CN115528687B - 一种有限成本约束下的电力系统柔性响应能力优化方法 - Google Patents
一种有限成本约束下的电力系统柔性响应能力优化方法 Download PDFInfo
- Publication number
- CN115528687B CN115528687B CN202211486595.7A CN202211486595A CN115528687B CN 115528687 B CN115528687 B CN 115528687B CN 202211486595 A CN202211486595 A CN 202211486595A CN 115528687 B CN115528687 B CN 115528687B
- Authority
- CN
- China
- Prior art keywords
- power
- constraint
- function
- response
- representing
- 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
- 230000004044 response Effects 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000005457 optimization Methods 0.000 title claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 230000009977 dual effect Effects 0.000 claims abstract description 6
- 230000005611 electricity Effects 0.000 claims description 24
- 150000001875 compounds Chemical class 0.000 claims description 16
- 230000001629 suppression Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000004043 responsiveness Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000033228 biological regulation Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000000452 restraining effect Effects 0.000 claims description 2
- 238000004088 simulation Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000005764 inhibitory process 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
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
-
- 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
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
-
- 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
- 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)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (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
本申请涉及一种有限成本约束下的电力系统柔性响应能力优化方法,包括以下具体步骤:开展有限成本约束分析,基于高斯概率密度函数构建竞价函数,计算响应所需要抑制的电力总量,通过单次功率调节执行率,计算需求响应抑制因子,结合电力总量和执行率形成有限成本约束条件;构建电力紧急需求响应模型;根据电力紧急需求响应模型,在确定性模型中,以针对性的变量复制得到对偶目标的函数值,将最小运行成本的目标函数求解为基本条件,通过反复迭代形成电力系统柔性响应能力优化算法。本申请优化电力紧急需求响应模型求解结果,为减少电力成本,优化柔性响应能力提供帮助。
Description
技术领域
本申请涉及电力需求侧管理经济性分析领域,尤其涉及一种有限成本约束下的电力系统柔性响应能力优化方法。
背景技术
在现代能源危机的背景下,我国时刻面临着用电紧张的情况,因此使用可再生能源接入电网就成为了一个可以被接受的解决方法。但是风能、水能、太阳能等可再生能源具备间歇性存在的缺点,无法时刻为电力系统提供电能,这就导致了有一些时段,电力供应较为充足,但是还有一些时段,电力匮乏。而用户对于电力的需求是存在时间上的周期性变化的。目前响应优化机制存在决策过程冗余、控制效果较差和整体效果受限等因素制约,体应用效果受限。因此对柔性响应能力优化的研究迫在眉睫。
发明内容
本申请实施例的目的在于提供一种有限成本约束下的电力系统柔性响应能力优化方法,优化电力紧急需求响应模型求解结果,为减少电力成本,优化柔性响应能力提供帮助。
为实现上述目的,本申请提供如下技术方案:
本申请实施例提供一种有限成本约束下的电力系统柔性响应能力优化方法,包括以下具体步骤:
S1.开展有限成本约束分析,基于高斯概率密度函数构建竞价函数,计算响应所需要抑制的电力总量,通过单次功率调节执行率,计算需求响应抑制因子,结合电力总量和执行率形成有限成本约束条件;
S2.构建电力紧急需求响应模型,通过有限成本约束条件,对用户的实际监测数据进行特征识别,计算负荷匹配特征,设计最小运行成本的目标函数,形成一种电力紧急需求响应模型;
S3.设计电力系统柔性响应能力优化算法,根据电力紧急需求响应模型,在确定性模型中,以针对性的变量复制得到对偶目标的函数值,将最小运行成本的目标函数求解为基本条件,通过反复迭代形成电力系统柔性响应能力优化算法。
所述步骤S1中以所报电价为最低点,在高斯概率密度函数中,以数据中心的月度报价作为竞争模型,得到竞价函数,从而计算竞价响应所需要抑制的电力总量,作为约束的判别条件之一,竞价函数如公式(1)所示:
所述单次功率调节执行率计算公式为:
式中,表示数据衡量中心单次功率调节的执行率;表示单位时段内执行需求的基准措施所需容量;表示数据中心需求响应的平均功率;表示契约内电力响应容量的最小值,结合单次抑制率,计算需求响应抑制因子,作为约束判别条件之二,如公式(3)所示:
所述步骤S2中,构建电力紧急需求响应模型具体为,
对用户的实际监测数据进行特征识别得到两个相邻的特征点;
计算两个特征点之间的可信度,计算负荷特征的三重匹配特征,实现最低成本下的目标负荷分解;
结合现实可再生能源下的不确定性因素,解决随机变量的过程中完成决策结果的约束;
在终端的函数比中,得到最小运行成本的目标函数,形成一种电力紧急需求响应模型。
所述步骤S3中,
得到电力系统响应的最优解:
与现有技术相比,本发明的有益效果是:1)该方法解决了传统方法在响应能力优化方法的单一性,将优化方法分为有限成本约束和优化柔性响应能力两方面,优化电力紧急需求响应模型求解结果,为减少电力成本,优化柔性响应能力提供帮助。
2)该方法优化算法将决策过程分为不同时段,将最小运行成本的目标函数求解为基本条件,通过反复迭代的方法,进一步降低决策过程的冗余度和复杂度,在同样的日内用电总量下,本方法可以增大用电低谷期的电力用量,同步减少用电高峰期的电量使用,进而成功的减少电力成本。在用电高峰期,本方法可以减少该时段内的负荷功率,使其相比于同时期的其他算法用电更少。在用电低谷期内,该方法也同样能够增大负荷总功率,使其在该时段内的用电量增加。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1是本申请实施例方法流程示意图;
图2是本申请实施例电力系统柔性响应能力优化框架图;
图3是本申请实施例表示设计电力系统柔性响应能力优化算法流程示意图;
图4是本申请实施例小区居民在24h内的非柔性负荷与可中断负荷占比示意图;
图5是本申请实施例日内电力系统柔性响应能力优化方法将其与现有的成本与收益摊配方法、多层博弈方法、AE-MFCM技术、成本约束方法在用电高峰期仿真分析对比图;
图6是本申请实施例日内电力系统柔性响应能力优化方法将其与现有的成本与收益摊配方法、多层博弈方法、AE-MFCM技术、成本约束方法在用电低谷期仿真分析对比图;
图7是本申请实施例日内电力系统柔性响应能力优化方法将其与现有的成本与收益摊配方法、多层博弈方法、AE-MFCM技术、成本约束方法在一般用电时期仿真分析对比图;
图8是本申请实施例年内电力系统柔性响应能力优化方法将其与现有的成本与收益摊配方法、多层博弈方法、AE-MFCM技术、成本约束方法在用电高峰期仿真分析对比图;
图9是本申请实施例年内电力系统柔性响应能力优化方法将其与现有的成本与收益摊配方法、多层博弈方法、AE-MFCM技术、成本约束方法在用电低谷期仿真分析对比图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
请参阅图1所示,本申请实施例提供一种有限成本约束下的电力系统柔性响应能力优化方法,包括以下具体步骤:
S1.开展有限成本约束分析,基于高斯概率密度函数构建竞价函数,计算响应所需要抑制的电力总量。通过单次功率调节执行率,计算需求响应抑制因子,结合总量和单次执行率形成有限成本约束条件。
S2.构建电力紧急需求响应模型。通过有限成本约束条件,对用户的实际监测数据进行特征识别,计算负荷匹配特征,设计最小运行成本的目标函数,形成一种电力紧急需求响应模型。
S3.设计电力系统柔性响应能力优化算法。根据电力紧急需求响应模型,在确定性模型中,以针对性的变量复制得到对偶目标的函数值,将最小运行成本的目标函数求解为基本条件,通过反复迭代形成电力系统柔性响应能力优化算法。
如图2所示,将响应能力优化方法分为有限成本约束和优化柔性响应能力两方面,基于高斯概率密度函数,得到响应抑制因子,计算不同数据特征之间的差异程度和两个特征点之间的可信度,重点分析随机变量过程中的约束条件成立概率,优化电力紧急需求响应模型求解结果,为减少电力成本,优化柔性响应能力提供帮助。
所述步骤S1中以所报电价为最低点,在高斯概率密度函数中,以数据中心的月度报价作为竞争模型,得到竞价函数,从而计算竞价响应所需要抑制的电力总量,作为约束的判别条件之一,竞价函数如公式(1)所示:
所述步骤S1中为平衡电力系统的功率损耗,需要将抑制因子作为需求响应的参数,实施抑制因子单次抑制率的求取,其计算公式为:
式中,表示数据衡量中心单次功率调节的执行率;表示单位时段内执行需求的基准措施所需容量;表示数据中心需求响应的平均功率;表示契约内电力响应容量的最小值。结合单次抑制率,可以计算需求响应抑制因子,作为约束判别条件之二,如公式(3)所示:
所述步骤S2中要基于有限成本约束理念建立电力紧急需求响应模型,首先需要对用户的实际监测数据进行特征识别,通过长度波形完成一维向量的计算:
式中,表示不同特征点内特征波形向量的欧式距离,其中和表示两个相邻的特征点;表示欧式距离衡量特征的差异程度。在该公式内,,,通过该公式,计算不同数据特征之间的差异程度,取值范围为[0,1],越接近1,两个数据之间的差异性越小,反之二者之间的差异性越大。
计算两个特征点之间的可信度,可以得到计算公式:
式中,表示各模版可信度的最大值。在该公式下,计算负荷特征的三重匹配特征(目标函数 目标格式 检验约束条件),实现最低成本下的目标负荷分解。结合现实可再生能源下的不确定性因素,解决随机变量的过程中完成决策结果的约束:
式中,表示该决策结果中的目标函数,其中表示函数的决策向量,表示函数的随机向量;表示约束条件的目标数量;表示不包括随机参数的目标格式;表示智能优化算法下随机模拟的检验约束条件;一般表示约束条件成立的概率。在终端的函数比中,可以得到最小运行成本的目标函数:
式中,表示电力模型内系统运行的最小负荷;和分别表示电力系统内非柔性负荷、可中断负荷、可调节负荷以及可转移负荷的值;表示常规机组在可中断负荷内实际控制的用户数量;表示模型约束在系统内的负荷预测指标;表示柔性负荷在中断状态下的变量;表示柔性负荷在持续状态下的变量;表示系统功率的平衡值;表示系统总发电量的分布函数。
所述步骤S3中将设计算法的决策过程分为不同时段,筛选不确定因素后,输入初始的影响用电负荷柔性响应能力的参数,计算用电负荷功率响应结果。图3本申请实施例在设计电力系统柔性响应能力优化算法流程示意图。在确定性模型中,以针对性的变量复制得到对偶目标的函数值,将最小运行成本的目标函数求解为基本条件,通过反复迭代的方法,降低决策过程的冗余度和复杂度。
在确定性模型中,以针对性的变量复制得到对偶目标的函数值,将最小运行成本的目标函数求解为基本条件,即整体置信度最大,通过反复迭代的方法,降低决策过程的冗余度和复杂度,得到电力系统响应的最优解:
图4是本申请实施例小区居民在24h内的非柔性负荷与可中断负荷占比示意图。其结果是居民的非柔性负荷与可中断负荷均存在一定的周期性规律。其在4时前后的用电负荷普遍偏小,在8时-18时逐渐增长到最大值,又在18时-4时逐渐滑落至用电负荷的最低值。为保证居民节约用电,设定了三种不同的电价类型,将电力的价格分为三个时段,用电高峰期(14:00-22:00)的电价为0.65元/kW·h,用电低谷期(22:00-6:00)的电价为0.20元/kW·h,一般的用电时期(6:00-14:00)电力价格为0.45元/kW·h。
图5至图7是是本申请实施例日内电力系统柔性响应能力优化方法将其与现有的成本与收益摊配方法、多层博弈方法、AE-MFCM技术、成本约束方法。仿真算分析对比图,图5为用电高峰、图6为用电低谷、图7为一般用电时期。本方法可以有效束缚用电高峰期的电力负荷,使其在该时段内减少用电量。在用电低谷期,其他方法下的电力负荷均较低,有限成本约束方法却使用了较大的电量,在一般用电时期,四种响应能力优化方法很难分清其用电负荷的能力。因此可知,在同样的日内用电总量下,本文设计的优化方法可以增大用电低谷期的电力用量,同步减少用电高峰期的电量使用,进而成功的减少电力成本。
图8至图9是本申请实施例年内电力系统柔性响应能力优化方法将其与现有的成本与收益摊配方法、多层博弈方法、AE-MFCM技术、成本约束方法。仿真算分析对比图,图8为用电高峰期、图9为用电低谷期;在一年之内,夏季(6月-8月)和冬季(12月-2月)为用电的高峰期,春季(3月-5月)和秋季(9月-11月)为用电的低谷期,分析12个月内的负荷功率,可以明显看出,在用电高峰期,本文设计的有限成本约束算法可以减少该时段内的负荷功率,使其相比于同时期的其他算法用电更少。在用电低谷期内,该算法也同样能够增大负荷总功率,使其在该时段内的用电量增加。
本申请更加符合工作实际,在日内总用电量不变的情况下,可以增大用电低谷期的电力用量,同步减少用电高峰期的电量使用,进而成功的减少电力成本,在年度用电高峰期,可以减少该时段内的负荷功率,使其相比于同时期的其他算法用电更少。在用电低谷期内,该算法也同样能够增大负荷总功率,使其在该时段内的用电量增加。因而更具有实际意义。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (5)
1.一种有限成本约束下的电力系统柔性响应能力优化方法,其特征在于,包括以下具体步骤:
S1.开展有限成本约束分析,基于高斯概率密度函数构建竞价函数,计算响应所需要抑制的电力总量,通过单次功率调节执行率,计算需求响应抑制因子,结合电力总量和执行率形成有限成本约束条件;
S2.构建电力紧急需求响应模型,通过有限成本约束条件,对用户的实际监测数据进行特征识别,计算负荷匹配特征,设计最小运行成本的目标函数,形成一种电力紧急需求响应模型;
S3.设计电力系统柔性响应能力优化算法,根据电力紧急需求响应模型,在确定性模型中,以针对性的变量复制得到对偶目标的函数值,将最小运行成本的目标函数求解为基本条件,通过反复迭代形成电力系统柔性响应能力优化算法。
4.根据权利要求1所述的一种有限成本约束下的电力系统柔性响应能力优化方法,其特征在于,所述步骤S2中,构建电力紧急需求响应模型具体为,
对用户的实际监测数据进行特征识别得到两个相邻的特征点;
计算两个特征点之间的可信度,计算负荷特征的三重匹配特征,实现最低成本下的目标负荷分解;
结合现实可再生能源下的不确定性因素,解决随机变量的过程中完成决策结果的约束;
在终端的函数比中,得到最小运行成本的目标函数,形成一种电力紧急需求响应模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211486595.7A CN115528687B (zh) | 2022-11-25 | 2022-11-25 | 一种有限成本约束下的电力系统柔性响应能力优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211486595.7A CN115528687B (zh) | 2022-11-25 | 2022-11-25 | 一种有限成本约束下的电力系统柔性响应能力优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115528687A CN115528687A (zh) | 2022-12-27 |
CN115528687B true CN115528687B (zh) | 2023-02-03 |
Family
ID=84705038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211486595.7A Active CN115528687B (zh) | 2022-11-25 | 2022-11-25 | 一种有限成本约束下的电力系统柔性响应能力优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115528687B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110401210A (zh) * | 2019-07-22 | 2019-11-01 | 国网天津市电力公司 | 需求响应参与下风电储能系统调度方法 |
CN112396301A (zh) * | 2020-11-05 | 2021-02-23 | 国网天津市电力公司 | 基于能源大数据驱动的电力用户需求响应特性控制方法 |
CN112488447A (zh) * | 2020-11-02 | 2021-03-12 | 青海大学 | 一种基于需求响应合同的数据中心的功耗调控方法及系统 |
CN114154900A (zh) * | 2021-12-09 | 2022-03-08 | 国网电子商务有限公司 | 供电控制方法和装置 |
-
2022
- 2022-11-25 CN CN202211486595.7A patent/CN115528687B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110401210A (zh) * | 2019-07-22 | 2019-11-01 | 国网天津市电力公司 | 需求响应参与下风电储能系统调度方法 |
CN112488447A (zh) * | 2020-11-02 | 2021-03-12 | 青海大学 | 一种基于需求响应合同的数据中心的功耗调控方法及系统 |
CN112396301A (zh) * | 2020-11-05 | 2021-02-23 | 国网天津市电力公司 | 基于能源大数据驱动的电力用户需求响应特性控制方法 |
CN114154900A (zh) * | 2021-12-09 | 2022-03-08 | 国网电子商务有限公司 | 供电控制方法和装置 |
Non-Patent Citations (2)
Title |
---|
Construction of New Intelligent Power Demand Side Revenue Control System;lipan fan;《2022 The 4th International Conference on Power and Energy Technology》;20221019;1318-1322页,全文 * |
考虑需求侧竞价的含风电电力系统经济调度;杨丽君等;《燕山大学学报》;20180930(第05期);174-21页,全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115528687A (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11581740B2 (en) | Method, system and storage medium for load dispatch optimization for residential microgrid | |
CN107301472B (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
Zheng et al. | Short-term power load forecasting of residential community based on GRU neural network | |
CN111555355B (zh) | 水光蓄联合发电的调度策略及其优化方法 | |
CN109214095A (zh) | 电动汽车充放电多目标优化调度方法 | |
CN110380444B (zh) | 一种基于变结构Copula的多场景下分散式风电有序接入电网的容量规划方法 | |
CN104598986A (zh) | 基于大数据的电力负荷预测方法 | |
WO2023060815A1 (zh) | 一种提高配电网可靠性的储能容量优化配置方法 | |
CN104598985A (zh) | 电力负荷预测方法 | |
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 | |
CN115205068A (zh) | 计及净负荷需求分布式的储能最优峰谷时段划分方法 | |
CN114358378A (zh) | 一种用于考虑需量管理的用户侧储能优化配置系统及方法 | |
CN105119285B (zh) | 基于动态赋权的风储协调多目标优化控制方法 | |
CN112821463B (zh) | 基于风、光随机性的主动配电网多目标日前优化调度方法 | |
CN105514986A (zh) | 一种基于虚拟电厂技术的der用户竞价并网方法 | |
CN115528687B (zh) | 一种有限成本约束下的电力系统柔性响应能力优化方法 | |
CN116914847A (zh) | 一种虚拟电厂内多台发电机组聚合互补及优化调度方法 | |
Wang et al. | Research on short‐term and mid‐long term optimal dispatch of multi‐energy complementary power generation system | |
CN115689001A (zh) | 基于模式匹配的短期负荷预测方法 | |
Pang et al. | A photovoltaic power predicting model using the differential evolution algorithm and multi-task learning | |
CN109149644B (zh) | 一种基于大数据分析的光储一体在线策略匹配和协同优化方法 | |
CN114844048A (zh) | 一种面向电网调控需求的可调节负荷调节能力评估方法 | |
Sun et al. | Hybrid forecasting model of electric heating load based on CART decision tree regression | |
Xuan et al. | Research on short-term load forecasting model of integral energy system considering demand side response | |
Xu et al. | Electricity user schedulable load classification method based on mfnn algorithm |
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 |