CN115642650B - 一种孤网模式下的微电网运行策略确定方法及系统 - Google Patents
一种孤网模式下的微电网运行策略确定方法及系统 Download PDFInfo
- Publication number
- CN115642650B CN115642650B CN202211671353.5A CN202211671353A CN115642650B CN 115642650 B CN115642650 B CN 115642650B CN 202211671353 A CN202211671353 A CN 202211671353A CN 115642650 B CN115642650 B CN 115642650B
- Authority
- CN
- China
- Prior art keywords
- micro
- grid
- preset period
- output
- power supply
- 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
- 238000000034 method Methods 0.000 title claims abstract description 96
- 238000013486 operation strategy Methods 0.000 title claims abstract description 56
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 238000004146 energy storage Methods 0.000 claims description 22
- 238000010248 power generation Methods 0.000 claims description 22
- 239000002699 waste material Substances 0.000 claims description 6
- 230000009194 climbing Effects 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- 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
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Control Of Eletrric Generators (AREA)
- Feedback Control In General (AREA)
Abstract
本申请提出一种孤网模式下的微电网运行策略确定方法及系统，所述方法包括：获取待确定微电网运行策略的预设时段内各时刻的新能源电源出力的概率预测结果；将所述预设时段内各时刻的新能源电源出力的概率预测结果代入预先建立的微电网运行策略确定模型中，并对所述模型进行优化求解，得到所述微电网中各电源在预设时段内运行曲线；将所述微电网中各电源在预设时段内运行曲线作为所述微电网的运行策略。本申请提出的技术方案，基于新能源电源出力的概率预测结果进行微电网运行策略的确定，提高了微电网运行策略准确性。
Description
技术领域
本申请涉及微电网领域，尤其涉及一种孤网模式下的微电网运行策略确定方法及系统。
背景技术
电和光伏不仅是清洁能源，有利于环保，也能够减少对其他能源的依赖，有利于能源安全。但是受气象因素的影响，风电和光伏的出力具有间歇性和随机性，会对电网造成冲击，电力潮流时大时小，对于电网调控较为不利。为了解决新能源的并网问题，很重要的工作就是对新能源进行预测，才能提前进行合理的计划调度。但是现有新能源预测存在偏差，且这种偏差也存在很大的波动性和随机性，导致确定的电网运行策略的准确度较低。
发明内容
本申请提供一种孤网模式下的微电网运行策略确定方法及系统，以至少解决确定的电网运行策略的准确度较低的技术问题。
本申请第一方面实施例提出一种孤网模式下的微电网运行策略确定方法，所述方法包括：
获取待确定微电网运行策略的预设时段内各时刻的新能源电源出力的概率预测结果；
将所述预设时段内各时刻的新能源电源出力的概率预测结果代入预先建立的微电网运行策略确定模型中，并对所述模型进行优化求解，得到所述微电网中各电源在预设时段内运行曲线；
将所述微电网中各电源在预设时段内运行曲线作为所述微电网的运行策略。
优选的，所述新能源电源包括：离散式风电机组和分布式光伏。
进一步的，所述微电网运行策略确定模型的建立过程包括：
以新能源电源的弃电量最小为目标构建目标函数；
为所述目标函数构建离散式风电机组出力约束、分布式光伏出力约束、储能发电约束、柴油发电机发电约束和微电网系统功率平衡约束。
进一步的，所述目标函数的计算式如下：
式中，为新能源电源的弃电量，为t时刻离散式风电机组出力的概率预测结果的上限值，为t时刻的离散式风电机组的出力值，为t时刻分布式光伏出力的概率预测结果的上限值，为t时刻的分布式光伏的出力值，为预设时段时刻总数。
进一步的，所述离散式风电机组出力约束的计算式如下：
式中，为t时刻离散式风电机组出力的概率预测结果的下限值，为t+1时刻的离散式风电机组的出力值，为离散式风电机组的爬坡率；
所述分布式光伏出力约束的计算式如下：
式中，为t时刻分布式光伏出力的概率预测结果的下限值；
所述储能发电约束的计算式如下：
式中，为t时刻储能的充放电功率，为t时刻储能的SOC值，为t-1时刻储能的电池荷电状态（State of Charge.SOC）值，为初始时刻储能的SOC值，为结束时刻储能的SOC值，为储能最大放电深度，为储能最大充电深度，为储能最小充放电功率，为储能最大充放电功率；
所述柴油发电机发电约束的计算式如下：
式中，为柴油发电机额定功率，为t时刻柴油发电机运行功率，为柴油发电机最小运行功率限制系数；
所述微电网系统功率平衡约束的计算式如下：
式中，为t时刻微电网系统的负荷功率。
优选的，所述微电网中各电源在预设时段内运行曲线，包括：
离散式风电机组在预设时段内的运行曲线、分布式光伏在预设时段内的运行曲线、储能在预设时段内的运行曲线和柴油发电机在预设时段内的运行曲线。
本申请第二方面实施例提出一种孤网模式下的微电网运行策略确定系统，所述系统包括：
获取模块，用于获取待确定微电网运行策略的预设时段内各时刻的新能源电源出力的概率预测结果；
求解模块，用于将所述预设时段内各时刻的新能源电源出力的概率预测结果代入预先建立的微电网运行策略确定模型中，并对所述模型进行优化求解，得到所述微电网中各电源在预设时段内运行曲线；
策略确定模块，用于将所述微电网中各电源在预设时段内运行曲线作为所述微电网的运行策略。
优选的，所述新能源电源包括：离散式风电机组和分布式光伏。
进一步的，所述微电网运行策略确定模型的建立过程包括：
以新能源电源的弃电量最小为目标构建目标函数；
为所述目标函数构建离散式风电机组出力约束、分布式光伏出力约束、储能发电约束、柴油发电机发电约束和微电网系统功率平衡约束。
进一步的，所述目标函数的计算式如下：
式中，为新能源电源的弃电量，为t时刻离散式风电机组出力的概率预测结果的上限值，为t时刻的离散式风电机组的出力值，为t时刻分布式光伏出力的概率预测结果的上限值，为t时刻的分布式光伏的出力值，为预设时段时刻总数。
本申请的实施例提供的技术方案至少带来以下有益效果：
本申请提出了一种孤网模式下的微电网运行策略确定方法及系统，所述方法包括：获取待确定微电网运行策略的预设时段内各时刻的新能源电源出力的概率预测结果；将所述预设时段内各时刻的新能源电源出力的概率预测结果代入预先建立的微电网运行策略确定模型中，并对所述模型进行优化求解，得到所述微电网中各电源在预设时段内运行曲线；将所述微电网中各电源在预设时段内运行曲线作为所述微电网的运行策略。本申请提出的技术方案，基于新能源电源出力的概率预测结果进行微电网运行策略的确定，提高了微电网运行策略的准确性，进而保障了电网安全稳定的运行。
本申请附加的方面以及优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面以及优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请一个实施例提供的一种孤网模式下的微电网运行策略确定方法的流程图；
图2为根据本申请一个实施例提供的一种孤网模式下的微电网运行策略确定系统的结构图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
本申请提出的一种孤网模式下的微电网运行策略确定方法及系统，所述方法包括：获取待确定微电网运行策略的预设时段内各时刻的新能源电源出力的概率预测结果；将所述预设时段内各时刻的新能源电源出力的概率预测结果代入预先建立的微电网运行策略确定模型中，并对所述模型进行优化求解，得到所述微电网中各电源在预设时段内运行曲线；将所述微电网中各电源在预设时段内运行曲线作为所述微电网的运行策略。本申请提出的技术方案，基于新能源电源出力的概率预测结果进行微电网运行策略的确定，提高了微电网运行策略确定的准确性，进而保障了电网安全稳定的运行。
下面参考附图描述本申请实施例的一种孤网模式下的微电网运行策略确定方法及系统。
实施例一
图1为根据本申请一个实施例提供的一种孤网模式下的微电网运行策略确定方法的流程图，如图1所示，所述方法包括：
步骤1：获取待确定微电网运行策略的预设时段内各时刻的新能源电源出力的概率预测结果；其中，所述微电网为孤网模式下的微电网；
需要说明的是，所述新能源电源包括：离散式风电机组和分布式光伏。
步骤2：将所述预设时段内各时刻的新能源电源出力的概率预测结果代入预先建立的微电网运行策略确定模型中，并对所述模型进行优化求解，得到所述微电网中各电源在预设时段内运行曲线；
在本公开实施例中，所述微电网运行策略确定模型的建立过程包括：
以新能源电源的弃电量最小为目标构建目标函数；
为所述目标函数构建离散式风电机组出力约束、分布式光伏出力约束、储能发电约束、柴油发电机发电约束和微电网系统功率平衡约束。
进一步的，所述目标函数的计算式如下：
式中，为新能源电源的弃电量，为t时刻离散式风电机组出力的概率预测结果的上限值，为t时刻的离散式风电机组的出力值，为t时刻分布式光伏出力的概率预测结果的上限值，为t时刻的分布式光伏的出力值，为预设时段时刻总数。
其中，所述离散式风电机组出力约束的计算式如下：
式中，为t时刻离散式风电机组出力的概率预测结果的下限值，为t+1时刻的离散式风电机组的出力值，为离散式风电机组的爬坡率；
所述分布式光伏出力约束的计算式如下：
式中，为t时刻分布式光伏出力的概率预测结果的下限值；
所述储能发电约束的计算式如下：
式中，为t时刻储能的充放电功率，为t时刻储能的SOC值，为t-1时刻储能的SOC值，为初始时刻储能的SOC值，为结束时刻储能的SOC值，为储能最大放电深度，为储能最大充电深度，为储能最小充放电功率，为储能最大充放电功率；
所述柴油发电机发电约束的计算式如下：
式中，为柴油发电机额定功率，为t时刻柴油发电机运行功率，为柴油发电机最小运行功率限制系数；
所述微电网系统功率平衡约束的计算式如下：
式中，为t时刻微电网系统的负荷功率。
步骤3：将所述微电网中各电源在预设时段内运行曲线作为所述微电网的运行策略。
需要说明的是，所述微电网中各电源在预设时段内运行曲线，包括：
离散式风电机组在预设时段内的运行曲线、分布式光伏在预设时段内的运行曲线、储能在预设时段内的运行曲线和柴油发电机在预设时段内的运行曲线。
综上所述，本实施例提出的一种孤网模式下的微电网运行策略确定方法，基于新能源电源出力的概率预测结果进行微电网运行策略的确定，提高了微电网运行策略的准确性，进而保障了电网安全稳定的运行。
实施例二
图2为根据本申请一个实施例提供的一种孤网模式下的微电网运行策略确定系统的结构图，如图2所示，所述系统包括：
获取模块100，用于获取待确定微电网运行策略的预设时段内各时刻的新能源电源出力的概率预测结果；
求解模块200，用于将所述预设时段内各时刻的新能源电源出力的概率预测结果代入预先建立的微电网运行策略确定模型中，并对所述模型进行优化求解，得到所述微电网中各电源在预设时段内运行曲线；
策略确定模块300，用于将所述微电网中各电源在预设时段内运行曲线作为所述微电网的运行策略。
在本公开实施例中，所述新能源电源包括：离散式风电机组和分布式光伏。
在本公开实施例中，所述微电网运行策略确定模型的建立过程包括：
以新能源电源的弃电量最小为目标构建目标函数；
为所述目标函数构建离散式风电机组出力约束、分布式光伏出力约束、储能发电约束、柴油发电机发电约束和微电网系统功率平衡约束。
进一步的，所述目标函数的计算式如下：
式中，为新能源电源的弃电量，为t时刻离散式风电机组出力的概率预测结果的上限值，为t时刻的离散式风电机组的出力值，为t时刻分布式光伏出力的概率预测结果的上限值，为t时刻的分布式光伏的出力值，为预设时段时刻总数。
其中，所述离散式风电机组出力约束的计算式如下：
式中，为t时刻离散式风电机组出力的概率预测结果的下限值，为t+1时刻的离散式风电机组的出力值，为离散式风电机组的爬坡率；
所述分布式光伏出力约束的计算式如下：
式中，为t时刻分布式光伏出力的概率预测结果的下限值；
所述储能发电约束的计算式如下：
式中，为t时刻储能的充放电功率，为t时刻储能的SOC值，为t-1时刻储能的SOC值，为初始时刻储能的SOC值，为结束时刻储能的SOC值，为储能最大放电深度，为储能最大充电深度，为储能最小充放电功率，为储能最大充放电功率；
所述柴油发电机发电约束的计算式如下：
式中，为柴油发电机额定功率，为t时刻柴油发电机运行功率，为柴油发电机最小运行功率限制系数；
所述微电网系统功率平衡约束的计算式如下：
式中，为t时刻微电网系统的负荷功率。
在本公开实施例中，所述微电网中各电源在预设时段内运行曲线，包括：
离散式风电机组在预设时段内的运行曲线、分布式光伏在预设时段内的运行曲线、储能在预设时段内的运行曲线和柴油发电机在预设时段内的运行曲线。
综上所述，本实施例提出的一种孤网模式下的微电网运行策略确定系统，基于新能源电源出力的概率预测结果进行微电网运行策略的确定，提高了微电网运行策略的准确性，进而保障了电网安全稳定的运行。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (2)
1.一种孤网模式下的微电网运行策略确定方法，其特征在于，所述方法包括：
获取待确定微电网运行策略的预设时段内各时刻的新能源电源出力的概率预测结果，其中，所述微电网为孤网模式下的微电网；
将所述预设时段内各时刻的新能源电源出力的概率预测结果代入预先建立的微电网运行策略确定模型中，并对所述模型进行优化求解，得到所述微电网中各电源在预设时段内运行曲线；
将所述微电网中各电源在预设时段内运行曲线作为所述微电网的运行策略；
所述新能源电源包括：离散式风电机组和分布式光伏；
所述微电网运行策略确定模型的建立过程包括：
以新能源电源的弃电量最小为目标构建目标函数；
为所述目标函数构建离散式风电机组出力约束、分布式光伏出力约束、储能发电约束、柴油发电机发电约束和微电网系统功率平衡约束；
所述目标函数的计算式如下：
式中，为新能源电源的弃电量，为t时刻离散式风电机组出力的概率预测结果的上限值，为t时刻的离散式风电机组的出力值，为t时刻分布式光伏出力的概率预测结果的上限值，为t时刻的分布式光伏的出力值，为预设时段时刻总数；
所述离散式风电机组出力约束的计算式如下：
式中，为t时刻离散式风电机组出力的概率预测结果的下限值，为t+1时刻的离散式风电机组的出力值，为离散式风电机组的爬坡率；
所述分布式光伏出力约束的计算式如下：
式中，为t时刻分布式光伏出力的概率预测结果的下限值；
所述储能发电约束的计算式如下：
式中，为t时刻储能的充放电功率，为t时刻储能的SOC值，为t-1时刻储能的SOC值，为初始时刻储能的SOC值，为结束时刻储能的SOC值，为储能最大放电深度，为储能最大充电深度，为储能最小充放电功率，为储能最大充放电功率；
所述柴油发电机发电约束的计算式如下：
式中，为柴油发电机额定功率，为t时刻柴油发电机运行功率，为柴油发电机最小运行功率限制系数；
所述微电网系统功率平衡约束的计算式如下：
式中，为t时刻微电网系统的负荷功率；
所述微电网中各电源在预设时段内运行曲线，包括：
离散式风电机组在预设时段内的运行曲线、分布式光伏在预设时段内的运行曲线、储能在预设时段内的运行曲线和柴油发电机在预设时段内的运行曲线。
2.一种孤网模式下的微电网运行策略确定系统，其特征在于，包括：
获取模块，用于获取待确定微电网运行策略的预设时段内各时刻的新能源电源出力的概率预测结果，其中，所述微电网为孤网模式下的微电网；
求解模块，用于将所述预设时段内各时刻的新能源电源出力的概率预测结果代入预先建立的微电网运行策略确定模型中，并对所述模型进行优化求解，得到所述微电网中各电源在预设时段内运行曲线；
策略确定模块，用于将所述微电网中各电源在预设时段内运行曲线作为所述微电网的运行策略；
所述新能源电源包括：离散式风电机组和分布式光伏；
所述微电网运行策略确定模型的建立过程包括：
以新能源电源的弃电量最小为目标构建目标函数；
为所述目标函数构建离散式风电机组出力约束、分布式光伏出力约束、储能发电约束、柴油发电机发电约束和微电网系统功率平衡约束；
所述目标函数的计算式如下：
式中，为新能源电源的弃电量，为t时刻离散式风电机组出力的概率预测结果的上限值，为t时刻的离散式风电机组的出力值，为t时刻分布式光伏出力的概率预测结果的上限值，为t时刻的分布式光伏的出力值，为预设时段时刻总数；
所述离散式风电机组出力约束的计算式如下：
式中，为t时刻离散式风电机组出力的概率预测结果的下限值，为t+1时刻的离散式风电机组的出力值，为离散式风电机组的爬坡率；
所述分布式光伏出力约束的计算式如下：
式中，为t时刻分布式光伏出力的概率预测结果的下限值；
所述储能发电约束的计算式如下：
式中，为t时刻储能的充放电功率，为t时刻储能的SOC值，为t-1时刻储能的SOC值，为初始时刻储能的SOC值，为结束时刻储能的SOC值，为储能最大放电深度，为储能最大充电深度，为储能最小充放电功率，为储能最大充放电功率；
所述柴油发电机发电约束的计算式如下：
式中，为柴油发电机额定功率，为t时刻柴油发电机运行功率，为柴油发电机最小运行功率限制系数；
所述微电网系统功率平衡约束的计算式如下：
式中，为t时刻微电网系统的负荷功率；
所述微电网中各电源在预设时段内运行曲线，包括：
离散式风电机组在预设时段内的运行曲线、分布式光伏在预设时段内的运行曲线、储能在预设时段内的运行曲线和柴油发电机在预设时段内的运行曲线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211671353.5A CN115642650B (zh) | 2022-12-26 | 2022-12-26 | 一种孤网模式下的微电网运行策略确定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211671353.5A CN115642650B (zh) | 2022-12-26 | 2022-12-26 | 一种孤网模式下的微电网运行策略确定方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115642650A CN115642650A (zh) | 2023-01-24 |
| CN115642650B true CN115642650B (zh) | 2023-05-16 |
Family
ID=84949804
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211671353.5A Active CN115642650B (zh) | 2022-12-26 | 2022-12-26 | 一种孤网模式下的微电网运行策略确定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115642650B (zh) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104037790B (zh) * | 2014-05-22 | 2016-04-27 | 南方电网科学研究院有限责任公司 | 一种基于时序蒙特卡罗模拟的新能源接纳能力评估方法 |
| CN108462166B (zh) * | 2018-01-29 | 2020-06-02 | 国网甘肃省电力公司电力科学研究院 | 一种微电网备用容量计算方法和微电网调控方法 |
| CN109462231B (zh) * | 2018-11-15 | 2020-09-01 | 合肥工业大学 | 居民微电网的负荷优化调度方法、系统和存储介质 |
| CN113054688B (zh) * | 2021-04-06 | 2022-09-16 | 华中科技大学 | 考虑不确定性的可再生能源集群出力分布式协调控制方法 |
-
2022
- 2022-12-26 CN CN202211671353.5A patent/CN115642650B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115642650A (zh) | 2023-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abdalla et al. | Integration of energy storage system and renewable energy sources based on artificial intelligence: An overview | |
| Xu et al. | Optimal sizing of standalone hybrid wind/PV power systems using genetic algorithms | |
| CN103151798B (zh) | 独立微网系统的优化方法 | |
| CN103311942B (zh) | 一种用于配电网削峰填谷的电池储能系统的控制方法 | |
| CN102005771B (zh) | 风、光、储微电网系统的储能容量选取方法 | |
| CN103986190B (zh) | 基于发电功率曲线的风光储联合发电系统平滑控制方法 | |
| CN104218875B (zh) | 独立式光伏发电铁路供电控制系统及其控制方法 | |
| CN113060036B (zh) | 光储充电站的充电控制方法、装置、服务器及存储介质 | |
| CN105139147A (zh) | 微电网系统的经济调度方法 | |
| CN107370171B (zh) | 一种独立微网中大规模储能优化配置与协调控制方法 | |
| CN105244920B (zh) | 考虑电池健康状态的储能系统多目标控制方法及其系统 | |
| CN102904288A (zh) | 一种用于含风光柴储孤立微电网的稳态运行策略 | |
| CN111762057B (zh) | 一种区域微网中v2g电动汽车智能充放电管理方法 | |
| Wang et al. | Active and reactive power support of MV distribution systems using battery energy storage | |
| CN110165715B (zh) | 一种将电动汽车储能式充电站接入虚拟电厂的方法 | |
| CN105207207B (zh) | 基于能量管理的孤网状态下的微电网系统调度方法 | |
| Nguyen et al. | Determination of the optimal battery capacity based on a life time cost function in wind farm | |
| CN105515031A (zh) | 一种基于预测数据修正的微网储能实时控制方法 | |
| Maleki et al. | Optimization of grid independent diesel-based hybrid system for power generation using improved particle swarm optimization algorithm | |
| CN103684213A (zh) | 风光互补系统设计方法 | |
| CN112269966B (zh) | 一种考虑备用需求的通信基站虚拟电厂发电容量测量方法 | |
| CN101141066B (zh) | 一种利用飞轮储能装置调控可再生能源发电系统的方法 | |
| CN104281984A (zh) | 一种用于微电网经济运行的供电方法 | |
| CN115642650B (zh) | 一种孤网模式下的微电网运行策略确定方法及系统 | |
| Krupa et al. | Prospects for energy storage in the world and in Poland in the 2030 horizon |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231211 Address after: Building A, Experimental Building of Huaneng Talent Innovation and Entrepreneurship Base, Beiqijia Future Science and Technology City, Changping District, Beijing 102200 Patentee after: HUANENG CLEAN ENERGY Research Institute Patentee after: Huaneng Jilin Power Generation Co.,Ltd. Address before: 102209 building a, Huaneng talent innovation and entrepreneurship base, Beiqijia future science and Technology City, Changping District, Beijing Patentee before: HUANENG CLEAN ENERGY Research Institute |