CN116865243A - 微电网能量控制方法、装置、设备及介质 - Google Patents

微电网能量控制方法、装置、设备及介质 Download PDF

Info

Publication number
CN116865243A
CN116865243A CN202310721915.0A CN202310721915A CN116865243A CN 116865243 A CN116865243 A CN 116865243A CN 202310721915 A CN202310721915 A CN 202310721915A CN 116865243 A CN116865243 A CN 116865243A
Authority
CN
China
Prior art keywords
grid
micro
prediction
target
predicted
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
CN202310721915.0A
Other languages
English (en)
Inventor
石雨鑫
李云伟
熊再豹
高宇
赵晋宇
程明
张玉江
张勇
李军
朱宪磊
樊志强
王华广
张玉军
葛小宁
葛磊蛟
蒋陶宁
王林
于晓铭
布小红
杜少飞
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.)
Inner Mongolia Hmhj Aluminum Electricity Co ltd
State Nuclear Electric Power Planning Design and Research Institute Co Ltd
Original Assignee
Inner Mongolia Hmhj Aluminum Electricity Co ltd
State Nuclear Electric Power Planning Design and Research Institute Co Ltd
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 Inner Mongolia Hmhj Aluminum Electricity Co ltd, State Nuclear Electric Power Planning Design and Research Institute Co Ltd filed Critical Inner Mongolia Hmhj Aluminum Electricity Co ltd
Priority to CN202310721915.0A priority Critical patent/CN116865243A/zh
Publication of CN116865243A publication Critical patent/CN116865243A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/003—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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00016—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using a wired telecommunication network or a data transmission bus
    • H02J13/00017—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using a wired telecommunication network or a data transmission bus using optical fiber
    • 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
    • H02J3/28—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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Human Computer Interaction (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本公开提出一种微电网能量控制方法、装置、设备及介质，方法包括：在微电网能量控制周期中执行至少一轮随机模型预测控制算法对应的预测模型的修正过程；每一轮修正过程中，采用本轮的预测模型，预测微电网从目标时刻起的预测时域内预测变量的预测值；获取微电网的多个目标场景对应的发生概率；基于发生概率，采用随机模型预测控制算法滚动优化求解目标时刻起的控制时域内满足约束条件的目标函数，以输出最优控制策略；执行最优控制策略中的首个控制策略，以在执行后获取预测变量的实际测量值；根据预测变量的实际测量值和预测变量的预测值，对本轮的预测模型进行修正，以得到下一轮的预测模型。由此，可以实现对微电网能量的最优控制。

Description

微电网能量控制方法、装置、设备及介质
技术领域
本公开涉及计算机技术领域，尤其涉及一种微电网能量控制方法、装置、设备及介质。
背景技术
微电网是由分布式电源、储能设备、能量转换设备、相关负载设备、等组成，能够根据物理或经济条件的要求自主运行，且具有系统运行优化、电能质量治理、故障检测与保护等方面的功能，可以保证整个微电网系统的稳定性和安全性。
然而，随着分布式电源的迅速发展，其存在的问题也逐渐凸显出来。分布式电源中可再生能源发电具有随机性、间歇性、可调度性差的缺点。当微电网的分布式电源中可再生能源发电机组对应的电源接入大电网时，会给大电网的电能质量带来一系列的负面问题，比如造成电压和频率的不稳定。因此，对微电网能量进行有效控制，以维护电力系统的平稳运行是非常重要的。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
本公开提出一种微电网能量控制方法、装置、设备及介质，以基于随机模型预测控制算法中的滚动优化与反馈校正，调整未来时段微电网的工作状态，保持微电网一直工作在最优状态，实现对微电网能量的最优控制。
本公开第一方面实施例提出了一种微电网能量控制方法，包括：
在微电网能量控制周期中执行至少一轮随机模型预测控制算法对应的预测模型的修正过程；
每一轮所述修正过程中，采用本轮的随机模型预测控制算法对应的预测模型，预测微电网从目标时刻起的预测时域内预测变量的预测值；其中，所述预测变量包括可再生能源出力和负载设备的负荷功率；所述目标时刻指示所述修正过程对应的时刻；
获取所述微电网的多个目标场景对应的发生概率；其中，所述目标场景是对所述预测变量进行分析得到的；
基于所述多个目标场景对应的发生概率，采用随机模型预测控制算法滚动优化求解所述目标时刻起的控制时域内满足约束条件的目标函数，以输出最优控制策略；
执行所述最优控制策略中的首个控制策略，以在执行后获取所述预测变量的实际测量值；
根据所述预测变量的实际测量值，以及预测变量的预测值，对本轮的随机模型预测控制算法对应的预测模型进行修正，以得到下一轮的随机模型预测控制算法对应的预测模型。
本公开实施例的微电网能量控制方法，通过在微电网能量控制周期中执行至少一轮随机模型预测控制算法对应的预测模型的修正过程；每一轮修正过程中，采用本轮的随机模型预测控制算法对应的预测模型，预测微电网从目标时刻起的预测时域内预测变量的预测值；其中，预测变量包括可再生能源出力和负载设备的负荷功率；目标时刻指示修正过程对应的时刻；获取微电网的多个目标场景对应的发生概率；其中，目标场景是对预测变量进行分析得到的；基于多个目标场景对应的发生概率，采用随机模型预测控制算法滚动优化求解目标时刻起的控制时域内满足约束条件的目标函数，以输出最优控制策略；执行最优控制策略中的首个控制策略，以在执行后获取预测变量的实际测量值；根据预测变量的实际测量值，以及预测变量的预测值，对本轮的随机模型预测控制算法对应的预测模型进行修正，以得到下一轮的随机模型预测控制算法对应的预测模型。由此，可以基于随机模型预测控制算法中的滚动优化与反馈校正，调整未来时段微电网的工作状态，保持微电网一直工作在最优状态，实现对微电网能量的有效控制。
本公开第二方面实施例提出了一种微电网能量控制装置，包括：
第一执行模块，用于在微电网能量控制周期中执行至少一轮随机模型预测控制算法对应的预测模型的修正过程；
预测模块，用于每一轮所述修正过程中，采用本轮的随机模型预测控制算法对应的预测模型，预测微电网从目标时刻起的预测时域内预测变量的预测值；其中，所述预测变量包括可再生能源出力和负载设备的负荷功率；所述目标时刻指示所述修正过程对应的时刻；
获取模块，用于获取所述微电网的多个目标场景对应的发生概率；其中，所述目标场景是对所述预测变量进行分析得到的；
处理模块，用于基于所述多个目标场景对应的发生概率，采用随机模型预测控制算法滚动优化求解所述目标时刻起的控制时域内满足约束条件的目标函数，以输出最优控制策略；
第二执行模块，用于执行所述最优控制策略中的首个控制策略，以在执行后获取所述预测变量的实际测量值；
修正模块，用于根据所述预测变量的实际测量值，以及预测变量的预测值，对本轮的随机模型预测控制算法对应的预测模型进行修正，以得到下一轮的随机模型预测控制算法对应的预测模型。
本公开实施例的微电网能量控制装置，通过在微电网能量控制周期中执行至少一轮随机模型预测控制算法对应的预测模型的修正过程；每一轮修正过程中，采用本轮的随机模型预测控制算法对应的预测模型，预测微电网从目标时刻起的预测时域内预测变量的预测值；其中，预测变量包括可再生能源出力和负载设备的负荷功率；目标时刻指示修正过程对应的时刻；获取微电网的多个目标场景对应的发生概率；其中，目标场景是对预测变量进行分析得到的；基于多个目标场景对应的发生概率，采用随机模型预测控制算法滚动优化求解目标时刻起的控制时域内满足约束条件的目标函数，以输出最优控制策略；执行最优控制策略中的首个控制策略，以在执行后获取预测变量的实际测量值；根据预测变量的实际测量值，以及预测变量的预测值，对本轮的随机模型预测控制算法对应的预测模型进行修正，以得到下一轮的随机模型预测控制算法对应的预测模型。由此，可以基于随机模型预测控制算法中的滚动优化与反馈校正，调整未来时段微电网的工作状态，保持微电网一直工作在最优状态，实现对微电网能量的最优控制。
本公开第三方面实施例提出了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本公开第一方面实施例提出的微电网能量控制方法。
本公开第四方面实施例提出了一种非临时性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如本公开第一方面实施例提出的微电网能量控制方法。
本公开第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行如本公开第一方面实施例提出的微电网能量控制方法。
本公开附加的方面和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，或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和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为本公开实施例一所提供的微电网能量控制方法的流程示意图；
图2为本公开所提供的微电网能量控制方法的流程示意图；
图3为本公开实施例二所提供的微电网能量控制装置的结构示意图；
图4示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
下面详细描述本公开的实施例，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，旨在用于解释本公开，而不能理解为对本公开的限制。
相关研究表明，分布式电源以微电网的接入形式接入到大电网时，可以有效提高分布式发电的能源利用率，并可以显著降低分布式发电对大电网的不利影响，可以成为一种有效的能源利用结构。其中，微电网由分布式电源、储能设备、能量转换设备、相关负载设备和监控保护装置等组成，能够根据物理或经济条件的要求自主运行，实现系统运行优化、电能质量治理、故障检测与保护等方面的功能，并可以保证整个微电网系统的稳定性和安全性。微电网按照其运行模式可以分为并网运行模式和孤岛运行模式。并网运行模式的微电网并入大电网运行，与大电网相互支撑协调，可以看作是大电网中的一个虚拟电源或负荷；孤岛运行模式的微电网通常出现在大电网故障或故障检修时与大电网断开连接独立运行时，以及出现在偏远山区或海岛用以解决偏远地区供能不足的问题，通过综合利用当地可再生能源有效降低投资和供电成本。孤岛运行模式的微电网可以看作是一个完整的小型发配电系统，能够实现局部的功率平衡和能量管理，并可以作为区域内能源电力供应受限时应急电力供应的重要手段，在一定程度上提升了突发事件紧急情况下的能源应急保障能力。
然而，随着分布式电源迅速发展，其存在的问题也逐渐凸显出来。分布式电源中可再生能源发电具有随机性，间歇性，可调度性差的缺点，当可再生能源发电机组对应的电源接入大电网运行，可能会给大电网的电能质量带来一系列的负面问题，比如造成电压和频率的不稳定。当大量分布式电源并网时，可能给电力系统的电力调度和调峰调频带来挑战，并可能会影响电网的经济效益。
本公开提出一种微电网能量控制方法、装置、设备及介质。
下面参考附图描述本公开实施例的微电网能量控制方法、装置、设备及介质。
图1为本公开实施例一所提供的微电网能量控制方法的流程示意图。
本公开实施例以该微电网能量控制方法被配置于微电网能量控制装置中来举例说明，该微电网能量控制装置可以应用于任一电子设备中，以使该电子设备可以执行微电网能量控制功能。
其中，电子设备可以为任一具有计算能力的设备，例如可以为个人电脑(PersonalComputer，简称PC)、移动终端、服务器等，移动终端例如可以为手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
如图1所示，该微电网能量控制方法可以包括以下步骤：
步骤101，在微电网能量控制周期中执行至少一轮随机模型预测控制算法对应的预测模型的修正过程。
在本公开实施例中，微电网能量控制周期可以为预先设定的，比如，可以为10min、12h、48h等，本公开对此不作限制。
在本公开实施例中，在微电网能量控制周期中可以执行至少一轮随机模型预测控制算法对应的预测模型的修正过程。
步骤102，每一轮修正过程中，采用本轮的随机模型预测控制算法对应的预测模型，预测微电网从目标时刻起的预测时域内预测变量的预测值。
其中，预测变量可以包括可再生能源出力和负载设备的负荷功率。
其中，目标时刻可以指示本轮修正过程对应的时刻。
在本公开实施例中，预测时域可以是预先设置的，比如可以为24h、48h等，本公开对此不做限制。
在本公开实施例中，随机模型预测控制算法对应的预测模型可以用来预测从某一时刻起未来的预测时域内预测变量的预测值。
在本公开实施例中，在每一轮的修正过程中，可以采用本轮的随机模型预测控制算法对应的预测模型，预测微电网从目标时刻起的预测时域内预测变量的预测值。
步骤103，获取微电网的多个目标场景对应的发生概率。
其中，目标场景可以是对预测变量进行分析得到的。
在本公开实施例中，微电网可以具有多个目标场景，且每一个目标场景可以具有对应的发生概率。
在本公开实施例中，可以获取微电网的多个目标场景对应的发生概率。
作为一种可能的实现方式，根据预测变量的预测值，采用基于抽样的场景生成法，生成微电网的多个初始场景，并获取各初始场景对应的初始概率；采用场景缩减法，缩减多个初始场景，以得到缩减后的多个目标场景；根据各初始场景对应的初始概率，确定多个目标场景对应的目标概率。
在本公开实施例中，可以根据预测变量的预测值，采用基于抽样的场景生成法，生成微电网的多个初始场景，并可以获取各初始场景对应的初始概率。比如，根据预测变量的预测值，以及预测变量预测误差的概率密度函数，采用基于抽样的场景生成法，可以生成微电网的多个初始场景，并可以获取各初始场景对应的初始概率，即根据预测变量的预测值，对预测变量预测误差的概率密度分布进行统计学抽样，将抽取的样本作为生成的微电网的初始场景，并可以获取各初始场景对应的初始概率。
在本公开实施例的一种可能的实现方式中，基于抽样的场景生成法可以为拉丁超立方抽样法。
在本公开实施例中，可以采用场景缩减法，缩减多个初始场景，以得到缩减后的多个目标场景。
作为一种示例，可以基于各初始场景之间的相似度，采用场景缩减法，缩减多个初始场景，从而可以得到缩减后的多个目标场景。例如，可以基于各初始场景之间的相似度，将各初始场景中相似度大于设定阈值的各初始场景识别为同一个目标场景，其中，设定阈值可以为预先设定的。由此，可以实现对多个初始场景的缩减，得到缩减后的多个目标场景。
比如，假设各初始场景包括场景1、场景2、场景3、场景4、场景5，各初始场景中场景1、场景2和场景5之间的相似度大于设定阈值，可以将场景1、场景2和场景5识别为同一个目标场景，比如场景1；场景3和场景4之间的相似度大于设定阈值，可以将场景3和场景4识别为同一个目标场景，比如场景3，由此，可以得到缩减后的目标场景包括场景1和场景3。
在本公开实施例的一种可能的实现方式中，场景缩减法可以为同步回代削减法。
在本公开实施例中，可以根据各初始场景对应的初始概率，确定多个目标场景对应的目标概率。
作为一种示例，针对任一目标场景，可以对目标场景的初始概率和与目标场景的相似度大于设定阈值的各初始场景的初始概率求和，从而可以将目标场景的初始概率和与目标场景的相似度大于设定阈值的各初始场景的初始概率之和，作为目标场景对应的目标概率。
步骤104，基于多个目标场景对应的发生概率，采用随机模型预测控制算法滚动优化求解目标时刻起的控制时域内满足约束条件的目标函数，以输出最优控制策略。
在本公开实施例中，控制时域可以是预先设置的，比如可以为24h、48h等，本公开对此不做限制。
需要说明的是，控制时域可以小于预测时域，或者控制时域可以与预测时域相同，本公开对此不做限制。
作为一种可能的实现方式，微电网中可以包括分布式电源，其中，分布式电源可以包括可再生能源发电机组对应的电源和不可再生能源发电机组对应的电源。
在本公开实施例中，可再生能源发电机组比如可以为风电发电机组、光伏发电机组、沼气发电机组、水电发电机组等，本公开对此不做限制。
在本公开实施例中，不可再生能源发电机组比如可以为天然气发电机组、燃煤发电机组、柴油发电机组等，本公开对此不做限制。
在本公开实施例的一种可能的实现方式中，在微电网包括分布式电源的情况下，目标函数可以为：
其中，
上述式中，C为微电网的总运行成本；S为微电网的目标场景的总个数；Prs为目标场景s的概率；T为总调度时段数；为微电网在时段j目标场景s下的运行成本；NDG为微电网中分布式电源的个数；Cf()、COM()和Ceav()分别为分布式电源对应的机组在运行时的燃耗成本、维护成本和污染排放成本；/>为分布式电源i在时段j的出力；/>为微电网从主电网购电的功率；CPP()为微电网从主电网购电的费用。
在本公开实施例的另一种可能的实现方式中，在微电网中包括储能装置的情况下，约束条件可以包括：
1、功率平衡约束：
式中，为微电网在时段j目标场景s下的总负荷功率；/>为微电网中储能装置在时段j目标场景s下的充放电功率，其中，当/>为正时表示充电功率，当/>为负时表示放电功率；
2、微电网与主电网交互功率限制：
式中，和/>分别为微电网与主电网之间允许传输功率的最小值和最大值；
3、分布式电源的运行约束：
式中，和/>分别为分布式电源i输出功率的最小值和最大值；/>和/>分别为分布式电源i爬坡率的上限和下限；
4、储能装置的约束：
式中，为储能装置在j时段的荷电状态SOC；σ为储能装置自放电率；η为储能装置充放电效率；EESS为储能装置的总容量；Δt为时间间隔；/>和/>分别为储能装置的SOC的上限值和下限值；且/>表示储能装置在调度周期T的初始时段和终止时段的SOC保持一致。
步骤105，执行最优控制策略中的首个控制策略，以在执行后获取预测变量的实际测量值。
在本公开实施例中，在确定最优控制策略之后，可以对微电网执行最优控制策略中的首个控制策略，由此，可以实现对微电网能量的最优控制。
在本公开实施例中，可以在执行最优控制策略中的首个控制策略之后，可以获取预测变量的实际测量值。
步骤106，根据预测变量的实际测量值，以及预测变量的预测值，对本轮的随机模型预测控制算法对应的预测模型进行修正，以得到下一轮的随机模型预测控制算法对应的预测模型。
在本公开实施例中，根据预测变量的实际测量值，以及预测变量的预测值，对本轮的随机模型预测控制算法对应的预测模型进行修正，以得到下一轮的随机模型预测控制算法对应的预测模型。
比如，可以根据预测变量的实际测量值和预测变量的预测值，得到预测误差，从而可以基于预测误差反馈修正本轮的随机模型预测控制算法对应的预测模型，以得到下一轮的随机模型预测控制算法对应的预测模型。由此，可以在整个微电网能量控制周期中形成闭环控制，即一方面可以对预测模型进行修正，一方面可以对微电网执行最优控制。
本公开实施例的微电网能量管控方法，通过在微电网能量控制周期中执行至少一轮随机模型预测控制算法对应的预测模型的修正过程；每一轮修正过程中，采用本轮的随机模型预测控制算法对应的预测模型，预测微电网从目标时刻起的预测时域内预测变量的预测值；其中，预测变量包括可再生能源出力和负载设备的负荷功率；目标时刻指示修正过程对应的时刻；获取微电网的多个目标场景对应的发生概率；其中，目标场景是对微电网中可再生能源出力情况和负载设备的负荷情况分析得到的；基于多个目标场景对应的发生概率，采用随机模型预测控制算法滚动优化求解目标时刻起的控制时域内满足约束条件的目标函数，以输出最优控制策略；执行最优控制策略中的首个控制策略，以在执行后获取预测变量的实际测量值；根据预测变量的实际测量值，以及预测变量的预测值，对本轮的随机模型预测控制算法对应的预测模型进行修正，以得到下一轮的随机模型预测控制算法对应的预测模型。由此，可以基于随机模型预测控制算法中的滚动优化与反馈校正，调整未来时段微电网的工作状态，保持微电网一直工作在最优状态，实现对微电网能量的最优控制。
下面结合示例，对本公开上述微电网能量控制方法进行详细说明。
作为一种示例，图2为本公开所提供的微电网能量控制方法的流程示意图，其中，该微电网能量控制方法可以包括以下步骤：
1)在当前时刻k，采用预测模型，获取预测时域内微电网中可再生能源出力的预测值和负载设备的负荷功率的预测值。
2)假设可再生能源出力和负载设备的负荷功率的预测误差均服从正态分布，基于预测误差的概率密度函数，可以运用拉丁超立方抽样法生成多个初始场景。
3)可以基于各初始场景间的相似度，采用同步回代削减法对各初始场景进行削减，得到削减后的各初始场景；获得具有代表性的有限个目标场景及每个目标场景对应的目标概率。
需要说明的是，在得到削减后的各初始场景之后，可以确定削减后的各初始场景的第一数量，并判断第一数量是否大于设定场景数量N；若否，则将削减后的各初始场景确定为具有具有代表性的目标场景，并可以确定每个目标场景的目标概率；若是，则重新采用同步回代削减法对各初始场景进行削减。
4)以微电网总运行成本最低为优化目标函数，各目标场景在每一时刻上的功率平衡约束、微电网与主电网交互功率限制、各分布式电源的运行约束及储能装置的约束等约束条件，建立上述式(1)至式(9)的滚动优化模型，通过求解滚动优化模型得到控制时域内的最优控制策略，并可以对微电网执行最优控制策略的第一项。
5)在k+1时刻，将可再生能源出力和负载设备的负荷功率的实际测量值，以及系统运行状态数据(包括负载设备的运行状态数据、分布式电源的运行状态数据、储能装置的运行状态数据等)进行反馈修正预测模型，从而形成闭环控制。
6)重复执行步骤1)至步骤5)，开始下一时刻的微电网能源优化，直到整个微电网优化周期(在本公开中记为微电网能量控制周期)结束。
需要说明的是，在重复执行步骤1)至步骤5)之前，需要判断微电网优化周期是否结束；若是，则对微电网的控制过程结束；若是，则重复执行步骤1)至步骤5)。
本公开所提供的微电网能量控制方法，可以基于随机模型预测控制算法中的滚动优化与反馈校正，调整未来时段微电网的工作状态，保持微电网一直工作在最优状态，实现对微电网能量的有效控制。
与上述图1实施例提供的微电网能量控制方法相对应，本公开还提供一种微电网能量控制装置，由于本公开实施例提供的微电网能量控制装置与上述图1实施例提供的微电网能量控制方法相对应，因此在微电网能量控制方法的实施方式也适用于本公开实施例提供的微电网能量控制装置，在本公开实施例中不再详细描述。
图3是本公开第二实施例所提供的一种微电网能量控制装置的结构示意图。
如图3所示，该微电网能量控制装置300可以包括：第一执行模块301、预测模块302、获取模块302、处理模块304、第二执行模块305以及修正模块306。
其中，第一执行模块301，用于在微电网能量控制周期中执行至少一轮随机模型预测控制算法对应的预测模型的修正过程。
预测模块302，用于每一轮修正过程中，采用本轮的随机模型预测控制算法对应的预测模型，预测微电网从目标时刻起的预测时域内预测变量的预测值；其中，预测变量包括可再生能源出力和负载设备的负荷功率；目标时刻指示修正过程对应的时刻。
获取模块303，用于获取微电网的多个目标场景对应的发生概率；其中，目标场景是对预测变量进行分析得到的。
处理模块304，用于基于多个目标场景对应的发生概率，采用随机模型预测控制算法滚动优化求解目标时刻起的控制时域内满足约束条件的目标函数，以输出最优控制策略。
第二执行模块305，用于执行最优控制策略中的首个控制策略，以在执行后获取预测变量的实际测量值。
修正模块306，用于根据预测变量的实际测量值，以及预测变量的预测值，对本轮的随机模型预测控制算法对应的预测模型进行修正，以得到下一轮的随机模型预测控制算法对应的预测模型。
在本公开实施例的一种可能的实现方式中，微电网中包括分布式电源，其中，分布式电源包括可再生能源发电机组对应的电源和不可再生能源发电机组对应的电源。
在本公开实施例的一种可能的实现方式中，目标函数为：
其中，
式中，C为微电网的总运行成本；S为微电网的目标场景的总个数；Prs为目标场景s的概率；T为总调度时段数；为微电网在时段j目标场景s下的运行成本；NDG为微电网中分布式电源的个数；Cf()、COM()和Ceav()分别为分布式电源对应的机组在运行时的燃耗成本、维护成本和污染排放成本；/>为分布式电源i在时段j的出力；/>为微电网从主电网购电的功率；CPP()为微电网从主电网购电的费用。
在本公开实施例的一种可能的实现方式中，微电网包括储能装置；约束条件包括：
(1)功率平衡约束：
式中，为微电网在时段j目标场景s下的总负荷功率；/>为微电网中储能装置在时段j目标场景s下的充放电功率，其中，当/>为正时表示充电功率，当/>为负时表示放电功率；
(2)微电网与主电网交互功率限制：
式中，和/>分别为微电网与主电网之间允许传输功率的最小值和最大值；
(3)分布式电源的运行约束：
式中，和/>分别为分布式电源i输出功率的最小值和最大值；/>和/>分别为分布式电源i爬坡率的上限和下限；
(4)储能装置的约束：
式中，为储能装置在j时段的荷电状态SOC；σ为储能装置自放电率；η为储能装置充放电效率；EESS为储能装置的总容量；Δt为时间间隔；/>和/>分别为储能装置的SOC的上限值和下限值；且/>表示储能装置在调度周期T的初始时段和终止时段的SOC保持一致。
在本公开实施例的一种可能的实现方式中，获取303，用于：根据预测变量的预测值，采用基于抽样的场景生成法，生成微电网的多个初始场景，并获取各初始场景对应的初始概率；采用场景缩减法，缩减多个初始场景，以得到缩减后的多个目标场景；根据各初始场景对应的初始概率，确定多个目标场景对应的目标概率。
在本公开实施例的一种可能的实现方式中，基于抽样的场景生成法包括拉丁超立方抽样法。
在本公开实施例的一种可能的实现方式中，场景缩减法包括同步回代削减法。
本公开实施例的微电网能量控制装置，通过在微电网能量控制周期中执行至少一轮随机模型预测控制算法对应的预测模型的修正过程；每一轮修正过程中，采用本轮的随机模型预测控制算法对应的预测模型，预测微电网从目标时刻起的预测时域内预测变量的预测值；其中，预测变量包括可再生能源出力和负载设备的负荷功率；目标时刻指示修正过程对应的时刻；获取微电网的多个目标场景对应的发生概率；其中，目标场景是对微电网中可再生能源出力情况和负载设备的负荷情况分析得到的；基于多个目标场景对应的发生概率，采用随机模型预测控制算法滚动优化求解目标时刻起的控制时域内满足约束条件的目标函数，以输出最优控制策略；执行最优控制策略中的首个控制策略，以在执行后获取预测变量的实际测量值；根据预测变量的实际测量值，以及预测变量的预测值，对本轮的随机模型预测控制算法对应的预测模型进行修正，以得到下一轮的随机模型预测控制算法对应的预测模型。由此，可以基于随机模型预测控制算法中的滚动优化与反馈校正，调整未来时段微电网的工作状态，保持微电网一直工作在最优状态，实现对微电网能量的有效控制。
为了实现上述实施例，本发明还提出一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本发明前述任一实施例提出微电网能量控制方法。
为了实现上述实施例，本发明还提出一种非临时性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如本发明前述任一实施例提出的微电网能量控制方法。
为了实现上述实施例，本发明还提出一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行如本发明前述任一实施例提出的微电网能量控制方法。
根据本发明的实施例，本发明还提供了一种电子设备、一种非临时性计算机可读存储介质和一种计算机程序产品。
如图4所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry Standard Architecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association；以下简称：VESA)局域总线以及外围组件互连(Peripheral Component Interconnection；以下简称：PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read OnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。
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发明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。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
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，并且本发明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，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种微电网能量控制方法，其特征在于，所述方法包括：
在微电网能量控制周期中执行至少一轮随机模型预测控制算法对应的预测模型的修正过程；
每一轮所述修正过程中，采用本轮的随机模型预测控制算法对应的预测模型，预测微电网从目标时刻起的预测时域内预测变量的预测值；其中，所述预测变量包括可再生能源出力和负载设备的负荷功率；所述目标时刻指示所述修正过程对应的时刻；
获取所述微电网的多个目标场景对应的发生概率；其中，所述目标场景是对所述预测变量进行分析得到的；
基于所述多个目标场景对应的发生概率，采用随机模型预测控制算法滚动优化求解所述目标时刻起的控制时域内满足约束条件的目标函数，以输出最优控制策略；
执行所述最优控制策略中的首个控制策略，以在执行后获取所述预测变量的实际测量值；
根据所述预测变量的实际测量值，以及预测变量的预测值，对本轮的随机模型预测控制算法对应的预测模型进行修正，以得到下一轮的随机模型预测控制算法对应的预测模型。
2.根据权利要求1所述的方法，其特征在于，所述微电网中包括分布式电源，其中，所述分布式电源包括可再生能源发电机组对应的电源和不可再生能源发电机组对应的电源。
3.根据权利要求2所述的方法，其特征在于，所述目标函数为：
其中，
式中，C为所述微电网的总运行成本；S为所述微电网的目标场景的总个数；Prs为目标场景s的概率；T为总调度时段数；为所述微电网在时段j目标场景s下的运行成本；NDG为所述微电网中分布式电源的个数；Cf()、COM()和Ceav()分别为所述分布式电源对应的机组在运行时的燃耗成本、维护成本和污染排放成本；/>为分布式电源i在时段j的出力；/>为所述微电网从主电网购电的功率；CPP()为所述微电网从所述主电网购电的费用。
4.根据权利要求2所述的方法，其特征在于，所述微电网包括储能装置；所述约束条件包括：
(1)功率平衡约束：
式中，为所述微电网在时段j目标场景s下的总负荷功率；/>为所述微电网中储能装置在时段j目标场景s下的充放电功率，其中，当/>为正时表示充电功率，当/>为负时表示放电功率；
(2)所述微电网与所述主电网交互功率限制：
式中，和/>分别为所述微电网与所述主电网之间允许传输功率的最
小值和最大值；
(3)所述分布式电源的运行约束：
式中，和/>分别为所述分布式电源i输出功率的最小值和最大值；/>和/>分别为所述分布式电源i爬坡率的上限和下限；
(4)所述储能装置的约束：
式中，为所述储能装置在j时段的荷电状态SOC；σ为所述储能装置自放电率；η为所述储能装置充放电效率；EESS为所述储能装置的总容量；Δt为时间间隔；/>和/>分别为所述储能装置的SOC的上限值和下限值；且/>表示所述储能装置在调度周期T的初始时段和终止时段的SOC保持一致。
5.根据权利要求1所述的方法，其特征在于，所述获取微电网的多个目标场景对应的发生概率，包括：
根据所述预测变量的预测值，采用基于抽样的场景生成法，生成所述微电网的多个初始场景，并获取各所述初始场景对应的初始概率；
采用场景缩减法，缩减所述多个初始场景，以得到缩减后的多个目标场景；
根据各所述初始场景对应的初始概率，确定所述多个目标场景对应的目标概率。
6.根据权利要求5所述的方法，其特征在于，所述基于抽样的场景生成法包括拉丁超立方抽样法。
7.根据权利要求5所述的方法，其特征在于，所述场景缩减法包括同步回代削减法。
8.一种微电网能量控制装置，其特征在于，所述装置包括：
第一执行模块，用于在微电网能量控制周期中执行至少一轮随机模型预测控制算法对应的预测模型的修正过程；
预测模块，用于每一轮所述修正过程中，采用本轮的随机模型预测控制算法对应的预测模型，预测微电网从目标时刻起的预测时域内预测变量的预测值；其中，所述预测变量包括可再生能源出力和负载设备的负荷功率；所述目标时刻指示所述修正过程对应的时刻；
获取模块，用于获取所述微电网的多个目标场景对应的发生概率；其中，所述目标场景是对所述预测变量进行分析得到的；
处理模块，用于基于所述多个目标场景对应的发生概率，采用随机模型预测控制算法滚动优化求解所述目标时刻起的控制时域内满足约束条件的目标函数，以输出最优控制策略；
第二执行模块，用于执行所述最优控制策略中的首个控制策略，以在执行后获取所述预测变量的实际测量值；
修正模块，用于根据所述预测变量的实际测量值，以及预测变量的预测值，对本轮的随机模型预测控制算法对应的预测模型进行修正，以得到下一轮的随机模型预测控制算法对应的预测模型。
9.一种电子设备，其特征在于，包括：
存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的微电网能量控制方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的微电网能量控制方法。
CN202310721915.0A 2023-06-16 2023-06-16 微电网能量控制方法、装置、设备及介质 Pending CN116865243A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310721915.0A CN116865243A (zh) 2023-06-16 2023-06-16 微电网能量控制方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310721915.0A CN116865243A (zh) 2023-06-16 2023-06-16 微电网能量控制方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN116865243A true CN116865243A (zh) 2023-10-10

Family

ID=88225970

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310721915.0A Pending CN116865243A (zh) 2023-06-16 2023-06-16 微电网能量控制方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116865243A (zh)

Similar Documents

Publication Publication Date Title
Liu et al. Optimal sizing of a wind-energy storage system considering battery life
Brown et al. Response to ‘Burden of proof: A comprehensive review of the feasibility of 100% renewable-electricity systems’
Qiu et al. Stochastic multistage coplanning of transmission expansion and energy storage
Wen et al. A review on reliability assessment for wind power
Billinton Impacts of energy storage on power system reliability performance
WO2019218671A1 (zh) 一种海岛微电网综合优化配置方法及装置
Faza A probabilistic model for estimating the effects of photovoltaic sources on the power systems reliability
Konstantelos et al. Capacity value of energy storage in distribution networks
US11916422B2 (en) Battery charge and discharge power control in a power grid
KR101899123B1 (ko) 국가 전력의 효율적 운용을 위한 국가 전력 통합 운용 시스템
Pommeret et al. Optimal energy transition with variable and intermittent renewable electricity generation
JP2017163780A (ja) 自己託送支援装置及び自己託送システム
Sun et al. Improving the restorability of bulk power systems with the implementation of a WF-BESS system
WO2019021627A1 (ja) 電源監視データ処理装置、電源監視データ処理方法、および電源監視データ処理プログラム
CN111859812A (zh) 天气影响下的海上风电场及柔直并网系统可靠性评估方法
CN109449929B (zh) 分布式电源对配网馈线利用率影响预测评估方法及产品
CN116502771B (zh) 一种基于电力物资预测的配电方法及系统
Parzen et al. Reducing energy system model distortions from unintended storage cycling through variable costs
KR101079763B1 (ko) 풍력발전기의 비용 기여도 산출방법, 이에 적용되는 비용 기여도 산출장치 및 기록매체
CN116865243A (zh) 微电网能量控制方法、装置、设备及介质
McKenna et al. Impact of wind curtailment and storage on the Irish power system 2020 renewable electricity targets: A free open-source electricity system balancing and market (ESBM) model
Alamri et al. Energy storage sizing and reliability assessment for power systems with variable generation
CN110707712B (zh) 一种考虑需求响应的微电网供电可靠性分析方法
CN110808614A (zh) 基于受端电网调峰及主网架输送能力约束的新能源消纳能力计算方法、系统及存储介质
Hu et al. Research on peak load optimization model considering interruptible load at peak time

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