CN116231748A - 考虑需求响应和时段耦合的配电网承载能力评估方法 - Google Patents
考虑需求响应和时段耦合的配电网承载能力评估方法 Download PDFInfo
- Publication number
- CN116231748A CN116231748A CN202310048137.3A CN202310048137A CN116231748A CN 116231748 A CN116231748 A CN 116231748A CN 202310048137 A CN202310048137 A CN 202310048137A CN 116231748 A CN116231748 A CN 116231748A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- power
- optimization
- response
- 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.)
- Withdrawn
Links
- 230000004044 response Effects 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000008878 coupling Effects 0.000 title claims abstract description 17
- 238000010168 coupling process Methods 0.000 title claims abstract description 17
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 129
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 230000008901 benefit Effects 0.000 claims abstract description 24
- 230000005611 electricity Effects 0.000 claims description 93
- 238000005192 partition Methods 0.000 claims description 23
- 238000000354 decomposition reaction Methods 0.000 claims description 18
- 230000007246 mechanism Effects 0.000 claims description 14
- 230000006399 behavior Effects 0.000 claims description 13
- 238000007726 management method Methods 0.000 claims description 11
- 230000009194 climbing Effects 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 239000003795 chemical substances by application Substances 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 239000000446 fuel Substances 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000005251 gamma ray Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 210000003298 dental enamel Anatomy 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 230000005284 excitation Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008844 regulatory mechanism Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- 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
- 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
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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]
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及考虑需求响应和时段耦合的配电网承载能力评估方法,所述的方法包括以下步骤:步骤1:构建考虑需求响应和边缘计算的配电网分布式优化调度模型;步骤2:对需求响应和边缘计算进行分析;步骤3:构建分布式优化总体框架;步骤4:构建配电网分布式优化调度模型;步骤5:对模型进行转化与求解;步骤6:构建考虑需求侧响应的多时段配电网开关顺序重构架构;本发明具有实现配网中不同主体之间协同优化、有效降低配网运行损耗、保证配网安全可靠运行的优点。
Description
技术领域
本发明属于电力系统技术领域,具体涉及考虑需求响应和时段耦合的配电网承载能力评估方法。
背景技术
随着分布式电源、柔性负荷地大量接入,传统配电网中将存在电网公司、分布式电源所有者、柔性负荷等多个利益主体,提高配电网的供电能力以满足用户用电需求已成为我国电网规划亟待解决的问题之一,在含分布式电源的配电网中采用需求侧响应策略,可以在一定程度上降低系统的峰谷差和负荷波动,缓解供电压力;配电网中引入需求侧响应策略后,需求侧响应对配电网供电能力提升的延续性依赖于客户的主观意愿,传统的从技术层面考察系统供电能力的评估体系将不再完全适用,传统配电网开关顺序重构方法在实际应用中存在配电网运行损耗大,影响配电网及电力系统正常运行问题;因此,提供一种实现配网中不同主体之间协同优化、有效降低配网运行损耗、保证配网安全可靠运行的考虑需求响应和时段耦合的配电网承载能力评估方法是非常有必要的。
发明内容
本发明的目的是为了克服现有技术的不足,而提供一种实现配网中不同主体之间协同优化、有效降低配网运行损耗、保证配网安全可靠运行的考虑需求响应和时段耦合的配电网承载能力评估方法。
本发明的目的是这样实现的:考虑需求响应和时段耦合的配电网承载能力评估方法,所述的方法包括以下步骤:
步骤1:构建考虑需求响应和边缘计算的配电网分布式优化调度模型;
步骤2:对需求响应和边缘计算进行分析;
步骤3:构建分布式优化总体框架;
步骤4:构建配电网分布式优化调度模型;
步骤5:对模型进行转化与求解;
步骤6:构建考虑需求侧响应的多时段配电网开关顺序重构架构。
所述的步骤2中的需求响应分析具体为:需求响应是通过市场价格信号或激励机制引导电力用户的用电行为,从而实现削峰填谷、促进新能源消纳,保证电网安全稳定运行;其中基于价格的需求响应是指用户根据零售电价信息调整自身的用电行为,其电价信号包括分时电价、实时电价和尖峰电价;基于激励的需求响应是指实施机构通过制定相应激励政策,促进电力用户在系统负荷高峰时期响应负荷削减,并给予需求响应负荷相应的电价折扣或直接赔偿;基于价格型需求响应,采用负荷价格需求弹性矩阵来近似描述电力负荷电价信号响应情况:式中,/>分别为时段t电力需求和电价变化量;q1、p1为对应的基准值;εij为需求价格弹性系数矩阵中元素。
所述的步骤2中的边缘计算分析具体为:边缘计算的基本理念是将计算任务在靠近网络边缘的数据源侧进行,从而减少通信时延、降低通信带宽要求、缓解云主站计算压力,并实现边缘节点的数据隐私保护,在此基础上,采用考虑DG即分布式发电和FL即柔性负荷接入的配电网云一边协同能量管理框架,在配电网EMS即配电网能量管理系统云主站进行集中计算:以配电网中智能配变终端作为边缘计算节点进行边缘计算,实现对DG和FL出力的自主优化决策,通过配电网EMS和智能配变终端之间的协同,实现配电网能量管理的分布式优化。
所述的步骤3中的构建分布式优化总体框架具体包括以下在:
步骤3.1:集中式优化:在集中优化体系下,配电网EMS作为优化调度决策主体,基于SCADA系统采集配电网运行信息,通过云主站进行集中的优化调度,其优化调度模型为:式中,f(x,y)为该优化调度问题的目标函数;g(x,y)、h(x,y)分别为优化问题的不等式约束和等式约束;x、y为决策变量;其中,目标函数一般为配电网运行成本最小,主要考虑机组发电成本、启停成本、负荷中断补偿成本,约束条件考虑功率平衡约束、机组出力约束、爬坡约束、线路容量约束;
步骤3.2:配电网虚拟区域分解:基于传统电网分区的思想,对配电网内部根据利益主体进行虚拟区域分解,虚拟区域分解,是为了表征不同主体之间的利益关系、实现不同主体的自主优化;
步骤3.3:基于边缘计算的分层分区优化总体框架:基于配电网云-边协同能量管理框架和配电网络虚拟区域分解,提出配电网分区分层优化调度方法,通过边缘计算赋予网络边缘节点独立计算能力,实现配电网EMS计算负载向网络边缘的卸载,通过配电网络物理虚拟分区和信息分层,实现配电网优化调度的集中-分布式协调。
所述的步骤4中的构建配电网分布式优化调度模型是通过虚拟区域分解实现包括配电网运营者、DG所有者和FL不同利益主体的内部优化,通过分层实现不同分区间的协同优化,具体包括以下步骤:
步骤4.1:配电网优化调度模型:①目标函数:配电网的优化目标为其运行成本最小化,包括从上级电网购电成本、向DG购电成本、向FL需求响应补贴成本及其售电收益,具体为:cnet=cgrid+cDG+cDR(3),/>式中:T为调度时段数;pgrid,t、pDG,t、pDR,t、psell,t分别为t时段配电网向上级电网购电电价、向DG购电电价、需求响应单位补贴价格和向FL售电电价;Pgrid,t、PDG,t、PDR,t、ΔPDR,t分别为t时段配电网向上级电网的购电功率、向DC的购电功率、需求响应前的FL功率以及需求响应功率,其中ΔPDR,t为正表示负荷削减;②约束条件:配电网的决策变量为向上级电网的购电功率、向DG的购电电价以及向FL的售电电价,其约束条件除考虑系统功率平衡约束和线路容量约束外,其通过制定电价策略引导DG所有者和FL的响应行为,还需考虑电价约束,具体为:pgrid,t+pDG,t=PL,t-ΔPDR,t(7),-Pl,min≤Pl,t≤Pl,max(8),pDG,min≤pDG,t≤pDG,max(9),pDR,min≤pDR,t≤pDR,max(10),psell,min≤psell,t≤psell,max(11),式中,PL,t为t时段配电网的总负荷;Pl,t为t时段线路l的有功潮流;Pl,max为线路l的有功潮流上限;pDG,max、pDG,min分别为配电网向DC购电电价上下限;pDR,max、pDR,min分别为需求响应单位电量补贴成本;psell,max、psell,min分别为配电网向FL售电成本;
步骤4.2:DG优化调度模型:①目标函数:DG的优化目标为其利润最大化,包括向配电网的售电收益和自身发电成本,具体为:fDG=fnet-cgen(12),式中,cgen为DG的发电成本,包含燃料成本即可再生能源发电不计燃料成本;a、b、c分别为其发电的成本系数;②约束条件:DG的决策变量为自身的出力计划,约束条件考虑出力上下限约束、爬坡约束和启停成本约束,具体为:PDG,min≤PDG,t≤PDG,max(15),/>式中,PDG,t为DG在t时段的有功出力;PDG,max、PDG,min分别为DG的有功出力上下限;/>分别为DG的爬坡速率上下限;
步骤4.3:FL优化模型:①目标函数:FL的优化目标为其参与需求响应情况下购电成本最小化,包括从配电网购电成本、需求响应补贴收益和负荷削减损失,具体为:cFL=cbuy-fDR+closs(17), 式中,a0、b0、c0分别为FL负荷削减成本系数;②约束条件:FL的决策变量为其需求响应策略ΔPDR,t,基于配电网的负荷售电电价信息,假定FL可在调度时段内平移,但保征总量不变,因此满足约束:ΔPDR,min≤ΔPDR,t≤ΔPDR,max(21),/>
步骤4.4:配电网分区分层优化调度模型:基于配电网中不同利益主体的分区优化模型,构建基于边缘计算的配电网分区分层优化模型。其中,上层以配电网运营者为决策者,通过配电网EMS进行集中计算来制定电价策略,从而引导DG所有者、FL的决策行为;下层以智能配边终端为边缘计算节点,通过边缘计算制定DG、FL优化方案,以响应配电网电价信号。
所述的步骤5中的对模型进行转化与求解具体包括以下步骤:
步骤5.1:模型转化:对下层DG和FL优化子问题构建KKT约束以简化两层模型求解复杂度,具体转化过程为:对与DG优化问题式(12)-(16),构建其KKT约束条件为:式中,/>分别为公式(15)、(16)右端不等式对应的拉格朗日乘子;/>分别为公式(15)、(16)左端不等式对应的拉格朗日乘子;对于FL优化问题式(17)-(22),构建其KKT约束条件为:式中,/>分别为公式(21)右端不等式和左端不等式对应的拉格朗日乘子;μDR为公式(22)对应的拉格朗日乘子;综上,分区分层优化模型可转化为:/>
步骤5.2:模型求解:针对式(25)所述的非线性规划问题,基于MAT-LAB的Yalmip平台编程,并调用gurobi求解器进行求解。
所述的步骤6中的构建考虑需求侧响应的多时段配电网开关顺序重构架构采用多时段配电网开关顺序重构方法,具体包括以下步骤:
步骤6.1:开关分层重构框架:为实现对多时段配电网开关顺序的重构,选用分层式重构模式作为多时段配电网开关顺序重构模式,以配电网用电用户的需求侧响应作为重构基础,建立两个分层结构,分别为用于响应的代理层以及用于配电网开关顺序重构的中心层;在配电网重构层当中采用集中重构的方法,在响应代理层中采用分布式的重构方法;
步骤6.2:多时段尺度匹配特性:在建立基于需求侧响应的多时段配电网开关分层重构框架后,具体实施策略可根据需求侧响应特性以及其再时间尺度上的匹配特性,实施多时段尺度开关动态重构策略;多时段尺度开关动态重构的时问段分为日前、日中2h内和日中30min内;日前开关重构为每隔24h执行一次,用于预测次日配电网环境中需求侧响应需求量,根据预测结果以及配电网电力系统的平衡稳定需要,采用实时电价方法,对需求侧响应处理调节,日中2h重构为每隔2h执行一次,通过配电网开关重构中心每隔2h对可配电网负荷功率预测,根据结果及电力系统平衡稳定需要,采用可中断电力负荷方法,调节配电网开关顺序;日中30min重构为每隔30min执行一次,由配电网重构中心每隔30min对配电同负荷功率预测,根据预测结果及电力系统平衡稳定要求,采用直接控制开关的方法,调节配电网的开关顺序;根据多时段尺度开关动态重构策略,在保证配电网系统平稳运行的基础上,设置日前24h重构目标函数:W1=∑[γ1(s)·ω1(s)+∑(γ1′(s)·ω1′(s))](26),式中,W1为需求侧响应下的配电网日前重构运行损耗;γ1(s)为日前s时间段内配电网主网通过的电量;ω1(s)为日前s时间段内配电网主网通过电量总功率:γ1′(s)为日前s时间段内配电网运行响应功率:ω1′(s)为日前s时间段内响应调整功率;日前24h重构的约束条件为:保证配电网中电力系统的正常功率运行、可再生能源用量与外部购电功率以及实施电力价格响应后电力系统的用电平衡、负荷代理可调整量约束,以此完成对多时段尺度下开关的动态重构;
步骤6.3:实施配电网多时段开关顺序动态重构机制:在完成对多时段尺度开关动志重构后,为进一步实现配电网电力系统的稳定运行,在具体变施开关顺序重构的过程中还需要实施配电网多时段开关顺序动态重构机制,以根据不同重构结果,对开关顺序重新进行重构。
本发明的有益效果:本发明为考虑需求响应和时段耦合的配电网承载能力评估方法,在使用中,本发明针对配电网多利益主体协同优化问题,提出了考虑需求响应和边缘计算的配电网分布主优化调度方法,考虑含DG和FL的配电网多利益主体特点,首先,提出虚机区域分解方珐对配电网不同利益主体进行划分,构建基于边缘计算的配电网分区分层优化框架;其次,分别建立配电网、分布式电源和柔性负荷的优化模型,提出以配电网能量管理系统为云计算节点、以智能配变终端为边缘计算节点的配电网分布式优化调度方法;然后,分别构建分布式电源、柔性负荷优化问题的KKT条件对原分层优化模型进行转化,能够较好地实现配电网中不同主体之间的协同优化;本发明以需求侧响应为基础建立配电网开关分层重构架构,根据多时段尺度匹配特性实施配电网多时段开关顺序动态重构机制,在实际应用中能够有效降低配电网的运行损耗,为配电网安全、可靠运行提供有利条件;本发明具有实现配网中不同主体之间协同优化、有效降低配网运行损耗、保证配网安全可靠运行的优点。
附图说明
图1为本发明的云-边协同能量管理框架示意图。
图2为本发明的配电网虚拟区域分解示意图。
图3为本发明的分区分层优化总体框架示意图。
图4为本发明的两层优化调度模型示意图。
图5为本发明的配电网开关分层重构框架示意图。
具体实施方式
下面结合附图对本发明做进一步的说明。
实施例1
如图1-5所示,考虑需求响应和时段耦合的配电网承载能力评估方法,所述的方法包括以下步骤:
步骤1:构建考虑需求响应和边缘计算的配电网分布式优化调度模型;
步骤2:对需求响应和边缘计算进行分析;
步骤3:构建分布式优化总体框架;
步骤4:构建配电网分布式优化调度模型;
步骤5:对模型进行转化与求解;
步骤6:构建考虑需求侧响应的多时段配电网开关顺序重构架构。
本发明为考虑需求响应和时段耦合的配电网承载能力评估方法,在使用中,本发明针对配电网多利益主体协同优化问题,提出了考虑需求响应和边缘计算的配电网分布主优化调度方法,考虑含DG和FL的配电网多利益主体特点,首先,提出虚机区域分解方珐对配电网不同利益主体进行划分,构建基于边缘计算的配电网分区分层优化框架;其次,分别建立配电网、分布式电源和柔性负荷的优化模型,提出以配电网能量管理系统为云计算节点、以智能配变终端为边缘计算节点的配电网分布式优化调度方法;然后,分别构建分布式电源、柔性负荷优化问题的KKT条件对原分层优化模型进行转化,能够较好地实现配电网中不同主体之间的协同优化;本发明以需求侧响应为基础建立配电网开关分层重构架构,根据多时段尺度匹配特性实施配电网多时段开关顺序动态重构机制,在实际应用中能够有效降低配电网的运行损耗,为配电网安全、可靠运行提供有利条件;本发明具有实现配网中不同主体之间协同优化、有效降低配网运行损耗、保证配网安全可靠运行的优点。
实施例2
如图1-5所示,考虑需求响应和时段耦合的配电网承载能力评估方法,所述的方法包括以下步骤:
步骤1:构建考虑需求响应和边缘计算的配电网分布式优化调度模型;
步骤2:对需求响应和边缘计算进行分析;
步骤3:构建分布式优化总体框架;
步骤4:构建配电网分布式优化调度模型;
步骤5:对模型进行转化与求解;
步骤6:构建考虑需求侧响应的多时段配电网开关顺序重构架构。
所述的步骤2中的需求响应分析具体为:需求响应是通过市场价格信号或激励机制引导电力用户的用电行为,从而实现削峰填谷、促进新能源消纳,保证电网安全稳定运行;其中基于价格的需求响应是指用户根据零售电价信息调整自身的用电行为,其电价信号包括分时电价、实时电价和尖峰电价;基于激励的需求响应是指实施机构通过制定相应激励政策,促进电力用户在系统负荷高峰时期响应负荷削减,并给予需求响应负荷相应的电价折扣或直接赔偿;基于价格型需求响应,采用负荷价格需求弹性矩阵来近似描述电力负荷电价信号响应情况:式中,/>分别为时段t电力需求和电价变化量;q1、p1为对应的基准值;εij为需求价格弹性系数矩阵中元素。
所述的步骤2中的边缘计算分析具体为:边缘计算的基本理念是将计算任务在靠近网络边缘的数据源侧进行,从而减少通信时延、降低通信带宽要求、缓解云主站计算压力,并实现边缘节点的数据隐私保护,在此基础上,采用考虑DG即分布式发电和FL即柔性负荷接入的配电网云一边协同能量管理框架,如图1所示,在配电网EMS即配电网能量管理系统云主站进行集中计算:以配电网中智能配变终端作为边缘计算节点进行边缘计算,实现对DG和FL出力的自主优化决策,通过配电网EMS和智能配变终端之间的协同,实现配电网能量管理的分布式优化。
所述的步骤3中的构建分布式优化总体框架具体包括以下在:
步骤3.1:集中式优化:在集中优化体系下,配电网EMS作为优化调度决策主体,基于SCADA系统采集配电网运行信息,通过云主站进行集中的优化调度,其优化调度模型为:式中,f(x,y)为该优化调度问题的目标函数;g(x,y)、h(x,y)分别为优化问题的不等式约束和等式约束;x、y为决策变量;其中,目标函数一般为配电网运行成本最小,主要考虑机组发电成本、启停成本、负荷中断补偿成本,约束条件考虑功率平衡约束、机组出力约束、爬坡约束、线路容量约束;
步骤3.2:配电网虚拟区域分解:基于传统电网分区的思想,对配电网内部根据利益主体进行虚拟区域分解,虚拟区域分解,是为了表征不同主体之间的利益关系、实现不同主体的自主优化;
在本实施例中,在建模方式上对原配电网按利益进行虚拟分解,具体虚拟区域分解方法如图2所示,以含DG的配电网为例,考虑配电网中存在电网公司、DG运行商两种不同利益主体,对原配电网络中DG接入点m进行节点分解,引入虚拟接入点m′,将原配电网络分解为配电网区域的DG区域两部分;
步骤3.3:基于边缘计算的分层分区优化总体框架:基于配电网云-边协同能量管理框架和配电网络虚拟区域分解,提出配电网分区分层优化调度方法,通过边缘计算赋予网络边缘节点独立计算能力,实现配电网EMS计算负载向网络边缘的卸载,通过配电网络物理虚拟分区和信息分层,实现配电网优化调度的集中-分布式协调;
在本实施例中,图3给出了所提分区分层优化调度框架,该调度框架包含物理分区和信息分层两个方面;在物理层面,根据配电网中存在的电网公司、DC运营商、FL不同利益主体,对配电网进行虚拟区域分解,实现不同利益主体的本地优化;在信息层面,以配电网EMS为云主站进行集中计算,以智能配变终端为边缘计算节点进行边缘分布式计算,通过引入电价信号实现云主站与边缘计算节点的协同优化;其中,配电网EMS通过制定电价策略引导DC、FL的响应行为;基于电价信息,智能配变终端通过边缘计算优化DC、FL的响应策略。
所述的步骤4中的构建配电网分布式优化调度模型是通过虚拟区域分解实现包括配电网运营者、DG所有者和FL不同利益主体的内部优化,通过分层实现不同分区间的协同优化,具体包括以下步骤:
步骤4.1:配电网优化调度模型:①目标函数:配电网的优化目标为其运行成本最小化,包括从上级电网购电成本、向DG购电成本、向FL需求响应补贴成本及其售电收益,具体为:cnet=cgrid+cDG+cDR(3),/>式中:T为调度时段数;pgrid,t、pDG,t、pDR,t、psell,t分别为t时段配电网向上级电网购电电价、向DG购电电价、需求响应单位补贴价格和向FL售电电价;Pgrid,t、PDG,t、PDR,t、ΔPDR,t分别为t时段配电网向上级电网的购电功率、向DC的购电功率、需求响应前的FL功率以及需求响应功率,其中ΔPDR,t为正表示负荷削减;②约束条件:配电网的决策变量为向上级电网的购电功率、向DG的购电电价以及向FL的售电电价,其约束条件除考虑系统功率平衡约束和线路容量约束外,其通过制定电价策略引导DG所有者和FL的响应行为,还需考虑电价约束,具体为:pgrid,t+pDG,t=PL,t-ΔPDR,t(7),-Pl,min≤Pl,t≤Pl,max(8),pDG,min≤pDG,t≤pDG,max(9),pDR,min≤pDR,t≤pDR,max(10),psell,min≤psell,t≤psell,max(11),式中,PL,t为t时段配电网的总负荷;Pl,t为t时段线路l的有功潮流;Pl,max为线路l的有功潮流上限;pDG,max、pDG,min分别为配电网向DC购电电价上下限;pDR,max、pDR,min分别为需求响应单位电量补贴成本;psell,max、psell,min分别为配电网向FL售电成本;
步骤4.2:DG优化调度模型:①目标函数:DG的优化目标为其利润最大化,包括向配电网的售电收益和自身发电成本,具体为:fDG=fnet-cgen(12),式中,cgen为DG的发电成本,包含燃料成本即可再生能源发电不计燃料成本;a、b、c分别为其发电的成本系数;②约束条件:DG的决策变量为自身的出力计划,约束条件考虑出力上下限约束、爬坡约束和启停成本约束,具体为:PDG,min≤PDG,t≤PDG,max(15),/>式中,PDG,t为DG在t时段的有功出力;PDG,max、PDG,min分别为DG的有功出力上下限;/>分别为DG的爬坡速率上下限;
步骤4.3:FL优化模型:①目标函数:FL的优化目标为其参与需求响应情况下购电成本最小化,包括从配电网购电成本、需求响应补贴收益和负荷削减损失,具体为:cFL=cbuy-fDR+closs(17), 式中,a0、b0、c0分别为FL负荷削减成本系数;②约束条件:FL的决策变量为其需求响应策略ΔPDR,t,基于配电网的负荷售电电价信息,假定FL可在调度时段内平移,但保征总量不变,因此满足约束:ΔPDR,min≤ΔPDR,t≤ΔPDR,max(21),/>
步骤4.4:配电网分区分层优化调度模型:基于配电网中不同利益主体的分区优化模型,构建基于边缘计算的配电网分区分层优化模型。其中,上层以配电网运营者为决策者,通过配电网EMS进行集中计算来制定电价策略,从而引导DG所有者、FL的决策行为;下层以智能配边终端为边缘计算节点,通过边缘计算制定DG、FL优化方案,以响应配电网电价信号。该两层优化调度模型如图4所示。
所述的步骤5中的对模型进行转化与求解具体包括以下步骤:
步骤5.1:模型转化:对下层DG和FL优化子问题构建KKT约束以简化两层模型求解复杂度,具体转化过程为:对与DG优化问题式(12)-(16),构建其KKT约束条件为:式中,/>分别为公式(15)、(16)右端不等式对应的拉格朗日乘子;/>分别为公式(15)、(16)左端不等式对应的拉格朗日乘子;对于FL优化问题式(17)-(22),构建其KKT约束条件为:式中,/>分别为公式(21)右端不等式和左端不等式对应的拉格朗日乘子;μDR为公式(22)对应的拉格朗日乘子;综上,分区分层优化模型可转化为:/>
步骤5.2:模型求解:针对式(25)所述的非线性规划问题,基于MAT-LAB的Yalmip平台编程,并调用gurobi求解器进行求解。
所述的步骤6中的构建考虑需求侧响应的多时段配电网开关顺序重构架构采用多时段配电网开关顺序重构方法,具体包括以下步骤:
步骤6.1:开关分层重构框架:为实现对多时段配电网开关顺序的重构,选用分层式重构模式作为多时段配电网开关顺序重构模式,以配电网用电用户的需求侧响应作为重构基础,建立两个分层结构,分别为用于响应的代理层以及用于配电网开关顺序重构的中心层;在配电网重构层当中采用集中重构的方法,在响应代理层中采用分布式的重构方法;
在本实施例中,图5为建立的基于需求侧响应的多时段配电网开关分层重构框架,在重构框架的主要运行模式为需求侧响应状态的上行和重构中心的重构指令下达;两种运行模式的具体流程为:前者根据需求侧响应信息,以由下至上的方式采集信息,每个独立的需求侧响应负责对下层中各个负责的用电设备状态实时获取,再获取过程中还要对需求侧的响应容量、响应时间、响应速率实施测量和计算,并将计算结果上传到对应的代理层;后者根据发布的响应指令,由上至下地下达指令;根据配电网运行对用电需求响应量,计算出下达的开关顺序结果实际运行损耗,并将计算结果发送到各个对应的响应代理层;
步骤6.2:多时段尺度匹配特性:在建立基于需求侧响应的多时段配电网开关分层重构框架后,具体实施策略可根据需求侧响应特性以及其再时间尺度上的匹配特性,实施多时段尺度开关动态重构策略;多时段尺度开关动态重构的时问段分为日前、日中2h内和日中30min内;日前开关重构为每隔24h执行一次,用于预测次日配电网环境中需求侧响应需求量,根据预测结果以及配电网电力系统的平衡稳定需要,采用实时电价方法,对需求侧响应处理调节,日中2h重构为每隔2h执行一次,通过配电网开关重构中心每隔2h对可配电网负荷功率预测,根据结果及电力系统平衡稳定需要,采用可中断电力负荷方法,调节配电网开关顺序;日中30min重构为每隔30min执行一次,由配电网重构中心每隔30min对配电同负荷功率预测,根据预测结果及电力系统平衡稳定要求,采用直接控制开关的方法,调节配电网的开关顺序;根据多时段尺度开关动态重构策略,在保证配电网系统平稳运行的基础上,设置日前24h重构目标函数:W1=∑[γ1(s)·ω1(s)+∑(γ′1(s)·ω′1(s))](26),式中,W1为需求侧响应下的配电网日前重构运行损耗;γ1(s)为日前s时间段内配电网主网通过的电量;ω1(s)为日前s时间段内配电网主网通过电量总功率:γ′1(s)为日前s时间段内配电网运行响应功率:ω′1(s)为日前s时间段内响应调整功率;日前24h重构的约束条件为:保证配电网中电力系统的正常功率运行、可再生能源用量与外部购电功率以及实施电力价格响应后电力系统的用电平衡、负荷代理可调整量约束,以此完成对多时段尺度下开关的动态重构;
步骤6.3:实施配电网多时段开关顺序动态重构机制:在完成对多时段尺度开关动志重构后,为进一步实现配电网电力系统的稳定运行,在具体变施开关顺序重构的过程中还需要实施配电网多时段开关顺序动态重构机制,以根据不同重构结果,对开关顺序重新进行重构。
在本实施例中,在动态重构机制当中,引入自耦变压器动态调节机制,通过配电网电磁耦台的方式,实现降损效能的提升,将双向可控硅的使用通过单相开关控制电容装置的通电作业,实现对每一个开关断开f或连接的过程中,充电和放电时间的控制;采用动态切换的方式控制电阻的大小,以减少配电网运行过程中电压、电流的瞬态变化,避免变压装置使用时产生短路现象;同时,针对多个时段内配电网开关的实际使用情况,引入微机控制器动态调节机制,选用DSP芯片,将其作为外围电路的辅助工具,同时,在该芯片当中还可输入440V测电流和电压信号,完成对信号的实时监测;通过引入芯片,实现对控制程序的数字化转换;结合不同供电企业配电网的实际运行规模,以及需求侧响应的不同,将其作为降损的重要参照,实现对不同电力负荷水平下通过改变开关顺序,对配电网的动态降损;同时,通过这样的动态重构机制,能够在配电网出现故障时,减少不必要的能源浪费,提高降损处理的及时性。
本发明为考虑需求响应和时段耦合的配电网承载能力评估方法,在使用中,本发明针对配电网多利益主体协同优化问题,提出了考虑需求响应和边缘计算的配电网分布主优化调度方法,考虑含DG和FL的配电网多利益主体特点,首先,提出虚机区域分解方珐对配电网不同利益主体进行划分,构建基于边缘计算的配电网分区分层优化框架;其次,分别建立配电网、分布式电源和柔性负荷的优化模型,提出以配电网能量管理系统为云计算节点、以智能配变终端为边缘计算节点的配电网分布式优化调度方法;然后,分别构建分布式电源、柔性负荷优化问题的KKT条件对原分层优化模型进行转化,能够较好地实现配电网中不同主体之间的协同优化;本发明以需求侧响应为基础建立配电网开关分层重构架构,根据多时段尺度匹配特性实施配电网多时段开关顺序动态重构机制,在实际应用中能够有效降低配电网的运行损耗,为配电网安全、可靠运行提供有利条件;本发明具有实现配网中不同主体之间协同优化、有效降低配网运行损耗、保证配网安全可靠运行的优点。
Claims (7)
1.考虑需求响应和时段耦合的配电网承载能力评估方法,其特征在于:所述的方法包括以下步骤:
步骤1:构建考虑需求响应和边缘计算的配电网分布式优化调度模型;
步骤2:对需求响应和边缘计算进行分析;
步骤3:构建分布式优化总体框架;
步骤4:构建配电网分布式优化调度模型;
步骤5:对模型进行转化与求解;
步骤6:构建考虑需求侧响应的多时段配电网开关顺序重构架构。
2.如权利要求1所述的考虑需求响应和时段耦合的配电网承载能力评估方法,其特征在于:所述的步骤2中的需求响应分析具体为:需求响应是通过市场价格信号或激励机制引导电力用户的用电行为,从而实现削峰填谷、促进新能源消纳,保证电网安全稳定运行;其中基于价格的需求响应是指用户根据零售电价信息调整自身的用电行为,其电价信号包括分时电价、实时电价和尖峰电价;基于激励的需求响应是指实施机构通过制定相应激励政策,促进电力用户在系统负荷高峰时期响应负荷削减,并给予需求响应负荷相应的电价折扣或直接赔偿;基于价格型需求响应,采用负荷价格需求弹性矩阵来近似描述电力负荷电价信号响应情况:式中,/>分别为时段t电力需求和电价变化量;q1、p1为对应的基准值;εij为需求价格弹性系数矩阵中元素。
3.如权利要求2所述的考虑需求响应和时段耦合的配电网承载能力评估方法,其特征在于:所述的步骤2中的边缘计算分析具体为:边缘计算的基本理念是将计算任务在靠近网络边缘的数据源侧进行,从而减少通信时延、降低通信带宽要求、缓解云主站计算压力,并实现边缘节点的数据隐私保护,在此基础上,采用考虑DG即分布式发电和FL即柔性负荷接入的配电网云一边协同能量管理框架,在配电网EMS即配电网能量管理系统云主站进行集中计算:以配电网中智能配变终端作为边缘计算节点进行边缘计算,实现对DG和FL出力的自主优化决策,通过配电网EMS和智能配变终端之间的协同,实现配电网能量管理的分布式优化。
4.如权利要求1所述的考虑需求响应和时段耦合的配电网承载能力评估方法,其特征在于:所述的步骤3中的构建分布式优化总体框架具体包括以下在:
步骤3.1:集中式优化:在集中优化体系下,配电网EMS作为优化调度决策主体,基于SCADA系统采集配电网运行信息,通过云主站进行集中的优化调度,其优化调度模型为:式中,f(x,y)为该优化调度问题的目标函数;g(x,y)、h(x,y)分别为优化问题的不等式约束和等式约束;x、y为决策变量;其中,目标函数一般为配电网运行成本最小,主要考虑机组发电成本、启停成本、负荷中断补偿成本,约束条件考虑功率平衡约束、机组出力约束、爬坡约束、线路容量约束;
步骤3.2:配电网虚拟区域分解:基于传统电网分区的思想,对配电网内部根据利益主体进行虚拟区域分解,虚拟区域分解,是为了表征不同主体之间的利益关系、实现不同主体的自主优化;
步骤3.3:基于边缘计算的分层分区优化总体框架:基于配电网云-边协同能量管理框架和配电网络虚拟区域分解,提出配电网分区分层优化调度方法,通过边缘计算赋予网络边缘节点独立计算能力,实现配电网EMS计算负载向网络边缘的卸载,通过配电网络物理虚拟分区和信息分层,实现配电网优化调度的集中-分布式协调。
5.如权利要求1所述的考虑需求响应和时段耦合的配电网承载能力评估方法,其特征在于:所述的步骤4中的构建配电网分布式优化调度模型是通过虚拟区域分解实现包括配电网运营者、DG所有者和FL不同利益主体的内部优化,通过分层实现不同分区间的协同优化,具体包括以下步骤:
步骤4.1:配电网优化调度模型:①目标函数:配电网的优化目标为其运行成本最小化,包括从上级电网购电成本、向DG购电成本、向FL需求响应补贴成本及其售电收益,具体为:cnet=cgrid+cDG+cDR(3), 式中:T为调度时段数;pgrid,t、pDG,t、pDR,t、psell,t分别为t时段配电网向上级电网购电电价、向DG购电电价、需求响应单位补贴价格和向FL售电电价;Pgrid,t、PDG,t、PDR,t、ΔPDR,t分别为t时段配电网向上级电网的购电功率、向DC的购电功率、需求响应前的FL功率以及需求响应功率,其中ΔPDR,t为正表示负荷削减;②约束条件:配电网的决策变量为向上级电网的购电功率、向DG的购电电价以及向FL的售电电价,其约束条件除考虑系统功率平衡约束和线路容量约束外,其通过制定电价策略引导DG所有者和FL的响应行为,还需考虑电价约束,具体为:pgrid,t+pDG,t=PL,t-ΔPDR,t(7),-Pl,min≤Pl,t≤Pl,max(8),pDG,min≤pDG,t≤pDG,max(9),pDR,min≤pDR,t≤pDR,max(10),psell,min≤psell,t≤psell,max(11),式中,PL,t为t时段配电网的总负荷;Pl,t为t时段线路l的有功潮流;Pl,max为线路l的有功潮流上限;pDG,max、pDG,min分别为配电网向DC购电电价上下限;pDR,max、pDR,min分别为需求响应单位电量补贴成本;psell,max、psell,min分别为配电网向FL售电成本;
步骤4.2:DG优化调度模型:①目标函数:DG的优化目标为其利润最大化,包括向配电网的售电收益和自身发电成本,具体为:fDG=fnet-cgen(12),式中,cgen为DG的发电成本,包含燃料成本即可再生能源发电不计燃料成本;a、b、c分别为其发电的成本系数;②约束条件:DG的决策变量为自身的出力计划,约束条件考虑出力上下限约束、爬坡约束和启停成本约束,具体为:PDG,min≤PDG,t≤PDG,max(15),/>式中,PDG,t为DG在t时段的有功出力;PDG,max、PDG,min分别为DG的有功出力上下限;/>分别为DG的爬坡速率上下限;
步骤4.3:FL优化模型:①目标函数:FL的优化目标为其参与需求响应情况下购电成本最小化,包括从配电网购电成本、需求响应补贴收益和负荷削减损失,具体为:cFL=cbuy-fDR+closs(17), 式中,a0、b0、c0分别为FL负荷削减成本系数;②约束条件:FL的决策变量为其需求响应策略ΔPDR,t,基于配电网的负荷售电电价信息,假定FL可在调度时段内平移,但保征总量不变,因此满足约束:ΔPDR,min≤ΔPDR,t≤ΔPDR,max(21),/>
步骤4.4:配电网分区分层优化调度模型:基于配电网中不同利益主体的分区优化模型,构建基于边缘计算的配电网分区分层优化模型。其中,上层以配电网运营者为决策者,通过配电网EMS进行集中计算来制定电价策略,从而引导DG所有者、FL的决策行为;下层以智能配边终端为边缘计算节点,通过边缘计算制定DG、FL优化方案,以响应配电网电价信号。
6.如权利要求1所述的考虑需求响应和时段耦合的配电网承载能力评估方法,其特征在于:所述的步骤5中的对模型进行转化与求解具体包括以下步骤:
步骤5.1:模型转化:对下层DG和FL优化子问题构建KKT约束以简化两层模型求解复杂度,具体转化过程为:对与DG优化问题式(12)-(16),构建其KKT约束条件为:式中,/>分别为公式(15)、(16)右端不等式对应的拉格朗日乘子;/>分别为公式(15)、(16)左端不等式对应的拉格朗日乘子;对于FL优化问题式(17)-(22),构建其KKT约束条件为:式中,/>分别为公式(21)右端不等式和左端不等式对应的拉格朗日乘子;μDR为公式(22)对应的拉格朗日乘子;综上,分区分层优化模型可转化为:/>
步骤5.2:模型求解:针对式(25)所述的非线性规划问题,基于MAT-LAB的Yalmip平台编程,并调用gurobi求解器进行求解。
7.如权利要求1所述的考虑需求响应和时段耦合的配电网承载能力评估方法,其特征在于:所述的步骤6中的构建考虑需求侧响应的多时段配电网开关顺序重构架构采用多时段配电网开关顺序重构方法,具体包括以下步骤:
步骤6.1:开关分层重构框架:为实现对多时段配电网开关顺序的重构,选用分层式重构模式作为多时段配电网开关顺序重构模式,以配电网用电用户的需求侧响应作为重构基础,建立两个分层结构,分别为用于响应的代理层以及用于配电网开关顺序重构的中心层;在配电网重构层当中采用集中重构的方法,在响应代理层中采用分布式的重构方法;
步骤6.2:多时段尺度匹配特性:在建立基于需求侧响应的多时段配电网开关分层重构框架后,具体实施策略可根据需求侧响应特性以及其再时间尺度上的匹配特性,实施多时段尺度开关动态重构策略;多时段尺度开关动态重构的时问段分为日前、日中2h内和日中30min内;日前开关重构为每隔24h执行一次,用于预测次日配电网环境中需求侧响应需求量,根据预测结果以及配电网电力系统的平衡稳定需要,采用实时电价方法,对需求侧响应处理调节,日中2h重构为每隔2h执行一次,通过配电网开关重构中心每隔2h对可配电网负荷功率预测,根据结果及电力系统平衡稳定需要,采用可中断电力负荷方法,调节配电网开关顺序;日中30min重构为每隔30min执行一次,由配电网重构中心每隔30min对配电同负荷功率预测,根据预测结果及电力系统平衡稳定要求,采用直接控制开关的方法,调节配电网的开关顺序;根据多时段尺度开关动态重构策略,在保证配电网系统平稳运行的基础上,设置日前24h重构目标函数:W1=∑[γ1(s)·ω1(s)+∑(γ1′(s)·ω1′(s))](26),式中,W1为需求侧响应下的配电网日前重构运行损耗;γ1(s)为日前s时间段内配电网主网通过的电量;ω1(s)为日前s时间段内配电网主网通过电量总功率:γ1′(s)为日前s时间段内配电网运行响应功率:ω1′(s)为日前s时间段内响应调整功率;日前24h重构的约束条件为:保证配电网中电力系统的正常功率运行、可再生能源用量与外部购电功率以及实施电力价格响应后电力系统的用电平衡、负荷代理可调整量约束,以此完成对多时段尺度下开关的动态重构;
步骤6.3:实施配电网多时段开关顺序动态重构机制:在完成对多时段尺度开关动志重构后,为进一步实现配电网电力系统的稳定运行,在具体变施开关顺序重构的过程中还需要实施配电网多时段开关顺序动态重构机制,以根据不同重构结果,对开关顺序重新进行重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310048137.3A CN116231748A (zh) | 2023-01-31 | 2023-01-31 | 考虑需求响应和时段耦合的配电网承载能力评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310048137.3A CN116231748A (zh) | 2023-01-31 | 2023-01-31 | 考虑需求响应和时段耦合的配电网承载能力评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116231748A true CN116231748A (zh) | 2023-06-06 |
Family
ID=86583713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310048137.3A Withdrawn CN116231748A (zh) | 2023-01-31 | 2023-01-31 | 考虑需求响应和时段耦合的配电网承载能力评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116231748A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116707031A (zh) * | 2023-08-02 | 2023-09-05 | 中国电力科学研究院有限公司 | 一种台区微电网系统及控制方法 |
CN117273557A (zh) * | 2023-11-20 | 2023-12-22 | 杭州轻舟科技有限公司 | 基于轻-ems的用户侧虚拟电厂运营方法、电子设备和介质 |
-
2023
- 2023-01-31 CN CN202310048137.3A patent/CN116231748A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116707031A (zh) * | 2023-08-02 | 2023-09-05 | 中国电力科学研究院有限公司 | 一种台区微电网系统及控制方法 |
CN116707031B (zh) * | 2023-08-02 | 2023-12-15 | 中国电力科学研究院有限公司 | 一种台区微电网系统及控制方法 |
CN117273557A (zh) * | 2023-11-20 | 2023-12-22 | 杭州轻舟科技有限公司 | 基于轻-ems的用户侧虚拟电厂运营方法、电子设备和介质 |
CN117273557B (zh) * | 2023-11-20 | 2024-04-19 | 杭州轻舟科技有限公司 | 基于轻-ems的用户侧虚拟电厂运营方法、电子设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Optimal bidding strategy and profit allocation method for shared energy storage-assisted VPP in joint energy and regulation markets | |
Yi et al. | Coordinated operation strategy for a virtual power plant with multiple DER aggregators | |
Norouzi et al. | Hybrid stochastic/robust flexible and reliable scheduling of secure networked microgrids with electric springs and electric vehicles | |
Scott et al. | Network-aware coordination of residential distributed energy resources | |
Mohamed et al. | Real-time energy management scheme for hybrid renewable energy systems in smart grid applications | |
CN116231748A (zh) | 考虑需求响应和时段耦合的配电网承载能力评估方法 | |
US20160043550A1 (en) | Management of grid-scale energy storage systems for multiple services | |
Samende et al. | Multi-agent deep deterministic policy gradient algorithm for peer-to-peer energy trading considering distribution network constraints | |
Huy et al. | Real-time energy scheduling for home energy management systems with an energy storage system and electric vehicle based on a supervised-learning-based strategy | |
CN108321796A (zh) | 家庭能量管理系统与方法 | |
CN113326994A (zh) | 一种考虑源荷储互动的虚拟电厂能量协同优化方法 | |
Mohammed et al. | Interruptible charge scheduling of plug-in electric vehicle to minimize charging cost using heuristic algorithm | |
CN110739690A (zh) | 考虑电动汽车快充站储能设施的配电网优化调度方法及系统 | |
US20160042369A1 (en) | Dynamic co-optimization management for grid scale energy storage system (gsess) market participation | |
CN116054241B (zh) | 一种新能源微电网群系统鲁棒能量管理方法 | |
CN115271438A (zh) | 一种可计及碳排放的多主体博弈协同调度方法及电子设备 | |
Zhou et al. | Urban virtual power plant operation optimization with incentive-based demand response | |
Aguilar et al. | Intent profile strategy for virtual power plant participation in simultaneous energy markets with dynamic storage management | |
Li et al. | A multi-time scale coordinated control and scheduling strategy of EVs considering guidance impacts in multi-areas with uncertain RESs | |
Bonetto et al. | Joint optimal pricing and electrical efficiency enforcement for rational agents in microgrids | |
CN116885714A (zh) | 一种电力市场均衡方法、系统、设备及存储介质 | |
CN109687452B (zh) | 一种用于配电网供电能力的分析方法、装置及存储介质 | |
Klaimi et al. | Energy management algorithms in smart grids: State of the art and emerging trends | |
CN115051361B (zh) | 考虑5g基站负荷特性的共享储能调控方法与管理系统 | |
CN111244938A (zh) | 应用于电网的源网荷储协调控制方法、装置及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230606 |