CN116131318A - 面向韧性提升主动配电网两阶段鲁棒优化控制方法及装置 - Google Patents

面向韧性提升主动配电网两阶段鲁棒优化控制方法及装置 Download PDF

Info

Publication number
CN116131318A
CN116131318A CN202211474912.3A CN202211474912A CN116131318A CN 116131318 A CN116131318 A CN 116131318A CN 202211474912 A CN202211474912 A CN 202211474912A CN 116131318 A CN116131318 A CN 116131318A
Authority
CN
China
Prior art keywords
power
period
constraint
toughness
robust optimization
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
CN202211474912.3A
Other languages
English (en)
Inventor
李德鑫
王长江
庄冠群
王文静
高松
张海锋
王佳蕊
吕项羽
曲邵杰
李宝聚
宋晓喆
王伟
李成钢
张家郡
孟祥东
刘畅
张懿夫
冷俊
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.)
Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
State Grid Jilin Electric Power Corp
Northeast Electric Power University
Original Assignee
Northeast Dianli University
Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
State Grid Jilin Electric Power 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 Northeast Dianli University, Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd, State Grid Jilin Electric Power Corp filed Critical Northeast Dianli University
Priority to CN202211474912.3A priority Critical patent/CN116131318A/zh
Publication of CN116131318A publication Critical patent/CN116131318A/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
    • H02J3/381—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
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • H02J3/24—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
    • 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
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0068—Battery or charger load switching, e.g. concurrent charging and load 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
    • 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
    • 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
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种面向韧性提升主动配电网两阶段鲁棒优化控制方法及装置，方法包括：采用鲁棒优化处理风/光/荷不确定性，构建两阶段鲁棒优化调度模型；当极端灾害导致上级电网供电中断时，调整分布式电源输出量满足负荷需求。装置包括：处理器和存储器。提高主动配电网的韧性。本发明实现了系统韧性提升，降低了系统负荷削减量。本发明所提模型整合了其他形式能源和需求响应管理的能源系统的韧性，考虑了灾害前后的不确定性，可以保证系统故障后关键负荷的不间断供电，提高配电网韧性，并能得到“最恶劣”场景即不确定性最大的运行场景下系统总运行成本最小的运行方案。本发明通过调整不确定度使得配电网决策者选择最合理的控制运行方案。

Description

面向韧性提升主动配电网两阶段鲁棒优化控制方法及装置
技术领域
本发明涉及电力系统领域，尤其涉及一种面向韧性提升主动配电网两阶段鲁棒优化控制方法。
背景技术
电力系统韧性是指系统遭受极端灾害时能够抵御、适应以及迅速恢复到原有正常状态的能力。近年来，随着输电和配电基础设施的老化及与天气相关自然灾害的威胁日益增加，急需提高电力系统韧性来增强抵御极端灾害的能力。与此同时，电力体制改革的不断推进和新能源渗透率的不断增大，使配电网能源环境的不确定性增加，配电网处于电力系统发、输、变、配、用结构中与城市重要负荷直接联系，作为保证电网稳定经济运行的重要环节，如何在考虑风光荷不确定性情况下有效提升主动配电网韧性是急需解决的难点问题。
为提升配电网韧性，现有研究主要通过规划措施，灾前预防措施，灾中/后恢复措施来提高配电网韧性。现有技术通过确定元件的加固方案提出配电网三阶段优化模型以达到韧性提升的目的。还提出用于电气基础设施一体化能源系统的鲁棒优化模型，未整合其他形式能源和需求响应管理的能源系统的韧性。现有技术还提出一种考虑韧性约束的“minimax”鲁棒模型，以提升系统韧性，但没有考虑其他能源形式。
综上，现有电力系统韧性提升模型对于新能源出力不确定性的研究仍不够充分，而新能源强不确定性使负荷恢复的波动性增加，易导致已恢复负荷的二次停电事故发生，严重情况会扩大配电网的故障影响范围。因此，在系统故障前后充分考虑风光荷的不确定性，有助于提升主动配电网韧性。
针对电力系统的风、光、荷不确定性问题，普遍采用的优化控制方法包括鲁棒优化(Robust Optimization,RO)和随机优化(Stochastic Optimization,SO)两大类。由于随机优化模型的求解较为困难，普遍采用近似算法进行求解，而且需要不确定性参数的概率分布，难以适用于实际应用。
传统鲁棒优化模型普遍仅考虑灾害后的不确定性，而灾害发生前可再生能源发电和负荷的不确定性也不容忽视，为充分考虑新能源出力对于灾害全过程的影响，可尝试引入灾害前/后风光荷的不确定性来有效提高电力系统韧性。
发明内容
本发明提供了一种面向韧性提升主动配电网两阶段鲁棒优化控制方法及装置，本发明提高了主动配电网韧性，详见下文描述：
一种面向韧性提升主动配电网两阶段鲁棒优化控制方法，所述方法包括以下步骤：
采用鲁棒优化处理风/光/荷不确定性，构建两阶段鲁棒优化调度模型；当极端灾害导致上级电网供电中断时，调整分布式电源输出量满足负荷需求；
其中，所述两阶段鲁棒优化调度模型包括：可调度分布式发电机g在t时段的启停状态，t时段从上级电网购买/出售电能的边际成本；t时段内公共耦合点的交换功率，可调度分布式发电机g在t时段内的发电边际成本；t时段可调度分布式发电机g的功率输出、t时段内储能装置b的充电/放电功率，在t时段节点j上注入的有功功率。
其中，所述两阶段鲁棒优化调度模型为：
Figure BDA0003959482550000021
其中，U为可调度分布式发电机二进制状态的可行集；v为光伏数量，取值从1到NPV；d为负荷指数，取值从1到ND；g为可调度分布式发电机的数量，取值从1到NG；t为时段，取值从1到NT；b为储能系统，取值从1到NB；λgt为可调度分布式发电机g在t时段内的发电边际成本；Pgt为t时段可调度分布式发电机g的功率输出；Sgt为发电机的启停成本；ugt为可调度分布式发电机g在t时段的启停状态，启动为1，否则为0；
Figure BDA0003959482550000022
为t时段从上级电网购买/出售电能的边际成本；
Figure BDA0003959482550000023
为t时段内公共耦合点的交换功率；Cbt为t时段储能系统b的老化成本；
Figure BDA0003959482550000024
为t时段内储能装置b的充电/放电功率；
Figure BDA0003959482550000025
为在t时段节点j上注入的有功功率；W为不确定集，包括风光荷的出力范围；X为公共耦合点功率，储能装置充放电功率，故障前后系统运行功率的集合。
所述两阶段鲁棒优化调度模型需满足下述中的至少一种：可调度分布式电源出力约束、储能系统运行约束、主网交换功率约束、配电网节点有功/无功平衡约束、电压松弛约束、线路潮流约束、节点失负荷约束、节点电压约束、功率平衡约束及韧性约束。
所述可调度分布式电源出力约束为：
Figure BDA0003959482550000026
Figure BDA0003959482550000027
式中：
Figure BDA0003959482550000031
和
Figure BDA0003959482550000032
为可调度分布式发电机g的最小和最大功率输出；Pgt和Pg,t-1分别为t时段、t-1时段可调度分布式发电机g的功率输出；
Figure BDA0003959482550000033
和
Figure BDA0003959482550000034
为可调度分布式发电机g最大爬坡和滑坡速率；△t为每个时段的持续时间。
所述储能系统运行约束为：
Figure BDA0003959482550000035
Figure BDA0003959482550000036
Figure BDA0003959482550000037
Figure BDA0003959482550000038
式中：SOCbt为t时段内储能系统b的充电状态；
Figure BDA0003959482550000039
为储能系统充放电效率因数；
Figure BDA00039594825500000310
为t时段内储能系统b的最小充电状态；
Figure BDA00039594825500000311
为t时段内储能系统b的最大充电状态。
进一步地，所述韧性约束为：
Figure BDA00039594825500000312
Figure BDA00039594825500000313
Figure BDA00039594825500000314
Figure BDA00039594825500000315
Figure BDA00039594825500000316
式中：Δt为故障后可调度分布式发电机的允许短调整时间；τ为故障后电池需要保持其输出的最小持续时间。
Figure BDA00039594825500000317
为故障后的时段t期间可调度分布式发电机i的功率输出；
Figure BDA00039594825500000318
为故障后的时段t期间储能系统b的功率输出。
第二方面、一种面向韧性提升主动配电网两阶段鲁棒优化控制装置，所述装置包括：
构建两阶段鲁棒优化调度模型模块，用于采用鲁棒优化处理风/光/荷不确定性，构建两阶段鲁棒优化调度模型；
所述两阶段鲁棒优化调度模型包括：可调度分布式发电机g在t时段的启停状态，t时段从上级电网购买/出售电能的边际成本；t时段内公共耦合点的交换功率，可调度分布式发电机g在t时段内的发电边际成本；t时段可调度分布式发电机g的功率输出、t时段内储能装置b的充电/放电功率，在t时段节点j上注入的有功功率。
调整模块，用于当极端灾害导致上级电网供电中断时，调整分布式电源输出量满足负荷需求。
其中，所述两阶段鲁棒优化调度模型需满足下述中的至少一种：可调度分布式电源出力约束、储能系统运行约束、主网交换功率约束、配电网节点有功/无功平衡约束、电压松弛约束、线路潮流约束、节点失负荷约束、节点电压约束、功率平衡约束及韧性约束。
第三方面、一种面向韧性提升主动配电网两阶段鲁棒优化控制装置，所述装置包括：处理器和存储器，所述存储器中存储有程序指令，所述处理器调用存储器中存储的程序指令以使电子设备执行第一方面中的任一项所述的方法步骤。
第四方面、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程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时使所述处理器执行第一方面中的任一项所述的方法步骤。
本发明提供的技术方案的有益效果是：
1、本发明实现了系统韧性提升，降低了系统负荷削减量；
2、本发明所提模型整合了其他形式能源和需求响应管理的能源系统的韧性，考虑了灾害前后的不确定性，可以保证系统故障后关键负荷的不间断供电，提高配电网韧性，并能得到“最恶劣”场景即不确定性最大的运行场景下系统总运行成本最小的运行方案；
3、本发明所提鲁棒优化模型可通过调整不确定度使得配电网决策者在经济成本和运行风险间选择最合理的控制运行方案。
附图说明
图1为配电网日前调度优化结构图；
图2为两阶段鲁棒优化调度框架图；
图3为基于C&CG算法的鲁棒优化模型求解流程图；
图4为改进后IEEE 33节点系统示意图；
图5为光伏预测出力图；
图6为风机预测出力图；
图7为储能SOC状态与分时电价曲线图；
图8为不确定度Γ＝1时负荷削减量对比图；
图9为不确定度Γ＝0时负荷削减量对比图；
图10为不同不确定度总运行成本图；
图11为迭代收敛图；
图12为修改后IEEE123节点系统拓扑图；
图13为不确定度Γ＝1时负荷削减量图；
图14为不确定度Γ＝0时负荷削减量图；
图15为一种面向韧性提升主动配电网两阶段鲁棒优化控制装置的结构示意图；
图16为一种面向韧性提升主动配电网两阶段鲁棒优化控制装置的另一结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。
配电网日前优化调度模型主要由可再生电源、储能装置、负荷及可调度分布式电源组成。储能装置可以根据电价波动调整充放电状态。可调度分布式电源发电量、主网从上级电网购电量、储能装置充放电策略、电价波动信息、调度成本及可再生能源出力作为调度中心的决策信息。配电网日前优化调度结构如图1所示。
由于风机、光伏出力预测具有很强的不确定性，需调整可控分布式电源发电功率、蓄电池储能充放电功率、可中断负荷及主网购电量来平衡功率。
为保证主动配电网故障后正常运行的能力，本发明实施例中考虑了韧性约束，韧性约束对配电网优化调度的影响主要体现在以下两方面：当故障发生导致配电网与上级电网供电中断时，一方面，韧性约束通过考虑可调度分布式发电机的短调整时间Δτ，增加其调整速度；另一方面，韧性约束通过协调可调度分布式发电机(Distributed Generators,DGs)和储能系统(Energy Storage Systems,ESSs)的输出功率，以维持足够多的备用容量和较高的爬坡速率，缓解负荷削减，持续满足本地重要负荷的用电需求，以确保关键负荷不间断供电。
此外，配电网面临诸多随机因素，风电和光伏出力的预测精确度相对较低，其概率分布难以获得，鲁棒优化方法因其具有计算速度快，不需要精确的概率分布即可计算等优点，被广泛用于解决可再生能源导致的系统不确定性问题。因此，文中借助鲁棒优化方法，提出了面向韧性提升的，考虑韧性约束的主动配电网两阶段鲁棒优化调度模型。
韧性约束主要通过两个方面实现：一方面，主动配电网中可调度分布式发电系统、储能装置和可再生能源发电系统可以为主动配电网的供电中断做好准备。可调度分布式发电机用于维持一定数量的旋转储备，而ESS的荷电状态(The State of Charge,SOC)保持在较高水平。另一方面，当上级电网供电中断时，可调度分布式发电系统和ESS可以快速调整其电力输出，以维持足够多的备用容量和足够高的爬坡速率，缓解负荷削减，持续满足本地需求。
实施例1
针对背景技术中存在的问题，本发明实施例建立了考虑风、光、荷不确定性“min-max-min”结构的两阶段鲁棒优化模型。
101：构建表征风光荷不确定性的数据集合，并采用鲁棒优化方法表征电力系统强不确定性；
102：当系统发生故障导致上级电网供电中断时，通过快速调整电源输出以持续满足负荷供电，降低负荷削减量，保证关键负荷的恢复，提升配电网韧性以及降低系统运行成本的需求；
103：采用C&CG列和约束法，对两阶段鲁棒优化调度模型进行求解，通过仿真分析验证所提方法的准确性和有效性。
综上，本发明实施例以IEEE33和IEEE123为算例进行分析，一方面验证其在韧性提升方面的优势；另一方面，在提升韧性的同时计及不确定度对总运行成本的影响分析，为电网构建更为经济安全稳定的框架，提供更为丰富、完善的理论分析依据以改善系统的韧性。
实施例2
下面结合具体的计算公式、实例对实施例1中的方案进行进一步地介绍，详见下文描述：
主动配电网优化调度模型中第1项为可调度分布式发电机的运营成本(包括燃料成本和启动成本)；第2项和第3项分别为能源购买成本(或出售能源的收益)和ESS的老化成本。ESS老化成本可以近似地表示为充电量和放电量的线性函数。
Figure BDA0003959482550000061
式中：g为可调度分布式发电机的数量，取值从1到NG；t为时段，取值从1到NT；b为储能系统，取值从1到NB；λgt为可调度分布式发电机g在t时段内的发电边际成本；Pgt为t时段可调度分布式发电机g的功率输出；Sgt为发电机的启停成本；ugt为可调度分布式发电机g在t时段的启停状态，启动为1，否则为0；
Figure BDA0003959482550000062
为t时段从上级电网购买/出售电能的边际成本；Pt PCC为t时段内公共耦合点的交换功率；Cbt为t时段储能系统b的老化成本；
Figure BDA0003959482550000063
为t时段内储能装置b的充电/放电功率。
(1)可调度分布式电源出力约束：
Figure BDA0003959482550000071
Figure BDA0003959482550000072
式中：
Figure BDA0003959482550000073
和
Figure BDA0003959482550000074
为可调度分布式发电机g的最小和最大功率输出；Pgt和Pg,t-1分别为t时段、t-1时段可调度分布式发电机g的功率输出；
Figure BDA0003959482550000075
和
Figure BDA0003959482550000076
为可调度分布式发电机g最大爬坡和滑坡速率；△t为每个时段的持续时间。
(2)ESS运行约束：
Figure BDA0003959482550000077
Figure BDA0003959482550000078
Figure BDA0003959482550000079
Figure BDA00039594825500000710
式中：SOCbt为t时段内储能系统b的充电状态；
Figure BDA00039594825500000711
为储能系统充放电效率因数；
Figure BDA00039594825500000712
为t时段内储能系统b的最小充电状态；
Figure BDA00039594825500000713
为t时段内储能系统b的最大充电状态。
(3)主网交换功率约束：
-Pt PCC,max≤Pt PCC≤Pt PCC,max (8)
式中：Pt PCC,max为t时段内最大公共耦合点功率。
(4)配电网节点有功/无功平衡约束：
Figure BDA00039594825500000714
式中：Pki,t、Qki,t分别为节点i上在t时段内注入的有功、无功功率；Pij,t为与节点j相连的支路ij在t时段的有功潮流；Ω(i)为将节点i作为支路首端的所有支路末端节点集合；Qij,t为与节点j相连的支路ij在t时段的无功潮流；Iki,t为t时段流过线路的电流值；rij和xij分别为线路ij的电阻和电抗；δ(i)为以节点i作为支路末端的所有支路首端节点集合。
(5)电压松弛约束：
Figure BDA00039594825500000715
式中：Vi,t为节点i第t时段电压值；Vj,t为节点j第t时段电压值；V0为额定电压值；M值为无限大，zij,t为线路ij的阻抗，L为配电线路集合。
(6)线路潮流约束：
Figure BDA0003959482550000081
式中，lij,t为节点i、j之间线路电流的平方项；Vi,t为节点i电压的平方项。
由于上式中存在电流以及电压的二次项，属于非线性约束，可通过松弛将其转化为二阶锥形式：
Figure BDA0003959482550000082
(7)节点失负荷约束：
Figure BDA0003959482550000083
式中：
Figure BDA0003959482550000084
和
Figure BDA0003959482550000085
分别为在t时段节点j上注入的有功功率和无功功率，
Figure BDA0003959482550000086
和
Figure BDA0003959482550000087
分别为t时段节点j处正常情况下有功负荷和无功负荷。
(8)节点电压约束：
Figure BDA0003959482550000088
式中：
Figure BDA0003959482550000089
和
Figure BDA00039594825500000810
分别为节点j处电压上、下限值。
(9)功率平衡约束：
Figure BDA00039594825500000811
Figure BDA00039594825500000812
式中：v为光伏数量，取值从1到NPV；d为负荷指数，取值从1到ND，ΩBUS为节点集合，Pit为节点i在t时段的有功功率，
Figure BDA00039594825500000813
为风机w在t时段的有功功率，
Figure BDA00039594825500000814
为光伏在t时段的有功功率，
Figure BDA00039594825500000815
为公共耦合点在t时段的有功功率。
(10)韧性约束：
为了提升系统韧性并保证故障后重要负荷不削减，引入了系统韧性约束，可保证主动配电网在上级电网供电中断时，协调各电源出力来保证关键负荷的供电不中断，主要借助快速调整可调度DGs和ESS功率以减轻负荷削减量。可调度DGs输出功率受公式(18)中的最小/最大功率限制，需在故障后短时间内重新建立功率平衡。因此，有必要快速调整可调度DGs输出以缓解负荷削减。故障后可调度DGs输出受其斜坡率限制，如公式(19)所示。而故障后ESS输出/输入功率受最大充电/放电功率的限制，如公式(20)所示。与可调度DGs不同，ESS可以在故障后立即从充电状态切换到放电状态，ESS需要保持其输出直到系统的故障被清除，如公式(21)所示。
Figure BDA0003959482550000091
Figure BDA0003959482550000092
Figure BDA0003959482550000093
Figure BDA0003959482550000094
Figure BDA0003959482550000095
式中：Δτ为故障后可调度分布式发电机的允许短调整时间；t为故障后电池需要保持其输出的最小持续时间。
Figure BDA0003959482550000096
为故障后的时段t期间可调度分布式发电机i的功率输出；
Figure BDA0003959482550000097
为故障后的时段t期间储能系统b的功率输出。
由于可再生能源大规模接入电网，而可再生能源的出力具有波动性和随机性，配电网中风、光、荷不确定因素的预测精度决定了运行方案的准确性。因此，需针对风、光、荷的不确定性，建立考虑风、光、荷不确定性的两阶段鲁棒优化调度模型。
风力和光伏发电相较于传统火电机组具有很强的不确定性，导致其精确预测较为困难。鲁棒优化方法处理不确定性问题时通常需要选取适当的“不确定集合”对可再生能源的不确定性进行描述，本发明实施例将风力发电功率
Figure BDA0003959482550000098
光伏发电功率
Figure BDA0003959482550000099
和负荷
Figure BDA00039594825500000910
建模为独立的随机变量，其取值范围为
Figure BDA00039594825500000911
和
Figure BDA00039594825500000912
Figure BDA00039594825500000913
是与标称预测值的最大偏差，可根据历史数据确定。
Figure BDA00039594825500000914
Figure BDA00039594825500000915
X＝{P,PPCC,PC,PD,PIS} (24)
式中：U为可调度分布式发电机二进制状态的可行集；W为不确定集，包括风光荷的出力范围；X为公共耦合点功率，储能装置充放电功率，故障前后系统运行功率的集合；μwt 、μvt 、μdt 分别为风机功率
Figure BDA00039594825500000916
光伏功率
Figure BDA00039594825500000917
负荷功率
Figure BDA00039594825500000918
的不确定性辅助变量；
Figure BDA00039594825500000919
Figure BDA00039594825500000920
分别为t时段期间风机、光伏、负荷标称预测功率输出的最大偏差。Γ为不确定度，是一个鲁棒控制参数，取值范围为[0,NW+NPV+ND]。如果Γ＝0，则不确定性完全忽略，而如果Γ＝NW+NPV+ND，则将充分考虑可再生能源发电和需求中的所有不确定性，不确定度越大，表示不确定场景集合更“恶劣”。
在光伏风机和负荷不确定集的基础下，建立了灾害发生后计及可再生能源出力的不确定性，保证重要负荷不间断供电的鲁棒优化调度模型，为找到最经济的运行方案，系统总运行成本最少为该模型的目标函数。
Figure BDA0003959482550000101
由于模型结构为三级结构“min-max-min”，直接求解较为困难，因此将已构建的考虑风、光、荷不确定性的主动配电网优化模型转化为两阶段鲁棒优化问题进行求解。
实施例3
下面结合具体的实例，针对本发明实施例所提的鲁棒优化方法，本例以IEEE-123节点系统为例进行仿真分析与验证，IEEE-123节点系统的拓扑图如图12所示，详见下文描述：
参见图4，修改后的IEEE 33节点系统(见图4)，系统在节点1处与上级电网相连。系统中包含33个节点、32条线路，将负荷依据不同的重要等级分为三级，一级负荷权重为100，二级负荷权重为10，三级负荷权重为1。从上级电网各时段购电电价和ESS具体参数如表1、表2所示。系统的调度周期为24小时，调度的每个时段时间间隔为1小时。关注系统遭受极端自然灾害后重要负荷的恢复。
实施例3在负荷按照其重要等级划分，不同等级的负荷权重设置与33节点测试算例相同。IEEE 123节点系统中共接入9个分布式电源，在节点43、52、79处接入风机，在节点117、118、114处接入光伏，在节点55、57、93处接入可调度分布式电源。
首先，当极端事件导致上级电网短时间内不能向配电网负荷供电，仅有可控分布式电源、风机、光伏可用时，分析了考虑韧性约束对系统韧性提升的有效性，将考虑韧性约束与不考虑韧性约束情况下的负荷削减量进行对比分析，如图13和图14所示。
下表1为各时段购电电价。
表1各时段购电电价
Figure BDA0003959482550000102
Figure BDA0003959482550000111
通过表1可知，ESS分别在7:00-9:00、15:00-19:00和22:00-24:00平时段，0:00-7:00谷时段进行充电，储能SOC状态逐渐上升；ESS在9:00-13:00电价高峰时段以及18:00-20:00峰时段进行放电操作，储能SOC状态逐渐下降；在7:00-10:00时段达到储能SOC状态的上限100％。其中14:00-15:00由于负荷用电量小，且光伏发电量充足，ESS开始充电，对过剩的光伏发电量进行存储。可知，ESS的充放电状态与电价的波动联系紧密，ESS通过在电价低谷进行充电，在电价高峰进行放电，不仅可以缓解负荷高峰的用电需求，同时也可以降低系统的总运行成本。
表2ESS基础参数
Figure BDA0003959482550000112
由图8和图9可知，当不确定度为1时，考虑韧性约束比不考虑韧性约束总负荷削减量降低了92.79％；当不确定度为0时，考虑韧性约束比不考虑韧性约束时总负荷削减量降低了65.99％，考虑韧性约束时系统负荷削减量明显降低。可知，多不确定度情况下均具有较好的鲁棒优化效果，在不确定度最大情况下即最恶劣的情况仍可有效降低负荷削减量，提升系统韧性。
为验证所提调度方案的经济性，对比分析了多种不确定度的运行成本，如图10所示。考虑韧性约束明显比不考虑韧性约束总运行成本更高，配电网的总运行成本随着不确定度的增加而增加。可得，鲁棒优化调度模型会依据配电网决策者的主观风险意愿，选择适当的不确定度，因系统总运行成本与不确定度成正相关，因此配电网决策者可以选择更保守的方案以保证主动配电网对不确定性更大的场景即更恶劣场景的适应能力。
图11为面向韧性提升的两阶段鲁棒优化模型迭代收敛图，该模型求解经过3143s最终得到最优解，共6次迭代。
由图13和图14可知：当不确定度为1时，考虑韧性约束比不考虑韧性约束总负荷削减量降低了99.97％；当不确定度为0时，考虑韧性约束对比不考虑韧性约束总负荷削减量降低了40.83％。考虑韧性约束时系统负荷削减量明显降低，有助于提升系统韧性。通过对比分析考虑韧性约束时的多种不确定度优化结果，发现所提鲁棒优化方法可在不确定度最大的情况即“最恶劣场景”下有效降低负荷削减量，进而提升了系统韧性。可知，所提鲁棒优化运行方案能够以较小运行成本代价，大幅度减少系统故障后的负荷削减量。
上述结果表明：所提优化模型相较于传统模型，整合了其他形式能源和需求响应管理的能源系统的韧性，考虑了灾害前后的不确定性，可以保证系统故障后关键负荷的不间断供电，提高配电网韧性，并能得到“最恶劣”场景即不确定性最大的运行场景下系统总运行成本最小的运行方案。
综上所述，本发明实施例通过验证鲁棒优化调度模型的有效性分析以及不确定度对总运行成本的影响分析，体现出此方法的优越性。
实施例4
一种面向韧性提升主动配电网两阶段鲁棒优化控制装置，参见图15，该装置包括：
构建两阶段鲁棒优化调度模型模块，用于采用鲁棒优化处理风/光/荷不确定性，构建两阶段鲁棒优化调度模型；
所述两阶段鲁棒优化调度模型包括：可调度分布式发电机g在t时段的启停状态，t时段从上级电网购买/出售电能的边际成本；t时段内公共耦合点的交换功率，可调度分布式发电机g在t时段内的发电边际成本；t时段可调度分布式发电机g的功率输出、t时段内储能装置b的充电/放电功率，在t时段节点j上注入的有功功率。
调整模块，用于当极端灾害导致上级电网供电中断时，调整分布式电源输出量满足负荷需求。
其中，两阶段鲁棒优化调度模型需满足下述中的至少一种：可调度分布式电源出力约束、储能系统运行约束、主网交换功率约束、配电网节点有功/无功平衡约束、电压松弛约束、线路潮流约束、节点失负荷约束、节点电压约束、功率平衡约束及韧性约束。
综上所述，本发明实施例提供的装置考虑了灾害前后的不确定性，可以保证系统故障后关键负荷的不间断供电，提高配电网韧性，并能得到“最恶劣”场景即不确定性最大的运行场景下系统总运行成本最小的运行方案。
实施例5
一种面向韧性提升主动配电网两阶段鲁棒优化控制装置，参见图16，该装置包括：处理器和存储器，存储器中存储有程序指令，处理器调用存储器中存储的程序指令以使电子设备执行实施例1中的以下方法步骤：
采用鲁棒优化处理风/光/荷不确定性，构建两阶段鲁棒优化调度模型；当极端灾害导致上级电网供电中断时，调整分布式电源输出量满足负荷需求；
其中，两阶段鲁棒优化调度模型包括：可调度分布式发电机g在t时段的启停状态，t时段从上级电网购买/出售电能的边际成本；t时段内公共耦合点的交换功率，可调度分布式发电机g在t时段内的发电边际成本；t时段可调度分布式发电机g的功率输出、t时段内储能装置b的充电/放电功率，在t时段节点j上注入的有功功率。
其中，两阶段鲁棒优化调度模型为：
Figure BDA0003959482550000131
其中，U为可调度分布式发电机二进制状态的可行集；v为光伏数量，取值从1到NPV；d为负荷指数，取值从1到ND；g为可调度分布式发电机的数量，取值从1到NG；t为时段，取值从1到NT；b为储能系统，取值从1到NB；λgt为可调度分布式发电机g在t时段内的发电边际成本；Pgt为t时段可调度分布式发电机g的功率输出；Sgt为发电机的启停成本；ugt为可调度分布式发电机g在t时段的启停状态，启动为1，否则为0；
Figure BDA0003959482550000132
为t时段从上级电网购买/出售电能的边际成本；
Figure BDA0003959482550000133
为t时段内公共耦合点的交换功率；Cbt为t时段储能系统b的老化成本；
Figure BDA0003959482550000134
为t时段内储能装置b的充电/放电功率；
Figure BDA0003959482550000135
为在t时段节点j上注入的有功功率；W为不确定集，包括风光荷的出力范围；X为公共耦合点功率，储能装置充放电功率，故障前后系统运行功率的集合。
两阶段鲁棒优化调度模型需满足下述中的至少一种：可调度分布式电源出力约束、储能系统运行约束、主网交换功率约束、配电网节点有功/无功平衡约束、电压松弛约束、线路潮流约束、节点失负荷约束、节点电压约束、功率平衡约束及韧性约束。
可调度分布式电源出力约束为：
Figure BDA0003959482550000136
Figure BDA0003959482550000137
式中：
Figure BDA0003959482550000141
和
Figure BDA0003959482550000142
为可调度分布式发电机g的最小和最大功率输出；Pgt和Pg,t-1分别为t时段、t-1时段可调度分布式发电机g的功率输出；
Figure BDA0003959482550000143
和
Figure BDA0003959482550000144
为可调度分布式发电机g最大爬坡和滑坡速率；△t为每个时段的持续时间。
储能系统运行约束为：
Figure BDA0003959482550000145
Figure BDA0003959482550000146
Figure BDA0003959482550000147
Figure BDA0003959482550000148
式中：SOCbt为t时段内储能系统b的充电状态；
Figure BDA0003959482550000149
为储能系统充放电效率因数；
Figure BDA00039594825500001410
为t时段内储能系统b的最小充电状态；
Figure BDA00039594825500001411
为t时段内储能系统b的最大充电状态。
进一步地，韧性约束为：
Figure BDA00039594825500001412
Figure BDA00039594825500001413
Figure BDA00039594825500001414
Figure BDA00039594825500001415
Figure BDA00039594825500001416
式中：Δt为故障后可调度分布式发电机的允许短调整时间；τ为故障后电池需要保持其输出的最小持续时间。
Figure BDA00039594825500001417
为故障后的时段t期间可调度分布式发电机i的功率输出；
Figure BDA00039594825500001418
为故障后的时段t期间储能系统b的功率输出。
这里需要指出的是，以上实施例中的装置描述是与实施例中的方法描述相对应的，本发明实施例在此不做赘述。
上述的处理器1和存储器2的执行主体可以是计算机、单片机、微控制器等具有计算功能的器件，具体实现时，本发明实施例对执行主体不做限制，根据实际应用中的需要进行选择。
存储器2和处理器1之间通过总线3传输数据信号，本发明实施例对此不做赘述。
基于同一发明构思，本发明实施例还提供了一种计算机可读存储介质，存储介质包括存储的程序，在程序运行时控制存储介质所在的设备执行上述实施例中的方法步骤。
该计算机可读存储介质包括但不限于快闪存储器、硬盘、固态硬盘等。
这里需要指出的是，以上实施例中的可读存储介质描述是与实施例中的方法描述相对应的，本发明实施例在此不做赘述。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。
计算机可以是通用计算机、专用计算机、计算机网络、或者其它可编程装置。计算机指令可以存储在计算机可读存储介质中，或者通过计算机可读存储介质进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质或者半导体介质等。
本发明实施例对各器件的型号除做特殊说明的以外，其它器件的型号不做限制，只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种面向韧性提升主动配电网两阶段鲁棒优化控制方法，其特征在于，所述方法包括以下步骤：
采用鲁棒优化处理风/光/荷不确定性，构建两阶段鲁棒优化调度模型；当极端灾害导致上级电网供电中断时，调整分布式电源输出量满足负荷需求；
其中，所述两阶段鲁棒优化调度模型包括：可调度分布式发电机g在t时段的启停状态，t时段从上级电网购买/出售电能的边际成本；t时段内公共耦合点的交换功率，可调度分布式发电机g在t时段内的发电边际成本；t时段可调度分布式发电机g的功率输出、t时段内储能装置b的充电/放电功率，在t时段节点j上注入的有功功率。
2.根据权利要求1所述的一种面向韧性提升主动配电网两阶段鲁棒优化控制方法，其特征在于，所述两阶段鲁棒优化调度模型为：
Figure FDA0003959482540000011
其中，U为可调度分布式发电机二进制状态的可行集；v为光伏数量，取值从1到NPV；d为负荷指数，取值从1到ND；g为可调度分布式发电机的数量，取值从1到NG；t为时段，取值从1到NT；b为储能系统，取值从1到NB；λgt为可调度分布式发电机g在t时段内的发电边际成本；Pgt为t时段可调度分布式发电机g的功率输出；Sgt为发电机的启停成本；ugt为可调度分布式发电机g在t时段的启停状态，启动为1，否则为0；
Figure FDA0003959482540000012
为t时段从上级电网购买/出售电能的边际成本；
Figure FDA0003959482540000013
为t时段内公共耦合点的交换功率；Cbt为t时段储能系统b的老化成本；
Figure FDA0003959482540000014
为t时段内储能装置b的充电/放电功率；
Figure FDA0003959482540000015
为在t时段节点j上注入的有功功率；W为不确定集，包括风光荷的出力范围；X为公共耦合点功率，储能装置充放电功率，故障前后系统运行功率的集合。
3.根据权利要求1所述的一种面向韧性提升主动配电网两阶段鲁棒优化控制方法，其特征在于，所述两阶段鲁棒优化调度模型需满足下述中的至少一种：可调度分布式电源出力约束、储能系统运行约束、主网交换功率约束、配电网节点有功/无功平衡约束、电压松弛约束、线路潮流约束、节点失负荷约束、节点电压约束、功率平衡约束及韧性约束。
4.根据权利要求3所述的一种面向韧性提升主动配电网两阶段鲁棒优化控制方法，其特征在于，所述可调度分布式电源出力约束为：
Figure FDA0003959482540000016
Figure FDA0003959482540000017
式中：
Figure FDA0003959482540000021
和
Figure FDA0003959482540000022
为可调度分布式发电机g的最小和最大功率输出；Pgt和Pg,t-1分别为t时段、t-1时段可调度分布式发电机g的功率输出；
Figure FDA0003959482540000023
和
Figure FDA0003959482540000024
为可调度分布式发电机g最大爬坡和滑坡速率；△t为每个时段的持续时间。
5.根据权利要求3所述的一种面向韧性提升主动配电网两阶段鲁棒优化控制方法，其特征在于，所述储能系统运行约束为：
Figure FDA0003959482540000025
Figure FDA0003959482540000026
Figure FDA0003959482540000027
Figure FDA0003959482540000028
式中：SOCbt为t时段内储能系统b的充电状态；
Figure FDA0003959482540000029
为储能系统充放电效率因数；
Figure FDA00039594825400000210
为t时段内储能系统b的最小充电状态；
Figure FDA00039594825400000211
为t时段内储能系统b的最大充电状态。
6.根据权利要求3所述的一种面向韧性提升主动配电网两阶段鲁棒优化控制方法，其特征在于，所述韧性约束为：
Figure FDA00039594825400000212
Figure FDA00039594825400000213
Figure FDA00039594825400000214
Figure FDA00039594825400000215
Figure FDA00039594825400000216
式中：Δτ为故障后可调度分布式发电机的允许短调整时间；τ为故障后电池需要保持其输出的最小持续时间。
Figure FDA00039594825400000217
为故障后的时段t期间可调度分布式发电机i的功率输出；
Figure FDA00039594825400000218
为故障后的时段t期间储能系统b的功率输出。
7.一种面向韧性提升主动配电网两阶段鲁棒优化控制装置，其特征在于，所述装置包括：
构建两阶段鲁棒优化调度模型模块，用于采用鲁棒优化处理风/光/荷不确定性，构建两阶段鲁棒优化调度模型；
所述两阶段鲁棒优化调度模型包括：可调度分布式发电机g在t时段的启停状态，t时段从上级电网购买/出售电能的边际成本；t时段内公共耦合点的交换功率，可调度分布式发电机g在t时段内的发电边际成本；t时段可调度分布式发电机g的功率输出、t时段内储能装置b的充电/放电功率，在t时段节点j上注入的有功功率；
调整模块，用于当极端灾害导致上级电网供电中断时，调整分布式电源输出量满足负荷需求。
8.根据权利要求7所述的一种面向韧性提升主动配电网两阶段鲁棒优化控制装置，其特征在于，所述两阶段鲁棒优化调度模型需满足下述中的至少一种：可调度分布式电源出力约束、储能系统运行约束、主网交换功率约束、配电网节点有功/无功平衡约束、电压松弛约束、线路潮流约束、节点失负荷约束、节点电压约束、功率平衡约束及韧性约束。
9.一种面向韧性提升主动配电网两阶段鲁棒优化控制装置，其特征在于，所述装置包括：处理器和存储器，所述存储器中存储有程序指令，所述处理器调用存储器中存储的程序指令以使电子设备执行权利要求1-6中的任一项所述的方法步骤。
10.一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程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时使所述处理器执行权利要求1-6中的任一项所述的方法步骤。
CN202211474912.3A 2022-11-23 2022-11-23 面向韧性提升主动配电网两阶段鲁棒优化控制方法及装置 Pending CN116131318A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211474912.3A CN116131318A (zh) 2022-11-23 2022-11-23 面向韧性提升主动配电网两阶段鲁棒优化控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211474912.3A CN116131318A (zh) 2022-11-23 2022-11-23 面向韧性提升主动配电网两阶段鲁棒优化控制方法及装置

Publications (1)

Publication Number Publication Date
CN116131318A true CN116131318A (zh) 2023-05-16

Family

ID=86299856

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211474912.3A Pending CN116131318A (zh) 2022-11-23 2022-11-23 面向韧性提升主动配电网两阶段鲁棒优化控制方法及装置

Country Status (1)

Country Link
CN (1) CN116131318A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116911076A (zh) * 2023-09-12 2023-10-20 国网浙江省电力有限公司电力科学研究院 多微电网对配电网的韧性支撑仿真方法、装置和电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116911076A (zh) * 2023-09-12 2023-10-20 国网浙江省电力有限公司电力科学研究院 多微电网对配电网的韧性支撑仿真方法、装置和电子设备
CN116911076B (zh) * 2023-09-12 2024-03-19 国网浙江省电力有限公司电力科学研究院 多微电网对配电网的韧性支撑仿真方法、装置和电子设备

Similar Documents

Publication Publication Date Title
Gundogdu et al. A battery energy management strategy for UK enhanced frequency response and triad avoidance
CN108470239B (zh) 计及需求侧管理和储能的主动配电网多目标分层规划方法
Sedghi et al. Optimal storage planning in active distribution network considering uncertainty of wind power distributed generation
Liu et al. Multi‐objective restoration optimisation of power systems with battery energy storage systems
Li et al. On the determination of battery energy storage capacity and short-term power dispatch of a wind farm
CN108376999B (zh) 一种考虑孤岛运行时间不确定性的多微网故障管理方法
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
CN109146320B (zh) 一种考虑配电网安全性的虚拟电厂优化调度方法
Sedghi et al. Storage scheduling for optimal energy management in active distribution network considering load, wind, and plug-in electric vehicles uncertainties
CN112072711A (zh) 基于动态优先级的配电网灵活性优化调度方法
Dawn et al. Efficient approach for establishing the economic and operating reliability via optimal coordination of wind–PSH–solar‐storage hybrid plant in highly uncertain double auction competitive power market<? show [AQ ID= Q1]?>
Choobineh et al. Emergency electric service restoration in the aftermath of a natural disaster
Sun et al. Improving the restorability of bulk power systems with the implementation of a WF-BESS system
El-Bahay et al. Computational methods to mitigate the effect of high penetration of renewable energy sources on power system frequency regulation: a comprehensive review
Aziz et al. Issues and mitigations of wind energy penetrated network: Australian network case study
CN108418212A (zh) 一种考虑柔性负荷的电力系统两阶段随机优化调度模型
Dawn et al. A joint scheduling optimization strategy for wind and pumped storage systems considering imbalance cost & grid frequency in real-time competitive power market
CN116131318A (zh) 面向韧性提升主动配电网两阶段鲁棒优化控制方法及装置
Quan et al. Optimal Energy Management of Vanadium Redox Flow Batteries Energy Storage System for Frequency Regulation and Peak Shaving in an Islanded Microgrid
CN114050609A (zh) 一种高比例新能源电力系统自适应鲁棒日前优化调度方法
Zhang et al. A two-stage robust operation approach for combined cooling, heat and power systems
Morrissey et al. Optimal energy storage schedules for load leveling and ramp rate control in distribution systems
CN115377968A (zh) 一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法
Yao et al. Determination of a dispatch strategy to maximize income for a wind turbine-BESS power station
Liu et al. Networked microgrids for improving economics and resiliency

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