CN116470543A - 一种虚拟电厂的运行控制方法、装置、设备及介质 - Google Patents
一种虚拟电厂的运行控制方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116470543A CN116470543A CN202310429818.4A CN202310429818A CN116470543A CN 116470543 A CN116470543 A CN 116470543A CN 202310429818 A CN202310429818 A CN 202310429818A CN 116470543 A CN116470543 A CN 116470543A
- Authority
- CN
- China
- Prior art keywords
- power supply
- time period
- supply data
- power plant
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005457 optimization Methods 0.000 claims abstract description 32
- 238000005259 measurement Methods 0.000 claims abstract description 7
- 238000004146 energy storage Methods 0.000 claims description 36
- 230000005611 electricity Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 238000007599 discharging Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- H02J3/28—Arrangements for balancing of the load in a network by storage of 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
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- 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]
-
- 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
本发明公开了一种虚拟电厂的运行控制方法、装置、设备及介质，其方法包括：获取目标虚拟电厂在当前时间段的供电数据；将当前时间段的供电数据输入预构建的预测供电模型，获取下一时间段的供电数据预测量；获取目标虚拟电厂在下一时间段的供电数据，并与供电数据预测量对比，获取预测误差量；根据预测误差量构建运行调度成本最小化的优化模型，并求解优化模型获取调度参数集；根据调度参数集执行迭代步骤，获取下一时间段最优的调度参数集；本发明既考虑了预测误差又兼顾调度时对全局的把握，有效改善了虚拟电厂使用时的整体效益。
Description
技术领域
本发明涉及一种虚拟电厂的运行控制方法、装置、设备及介质，属于电力系统技术领域。
背景技术
虚拟电厂是一种通过先进信息通信技术和软件系统，实现DG分布式能源、储能系统、可控负荷、电动汽车等DER可再生能源的聚合和协调优化，以作为一个特殊电厂参与电力市场和电网运行的电源协调管理系统。虚拟电厂的关键技术主要包括协调控制技术、智能计量技术以及信息通信技术。
VPP虚拟电厂的能量调度问题通常可以归结为离线、开环的优化问题。传统的能量调度算法基于负荷和分布式发电的输出，并且每个时刻每个单元的最优调度值是通过离线的随机优化得到的，这样做的前提是假设预测值准确，然而实际情况下由于负荷的不确定性、间歇性和分布式电源的输出波动，这一点很难做到。若能准确地获取预测值，就可以更好地安排最优决策以提高VPP整体的经济效益，因此提升预测的准确性是解决虚拟电厂运行控制的方向之一。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种虚拟电厂的运行控制方法、装置、设备及介质，能够通过获取最优调度参数，优化VPP整体的经济效益。
为达到上述目的，本发明是采用下述技术方案实现的：
第一方面，本发明提供了一种虚拟电厂的运行控制方法，包括：
获取目标虚拟电厂在当前时间段的供电数据；
将当前时间段的供电数据输入预构建的预测供电模型，获取下一时间段的供电数据预测量；
获取目标虚拟电厂在下一时间段的供电数据，并与供电数据预测量对比，获取预测误差量；
根据预测误差量构建运行调度成本最小化的优化模型，并求解优化模型获取调度参数集；
根据调度参数集执行迭代步骤，获取下一时间段最优的调度参数集。
可选的，所述获取目标虚拟电厂在当前时间段的供电数据包括：
获取当前时间段内目标虚拟电厂辖区的分布式电源产电数据和负荷用电数据；
计算产电数据和用电数据的差值获取在当前时间段的供电数据。
可选的，所述预测供电模型的构建包括：
获取多个相邻的历史时间段的供电数据；
将前一个历史时间段的供电数据作为输入数据，将后一个历史时间段的供电数据作为输入数据的标签数据，构建样本；
汇总样本生成样本集，并按预设比例将样本集划分为训练集和验证集；
构建基于卷积神经网络的预测供电模型，通过训练集对预测供电模型进行训练，通过验证集对预测供电模型进行验证，得到最终的预测供电模型。
可选的，所述优化模型minCost为：
minCost＝Cess+Cgrid+CE·E
式中，Cess、Cgrid分别为储能设备的调度成本和虚拟电厂从大电网的购电成本；Pess(k)、Pgrid(k)分别为在时刻k的储能设备的充放电功率和虚拟电厂与大电网的交换功率；EP(k)为在时刻k的分时电价；CE为预设的权重系数，E为预测误差量；t、N为时段的起始时刻和终止时刻，Δt为相邻时刻的时间间隔。
可选的，所述求解优化模型获取的调度参数集Pess、Pgrid为：
Pess＝[Pess(t),Pess(t+1),…Pess(k)…,Pess(N)]
Pgrid＝[Pgrid(t),Pgrid(t+1),…Pgrid(k)...Pgrid(N)]
式中，Pess(k)、Pgrid(k)分别为在时刻k的储能设备的充放电功率和虚拟电厂与大电网的交换功率，储能设备的充放电功率和虚拟电厂与大电网的交换功率为调度参数。
可选的，所述迭代步骤包括：
将控制变量策略集中的第一项Pess(t)、Pgrid(t)作为时刻t的调度参数；
若t>N，则将已获取的调度参数汇总生成最优的调度参数集；
若t≤N，则设置约束条件，并令t＝t+1；
获取目标虚拟电厂在当前时间段的供电数据；
将当前时间段的供电数据输入预构建的预测供电模型，获取下一时间段的供电数据预测量；
获取目标虚拟电厂在下一时间段的供电数据，并与供电数据预测量对比，获取预测误差量；
根据预测误差量构建运行调度成本最小化的优化模型，并在满足约束条件的前提下求解优化模型获取调度参数集。
可选的，所述设置约束条件包括：
根据时刻t的调度参数和储能设备的初始SOC值计算时刻t+1储能设备的SOC值；若时刻t+1储能设备的SOC值大于等于1，则储能设备在时刻t+1停止充电，若时刻t+1储能设备的SOC值小于等于0，则储能设备在时刻t+1停止放电。
第二方面，本发明提供了一种虚拟电厂的运行控制装置，所述装置包括：
数据获取模块，用于获取目标虚拟电厂在当前时间段的供电数据；
数据预测模块，用于将当前时间段的供电数据输入预构建的预测供电模型，获取下一时间段的供电数据预测量；
误差获取模块，用于获取目标虚拟电厂在下一时间段的供电数据，并与供电数据预测量对比，获取预测误差量；
优化计算模块，用于根据预测误差量构建运行调度成本最小化的优化模型，并求解优化模型获取调度参数集；
调度生成模块，用于根据调度参数集执行迭代步骤，获取下一时间段最优的调度参数集。
第三方面，本发明提供了一种电子设备，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据上述方法的步骤。
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
与现有技术相比，本发明所达到的有益效果：
本发明提供的一种虚拟电厂的运行控制方法、装置、设备及介质，既考虑了预测误差又兼顾调度时对全局的把握，减小了日常运行时VPP对大电网的冲击，有效改善了VPP使用时的整体效益。
附图说明
图1是本发明实施例一提供的一种虚拟电厂的运行控制方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例一：
如图1所示，本发明实施例提供了一种虚拟电厂的运行控制方法，包括以下步骤：
1、获取目标虚拟电厂在当前时间段的供电数据；具体包括：
获取当前时间段内目标虚拟电厂辖区的分布式电源产电数据和负荷用电数据；
计算产电数据和用电数据的差值获取在当前时间段的供电数据；
具体的，分布式电源包括光伏、水电。
2、将当前时间段的供电数据输入预构建的预测供电模型，获取下一时间段的供电数据预测量；
具体的，预测供电模型的构建包括：
S1、获取多个相邻的历史时间段的供电数据；
S2、将前一个历史时间段的供电数据作为输入数据，将后一个历史时间段的供电数据作为输入数据的标签数据，构建样本；
S3、汇总样本生成样本集，并按预设比例将样本集划分为训练集和验证集；
S4、构建基于卷积神经网络的预测供电模型，通过训练集对预测供电模型进行训练，通过验证集对预测供电模型进行验证，得到最终的预测供电模型。
3、获取目标虚拟电厂在下一时间段的供电数据，并与供电数据预测量对比，获取预测误差量。
4、根据预测误差量构建运行调度成本最小化的优化模型，并求解优化模型获取调度参数集；
具体的，优化模型minCost为：
minCost＝Cess+Cgrid+CE·E
式中，Cess、Cgrid分别为储能设备的调度成本和虚拟电厂从大电网的购电成本；Pess(k)、Pgrid(k)分别为在时刻k的储能设备的充放电功率和虚拟电厂与大电网的交换功率；EP(k)为在时刻k的分时电价；CE为预设的权重系数，E为预测误差量；t、N为时段的起始时刻和终止时刻，Δt为相邻时刻的时间间隔。
具体的，求解优化模型获取的调度参数集Pess、Pgrid为：
Pess＝[Pess(t),Pess(t+1),…Pess(k)…,Pess(N)]
Pgrid＝[Pgrid(t),Pgrid(t+1),…Pgrid(k)...Pgrid(N)]
式中，Pess(k)、Pgrid(k)分别为在时刻k的储能设备的充放电功率和虚拟电厂与大电网的交换功率，储能设备的充放电功率和虚拟电厂与大电网的交换功率为调度参数。
5、根据调度参数集执行迭代步骤，获取下一时间段最优的调度参数集；
其中，迭代步骤包括：
将控制变量策略集中的第一项Pess(t)、Pgrid(t)作为时刻t的调度参数；
若t>N，则将已获取的调度参数汇总生成最优的调度参数集；
若t≤N，则设置约束条件，并令t＝t+1；
获取目标虚拟电厂在当前时间段(此处的当前时间段的起始时刻为更新后的时刻t，从而以时间段内每个时刻作为起点进行求解，获取相应的调度参数集，将每个调度参数集的第一项作为最优的调度参数)的供电数据；
将当前时间段的供电数据输入预构建的预测供电模型，获取下一时间段的供电数据预测量；
获取目标虚拟电厂在下一时间段的供电数据，并与供电数据预测量对比，获取预测误差量；
根据预测误差量构建运行调度成本最小化的优化模型，并在满足约束条件的前提下求解优化模型获取调度参数集。
其中，设置约束条件包括：
根据时刻t的调度参数和储能设备的初始SOC值计算时刻t+1储能设备的SOC值；若时刻t+1储能设备的SOC值大于等于1，则储能设备在时刻t+1停止充电，若时刻t+1储能设备的SOC值小于等于0，则储能设备在时刻t+1停止放电。
具体的计算过程为：
如果最优调度参数为正，表示储能设备在放电，那么当前时刻储能设备的SOC值等于上一个时刻的SOC值减去当前时刻的充电/放电量(最优调度参数乘以时间间隔)除以储能设备的额定容量。
如果最优调度参数为负，表示储能设备在充电，那么当前时刻储能设备的SOC值等于上一个时刻的SOC值加上当前时刻的充电/放电量除以储能设备的额定容量。
如果最优调度参数为0，那么当前时刻储能设备的SOC值等于上一个时刻的SOC值。
实施例二：
第二方面，本发明提供了一种虚拟电厂的运行控制装置，装置包括：
数据获取模块，用于获取目标虚拟电厂在当前时间段的供电数据；
数据预测模块，用于将当前时间段的供电数据输入预构建的预测供电模型，获取下一时间段的供电数据预测量；
误差获取模块，用于获取目标虚拟电厂在下一时间段的供电数据，并与供电数据预测量对比，获取预测误差量；
优化计算模块，用于根据预测误差量构建运行调度成本最小化的优化模型，并求解优化模型获取调度参数集；
调度生成模块，用于根据调度参数集执行迭代步骤，获取下一时间段最优的调度参数集。
实施例三：
基于实施例一，本发明实施例提供了一种电子设备，包括处理器及存储介质；
存储介质用于存储指令；
处理器用于根据指令进行操作以执行根据上述方法的步骤。
实施例四：
基于实施例一，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种虚拟电厂的运行控制方法，其特征在于，包括：
获取目标虚拟电厂在当前时间段的供电数据；
将当前时间段的供电数据输入预构建的预测供电模型，获取下一时间段的供电数据预测量；
获取目标虚拟电厂在下一时间段的供电数据，并与供电数据预测量对比，获取预测误差量；
根据预测误差量构建运行调度成本最小化的优化模型，并求解优化模型获取调度参数集；
根据调度参数集执行迭代步骤，获取下一时间段最优的调度参数集。
2.根据权利要求1所述的虚拟电厂的运行控制方法，其特征在于，所述获取目标虚拟电厂在当前时间段的供电数据包括：
获取当前时间段内目标虚拟电厂辖区的分布式电源产电数据和负荷用电数据；
计算产电数据和用电数据的差值获取在当前时间段的供电数据。
3.根据权利要求1所述的虚拟电厂的运行控制方法，其特征在于，所述预测供电模型的构建包括：
获取多个相邻的历史时间段的供电数据；
将前一个历史时间段的供电数据作为输入数据，将后一个历史时间段的供电数据作为输入数据的标签数据，构建样本；
汇总样本生成样本集，并按预设比例将样本集划分为训练集和验证集；
构建基于卷积神经网络的预测供电模型，通过训练集对预测供电模型进行训练，通过验证集对预测供电模型进行验证，得到最终的预测供电模型。
4.根据权利要求1所述的虚拟电厂的运行控制方法，其特征在于，所述优化模型minCost为：
minCost＝Cess+Cgrid+CE·E
式中，Cess、Cgrid分别为储能设备的调度成本和虚拟电厂从大电网的购电成本；Pess(k)、Pgrid(k)分别为在时刻k的储能设备的充放电功率和虚拟电厂与大电网的交换功率；EP(k)为在时刻k的分时电价；CE为预设的权重系数，E为预测误差量；t、N为时段的起始时刻和终止时刻，Δt为相邻时刻的时间间隔。
5.根据权利要求1所述的虚拟电厂的运行控制方法，其特征在于，所述求解优化模型获取的调度参数集Pess、Pgrid为：
Pess＝[Pess(t),Pess(t+1),…Pess(k)…,Pess(N)]
Pgrid＝[Pgrid(t),Pgrid(t+1),…Pgrid(k)...Pgrid(N)]
式中，Pess(k)、Pgrid(k)分别为在时刻k的储能设备的充放电功率和虚拟电厂与大电网的交换功率，储能设备的充放电功率和虚拟电厂与大电网的交换功率为调度参数。
6.根据权利要求5所述的虚拟电厂的运行控制方法，其特征在于，所述迭代步骤包括：
将控制变量策略集中的第一项Pess(t)、Pgrid(t)作为时刻t的调度参数；
若t>N，则将已获取的调度参数汇总生成最优的调度参数集；
若t≤N，则设置约束条件，并令t＝t+1；
获取目标虚拟电厂在当前时间段的供电数据；
将当前时间段的供电数据输入预构建的预测供电模型，获取下一时间段的供电数据预测量；
获取目标虚拟电厂在下一时间段的供电数据，并与供电数据预测量对比，获取预测误差量；
根据预测误差量构建运行调度成本最小化的优化模型，并在满足约束条件的前提下求解优化模型获取调度参数集。
7.根据权利要求6所述的虚拟电厂的运行控制方法，其特征在于，所述设置约束条件包括：
根据时刻t的调度参数和储能设备的初始SOC值计算时刻t+1储能设备的SOC值；若时刻t+1储能设备的SOC值大于等于1，则储能设备在时刻t+1停止充电，若时刻t+1储能设备的SOC值小于等于0，则储能设备在时刻t+1停止放电。
8.一种虚拟电厂的运行控制装置，其特征在于，所述装置包括：
数据获取模块，用于获取目标虚拟电厂在当前时间段的供电数据；
数据预测模块，用于将当前时间段的供电数据输入预构建的预测供电模型，获取下一时间段的供电数据预测量；
误差获取模块，用于获取目标虚拟电厂在下一时间段的供电数据，并与供电数据预测量对比，获取预测误差量；
优化计算模块，用于根据预测误差量构建运行调度成本最小化的优化模型，并求解优化模型获取调度参数集；
调度生成模块，用于根据调度参数集执行迭代步骤，获取下一时间段最优的调度参数集。
9.一种电子设备，其特征在于，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1-7任一项所述方法的步骤。
10.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310429818.4A CN116470543A (zh) | 2023-04-20 | 2023-04-20 | 一种虚拟电厂的运行控制方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310429818.4A CN116470543A (zh) | 2023-04-20 | 2023-04-20 | 一种虚拟电厂的运行控制方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116470543A true CN116470543A (zh) | 2023-07-21 |
Family
ID=87183909
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310429818.4A Pending CN116470543A (zh) | 2023-04-20 | 2023-04-20 | 一种虚拟电厂的运行控制方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116470543A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117196680A (zh) * | 2023-09-21 | 2023-12-08 | 江苏方天电力技术有限公司 | 一种虚拟电厂参与市场交易的内部主体效益分配方法及装置 |
| CN117332236A (zh) * | 2023-10-30 | 2024-01-02 | 国网浙江省电力有限公司乐清市供电公司 | 一种虚拟电厂的数据跟踪检测方法、装置及存储介质 |
-
2023
- 2023-04-20 CN CN202310429818.4A patent/CN116470543A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117196680A (zh) * | 2023-09-21 | 2023-12-08 | 江苏方天电力技术有限公司 | 一种虚拟电厂参与市场交易的内部主体效益分配方法及装置 |
| CN117332236A (zh) * | 2023-10-30 | 2024-01-02 | 国网浙江省电力有限公司乐清市供电公司 | 一种虚拟电厂的数据跟踪检测方法、装置及存储介质 |
| CN117332236B (zh) * | 2023-10-30 | 2024-05-07 | 国网浙江省电力有限公司乐清市供电公司 | 一种虚拟电厂的数据跟踪检测方法、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111934360B (zh) | 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法 | |
| CN116470543A (zh) | 一种虚拟电厂的运行控制方法、装置、设备及介质 | |
| Capizzi et al. | Recurrent neural network-based control strategy for battery energy storage in generation systems with intermittent renewable energy sources | |
| CN110854932A (zh) | 一种交直流配电网多时间尺度优化调度方法及系统 | |
| CN106505558B (zh) | 一种直流配电网的能量输送控制方法及装置 | |
| CN106097154A (zh) | 一种工业园区能源中心的调度方法及系统 | |
| CN114069678A (zh) | 一种考虑储能退化成本的光储直流微电网能量调度方法 | |
| CN113824111A (zh) | 一种光储能场景中储能容量配置和调度方法 | |
| CN115313378A (zh) | 一种风光储发电站日前有功出力优化调度方法及系统 | |
| CN111293682A (zh) | 一种基于协同模型预测控制的多微网能量管理方法 | |
| CN114169236A (zh) | 基于lstm算法的相变蓄热式电采暖负控系统控制方法 | |
| Dai et al. | Robust energy management for a corporate energy system with shift-working V2G | |
| CN104578145A (zh) | 一种面向智能用电的连续任务型负荷能量控制方法 | |
| CN116111597A (zh) | 一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备 | |
| CN112101632A (zh) | 基于分布式估计算法楼宇负荷优化调度方法 | |
| Li et al. | Energy management model of charging station micro-grid considering random arrival of electric vehicles | |
| Michael et al. | Economic scheduling of virtual power plant in day-ahead and real-time markets considering uncertainties in electrical parameters | |
| Yang et al. | Deep reinforcement learning for economic energy scheduling in data center microgrids | |
| Chang et al. | Model predictive control based energy collaborative optimization management for energy storage system of virtual power plant | |
| CN113715669A (zh) | 电动汽车有序充电控制方法、系统、设备及可读存储介质 | |
| WO2024077752A1 (zh) | 一种混合储能系统充放电状态实时优化控制方法 | |
| Zhang et al. | Coordinated dispatch of the wind-thermal power system by optimizing electric vehicle charging | |
| CN112928755B (zh) | 光伏储能系统的控制方法、装置及存储介质 | |
| CN115764936A (zh) | 电网储能配置的优化方法、装置、设备及存储介质 | |
| CN111079966B (zh) | 一种广义负荷空间预测方法和系统 |
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 |