶段新能源微电网优化调度方法 | |
CN111062532A (zh) | 一种考虑v2g的增量配电园区内电网容量配置优化方法 |
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 |