CN116961114A - 基于分区自治的多虚拟电厂协调调度优化方法 - Google Patents
基于分区自治的多虚拟电厂协调调度优化方法 Download PDFInfo
- Publication number
- CN116961114A CN116961114A CN202310984181.5A CN202310984181A CN116961114A CN 116961114 A CN116961114 A CN 116961114A CN 202310984181 A CN202310984181 A CN 202310984181A CN 116961114 A CN116961114 A CN 116961114A
- Authority
- CN
- China
- Prior art keywords
- power
- virtual power
- load
- power plant
- regional
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000010248 power generation Methods 0.000 claims abstract description 28
- 238000005265 energy consumption Methods 0.000 claims abstract description 8
- 230000005611 electricity Effects 0.000 claims description 20
- 238000004146 energy storage Methods 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 8
- 239000000243 solution Substances 0.000 description 6
- 230000004044 response Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及基于分区自治的多虚拟电厂协调调度优化方法，属于电力系统调度技术领域，其针对负荷型虚拟电厂和电源侧虚拟电厂的不同特性，对区域内可调资源进行分析，获取各虚拟电厂的类型和调度潜力；在上层优化调度模型中增加了以电源型虚拟电厂新能源消纳最大和负荷型虚拟电厂收益最大的目标函数；同时在下层优化调度模型中针对电源型虚拟电厂和负荷型虚拟电厂分别以发电成本最低为优化目标进行优化，该方法能够对参与电力市场交易的虚拟电厂进行精细化管理，充分利用了新能源发电，并提高了虚拟电厂收益。
Description
技术领域
本发明属于电力系统调度技术领域，尤其涉及一种基于分区自治的多虚拟电厂协调调度优化方法。
背景技术
虚拟发电厂(Virtual power plant，VPP)不同于具有物理存在的传统发电厂。它不仅打破了发电厂之间的物理边界，也打破了传统电力系统中发电侧和用电侧之间的物理界限。VPP利用先进的控制和通信技术，聚合了不同类型的分布式电源，如光伏、风电、可控负载、储能系统、电动汽车等。虚拟电厂通过对上述资源的聚合，使其作为一个有机整体参与到电力市场交易。然而，VPP参与电力市场交易的目的在于获取利润，充分利用可再生能源，降低发电成本。
然而，考虑到天气条件对光伏、风电等分布式电源输出的影响，以及用电的随机性，这些不确定因素将给系统的安全运行和经济调度带来困难和挑战。一般认为，虚拟电厂主要分为两类：负荷型虚拟电厂和电源侧虚拟电厂。负荷型虚拟电厂通过聚合具备负荷调节能力的市场化电力用户，包括电动车、可调节负荷、可中断负荷等，作为一个整体组建成虚拟电厂，对外提供负荷侧灵活响应。电源型虚拟电厂：在分布式电源发电侧组建虚拟电厂，其聚合了大型分布式光伏、风力发电、微型燃气轮机以及储能等资源型发电群。现有技术中，虽然存在许多针对虚拟电厂参与电力系统优化调度的相关文献，然而还没有文献报道针对不同特性的虚拟电厂进行分类调度管理的研究，现有技术存在着管理方式不够精细，新能源发电不能充分利用等问题。
发明内容
为了解决上述技术问题，本发明提供了一种基于分区自治的多虚拟电厂协调调度优化方法，该方法能够对参与电力市场交易的虚拟电厂进行精细化管理，充分利用了新能源发电，提高了虚拟电厂收益。
根据本发明的一方面，提供了一种基于分区自治的多虚拟电厂协调调度优化方法，构建包括多个虚拟电厂的区域电网调度系统，将所述调度系统划分为：区域电网调度层和虚拟电厂层；所述协调调度优化方法包括：
S1，通过对区域内可调资源进行分析，获取各虚拟电厂的类型和调度潜力；
S2，构建以区域电网调度为目标的上层调度模型，上层调度模型包括两个阶段，第一阶段以调度偏差最小为目标进行优化，在第一阶段优化的基础上，第二阶段以区域电网运行成本最低、电源型虚拟电厂新能源消纳最大、负荷型虚拟电厂收益最大进行多目标优化；
S3，区域电网调度中心依据各虚拟电厂的调度潜力和常规机组发电能力将调度计划分解发射给各虚拟电厂；
S4，构建以各虚拟电厂为调度目标的下层调度模型，各虚拟电厂根据接收到的发电计划，针对电源型虚拟电厂和负荷型虚拟电厂分别以发电成本最低为优化目标进行优化。
优选地，所述步骤S1中通过采集各虚拟电厂的负荷数据，获取虚拟电厂各时段的调节潜力，并通过聚类分析将用电负荷特征相似的虚拟电厂归类。
优选地，所述步骤S2中以调度偏差最小为目标进行优化的目标函数具体为：
其中，T为时段数，K为虚拟电厂的总数，Pg为常规机组发电功率，Pk,vpp为第k个虚拟电厂发电功率，为T个时间内系统内的平均负荷功率。
优选地，所述步骤S2中以区域电网运行成本最低、电源型虚拟电厂新能源消纳最大、负荷型虚拟电厂收益最大进行多目标优化的目标函数具体为：
其中，T为时段数，K为虚拟电厂的总数，M为电源型虚拟电厂的总数，N为负荷型虚拟电厂的总数，其中，M+N＝K；Cg为常规机组发电成本，Cm,vpp为区域电网向第m个电源型虚拟电厂的购电成本，Cn,vpp为区域电网向第n个负荷型虚拟电厂购电成本，Closs为区域电网功率调度总成本；I为电源型虚拟电厂内风力电站总数，J为电源型虚拟电厂内光伏电站总数，Pm,i,wind为电源型虚拟电厂内第i个风力电站发电功率，Pm,j,pv为电源型虚拟电厂内第j个光伏电站发电功率，△T为一个时段内有效发电时间；Pn,dr为第n负荷型虚拟电厂的可调功率，λprice为时段内电价。
优选的，所述针对电源型虚拟电厂和负荷型虚拟电厂分别以发电成本最低为优化目标进行优化的目标函数具体为：
其中，T为时段数，I为电源型虚拟电厂内风力电站总数，J为电源型虚拟电厂内光伏电站总数，Pdg为电源型虚拟电厂向区域电网供电功率，Pdr为负荷型虚拟电厂向区域电网供电功率，λprice为时段内电价；Ci,wind为电源型虚拟电厂内第i个风力电站发电的发电成本，Cj,pv为电源型虚拟电厂内第j个光伏电站发电成本，Cs,st为电源型虚拟电厂内第s个储能电站运行成本；CCL、CTL、CIL为负荷型虚拟电厂内的负荷削减成本、负荷转移成本和负荷中断成本。
具体的约束条件为，
功率平衡约束：
Pvpp+Pg＝Ploss+Pload
Pvpp为虚拟电厂注入功率，Pg为常规机组发电功率，Ploss为区域电网负荷损耗，Pload为区域电网负荷
联络线功率约束：
Pw,min<Pw<Pw,max
Pw,min和Pw,max为第w条虚拟电厂和区域电网传输支路功率上下限；
分布式电源出力约束：
分别为光伏机组出力上下限；/>分别为风电机组出力上下限；
常规机组出力约束：
蓄电池储能电站出力约束：
SOCmin<SOCt<SOCmax
SOCt、SOCt-1分别表示t时刻和t-1时刻蓄电池SOC值；分别表示t时刻蓄电池充电电量和放电电量；ηchr、ηdis分别表示t时刻蓄电池充电效率和放电效率；SOCmin、SOCmax分别表示蓄电池SOC最小值和最大值；/>表示t时刻蓄电池放电最小值和放电最大值；/>表示t时刻蓄电池充电最小值和充电最大值；
用户可削减负荷约束：
用户可中断负荷约束：
用户可转移负荷约束：
CLt、分别表示t时刻可削减负荷值、可削减负荷比例以及可削减负荷最大值；ILt、/>分别表示t时刻可中断负荷值、可中断负荷比例以及可中断负荷最大值；TLt、/>分别表示t时刻可转移负荷值、可转移负荷比例以及可转移负荷最大值。
本发明具有以下技术效果：本发明针对负荷型虚拟电厂和电源侧虚拟电厂的不同特性，对区域内可调资源进行分析，获取各虚拟电厂的类型和调度潜力；通过构建以区域电网调度为目标的上层调度模型以及以各虚拟电厂为调度目标的下层调度模型，在上层优化调度模型中增加了以电源型虚拟电厂新能源消纳最大和负荷型虚拟电厂收益最大的目标函数；同时，在下层优化调度模型中针对电源型虚拟电厂和负荷型虚拟电厂分别以发电成本最低为优化目标进行优化，该方法能够对参与电力市场交易的虚拟电厂进行精细化管理，充分利用了新能源发电，并提高了虚拟电厂收益。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种基于分区自治的多虚拟电厂协调调度优化方法流程图。
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，下面将对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
本发明的一方面，提供了一种基于分区自治的多虚拟电厂协调调度优化方法，构建包括多个虚拟电厂的区域电网调度系统，将所述调度系统划分为：区域电网调度层和虚拟电厂层；参见附图1，所述协调调度优化方法包括：
S1，通过对区域内可调资源进行分析，获取各虚拟电厂的类型和调度潜力；
S2，构建以区域电网调度为目标的上层调度模型，上层调度模型包括两个阶段，第一阶段以调度偏差最小为目标进行优化，在第一阶段优化的基础上，第二阶段以区域电网运行成本最低、电源型虚拟电厂新能源消纳最大、负荷型虚拟电厂收益最大进行多目标优化；
S3，区域电网调度中心依据各虚拟电厂的调度潜力和常规机组发电能力将调度计划分解发射给各虚拟电厂；
S4，构建以各虚拟电厂为调度目标的下层调度模型，各虚拟电厂根据接收到的发电计划，针对电源型虚拟电厂和负荷型虚拟电厂分别以发电成本最低为优化目标进行优化。
优选地，所述步骤S1中通过采集各虚拟电厂的负荷数据，获取虚拟电厂各时段的调节潜力，并通过聚类分析将用电负荷特征相似的虚拟电厂归类。
优选地，所述步骤S2中以调度偏差最小为目标进行优化的目标函数具体为：
其中，T为时段数，K为虚拟电厂的总数，Pg为常规机组发电功率，Pk,vpp为第k个虚拟电厂发电功率，为T个时间内系统内的平均负荷功率。
优选地，所述步骤S2中以区域电网运行成本最低、电源型虚拟电厂新能源消纳最大、负荷型虚拟电厂收益最大进行多目标优化的目标函数具体为：
其中，T为时段数，K为虚拟电厂的总数，M为电源型虚拟电厂的总数，N为负荷型虚拟电厂的总数，其中，M+N＝K；Cg为常规机组发电成本，Cm,vpp为区域电网向第m个电源型虚拟电厂的购电成本，Cn,vpp为区域电网向第n个负荷型虚拟电厂购电成本，Closs为区域电网功率调度总成本；I为电源型虚拟电厂内风力电站总数，J为电源型虚拟电厂内光伏电站总数，Pm,i,wind为电源型虚拟电厂内第i个风力电站发电功率，Pm,j,pv为电源型虚拟电厂内第j个光伏电站发电功率，△T为一个时段内有效发电时间；Pn,dr为第n负荷型虚拟电厂的可调功率，λprice为时段内电价。
容易理解的，常规机组主要是指燃气轮机，电源型虚拟电厂中主要为间歇性可再生电源，其包含分布式风电场、分布式光伏电站和相应配置的储能电站；负荷型虚拟电主要通过补偿费用的方式来引导用户侧的柔性负荷改变其运行方式，进而参与到虚拟电厂的优化调度之中。柔性负荷包含可削减负荷、可转移负荷与可中断负荷，其均可参与DR调度，根据供需情况进行削减、转移与中断，可控程度较高。
优选的，所述针对电源型虚拟电厂和负荷型虚拟电厂分别以发电成本最低为优化目标进行优化的目标函数具体为：
其中，T为时段数，I为电源型虚拟电厂内风力电站总数，J为电源型虚拟电厂内光伏电站总数，Pdg为电源型虚拟电厂向区域电网供电功率，Pdr为负荷型虚拟电厂向区域电网供电功率，λprice为时段内电价；Ci,wind为电源型虚拟电厂内第i个风力电站发电的发电成本，Cj,pv为电源型虚拟电厂内第j个光伏电站发电成本，Cs,st为电源型虚拟电厂内第s个储能电站运行成本；CCL、CTL、CIL为负荷型虚拟电厂内的负荷削减成本、负荷转移成本和负荷中断成本。
容易理解的，双层模型优化的优化可采用目标级联分析法，其通过将优化目标从上层系统到下层子系统进行分流，同时各级响应由下而上不断反馈，上层系统和下层系统的问题分别独立求解，交叠优化，直到满足收敛条件为止。上层系统将优化后的决策变量传递至下层系统，这个值成为下层系统的目标；下层系统在满足自身运行的各类约束条件的情况下，对自身问题进行优化，并在目标函数中引入惩罚项使优化的值靠近该目标。惩罚项代表复杂系统分解时耦合变量的一致性约束。
系统需要满足的约束条件包括功率平衡约束、联络线功率约束、分布式电源出力约束、常规机组出力约束以及蓄电池储能电站出力约束等。
功率平衡约束：
Pvpp+Pg＝Ploss+Pload
Pvpp为虚拟电厂注入功率，Pg为常规机组发电功率，Ploss为区域电网负荷损耗，Pload为区域电网负荷
联络线功率约束：
Pw,min<Pw<Pw,max
Pw,min和Pw,max为第w条虚拟电厂和区域电网传输支路功率上下限；
分布式电源出力约束：
分别为光伏机组出力上下限；/>分别为风电机组出力上下限；
常规机组出力约束：
蓄电池储能电站出力约束：
SOCmin<SOCt<SOCmax
SOCt、SOCt-1分别表示t时刻和t-1时刻蓄电池SOC值；分别表示t时刻蓄电池充电电量和放电电量；ηchr、ηdis分别表示t时刻蓄电池充电效率和放电效率；SOCmin、SOCmax分别表示蓄电池SOC最小值和最大值；/>表示t时刻蓄电池放电最小值和放电最大值；/>表示t时刻蓄电池充电最小值和充电最大值；
用户可削减负荷约束：
用户可中断负荷约束：
用户可转移负荷约束：
CLt、分别表示t时刻可削减负荷值、可削减负荷比例以及可削减负荷最大值；ILt、/>分别表示t时刻可中断负荷值、可中断负荷比例以及可中断负荷最大值；TLt、/>分别表示t时刻可转移负荷值、可转移负荷比例以及可转移负荷最大值。
通过以上技术方案，本发明实现了对参与电力市场交易的虚拟电厂的精细化管理，充分利用了新能源发电，并提高了虚拟电厂收益。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (6)
1.一种基于分区自治的多虚拟电厂协调调度优化方法，构建包括多个虚拟电厂的区域电网调度系统，将所述调度系统划分为：区域电网调度层和虚拟电厂层；其特征在于，所述协调调度优化方法包括：
S1，通过对区域内可调资源进行分析，获取各虚拟电厂的类型和调度潜力；
S2，构建以区域电网调度为目标的上层调度模型，上层调度模型包括两个阶段，第一阶段以调度偏差最小为目标进行优化，在第一阶段优化的基础上，第二阶段以区域电网运行成本最低、电源型虚拟电厂新能源消纳最大、负荷型虚拟电厂收益最大进行多目标优化；
S3，区域电网调度中心依据各虚拟电厂的调度潜力和常规机组发电能力将调度计划分解发射给各虚拟电厂；
S4，构建以各虚拟电厂为调度目标的下层调度模型，各虚拟电厂根据接收到的发电计划，针对电源型虚拟电厂和负荷型虚拟电厂分别以发电成本最低为优化目标进行优化。
2.根据权利要求1所述的基于分区自治的多虚拟电厂协调调度优化方法，其特征在于：所述步骤S1中通过采集各虚拟电厂的负荷数据，获取虚拟电厂各时段的调节潜力，并通过聚类分析将用电负荷特征相似的虚拟电厂归类。
3.根据权利要求1所述的基于分区自治的多虚拟电厂协调调度优化方法，其特征在于：所述步骤S2中以调度偏差最小为目标进行优化的目标函数具体为：
其中，T为时段数，K为虚拟电厂的总数，Pg为常规机组发电功率，Pk,vpp为第k个虚拟电厂发电功率，为T个时间内系统内的平均负荷功率。
4.根据权利要求3所述的基于分区自治的多虚拟电厂协调调度优化方法，其特征在于：所述步骤S2中以区域电网运行成本最低、电源型虚拟电厂新能源消纳最大、负荷型虚拟电厂收益最大进行多目标优化的目标函数具体为：
其中，T为时段数，K为虚拟电厂的总数，M为电源型虚拟电厂的总数，N为负荷型虚拟电厂的总数，其中，M+N＝K；Cg为常规机组发电成本，Cm,vpp为区域电网向第m个电源型虚拟电厂的购电成本，Cn,vpp为区域电网向第n个负荷型虚拟电厂购电成本，Closs为区域电网功率调度总成本；I为电源型虚拟电厂内风力电站总数，J为电源型虚拟电厂内光伏电站总数，Pm,i,wind为电源型虚拟电厂内第i个风力电站发电功率，Pm,j,pv为电源型虚拟电厂内第j个光伏电站发电功率，△T为一个时段内有效发电时间；Pn,dr为第n负荷型虚拟电厂的可调功率，λprice为时段内电价。
5.根据权利要求4所述的基于分区自治的多虚拟电厂协调调度优化方法，其特征在于：所述针对电源型虚拟电厂和负荷型虚拟电厂分别以发电成本最低为优化目标进行优化的目标函数具体为：
其中，T为时段数，I为电源型虚拟电厂内风力电站总数，J为电源型虚拟电厂内光伏电站总数，Pdg为电源型虚拟电厂向区域电网供电功率，Pdr为负荷型虚拟电厂向区域电网供电功率，λprice为时段内电价；Ci,wind为电源型虚拟电厂内第i个风力电站发电的发电成本，Cj,pv为电源型虚拟电厂内第j个光伏电站发电成本，Cs,st为电源型虚拟电厂内第s个储能电站运行成本；CCL、CTL、CIL为负荷型虚拟电厂内的负荷削减成本、负荷转移成本和负荷中断成本。
6.根据权利要求5所述的基于分区自治的多虚拟电厂协调调度优化方法，其特征在于：具体的约束条件为：
功率平衡约束：
Pvpp+Pg＝Ploss+Pload
Pvpp为虚拟电厂注入功率，Pg为常规机组发电功率，Ploss为区域电网负荷损耗，Pload为区域电网负荷
联络线功率约束：
Pw,min<Pw<Pw,max
Pw,min和Pw,max为第w条虚拟电厂和区域电网传输支路功率上下限；
分布式电源出力约束：
分别为光伏机组出力上下限；/>分别为风电机组出力上下限；
常规机组出力约束：
蓄电池储能电站出力约束：
SOCmin<SOCt<SOCmax
SOCt、SOCt-1分别表示t时刻和t-1时刻蓄电池SOC值；分别表示t时刻蓄电池充电电量和放电电量；ηchr、ηdis分别表示t时刻蓄电池充电效率和放电效率；SOCmin、SOCmax分别表示蓄电池SOC最小值和最大值；/>表示t时刻蓄电池放电最小值和放电最大值；/>表示t时刻蓄电池充电最小值和充电最大值；
用户可削减负荷约束：
用户可中断负荷约束：
用户可转移负荷约束：
CLt、分别表示t时刻可削减负荷值、可削减负荷比例以及可削减负荷最大值；ILt、/>分别表示t时刻可中断负荷值、可中断负荷比例以及可中断负荷最大值；TLt、分别表示t时刻可转移负荷值、可转移负荷比例以及可转移负荷最大值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310984181.5A CN116961114A (zh) | 2023-08-07 | 2023-08-07 | 基于分区自治的多虚拟电厂协调调度优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310984181.5A CN116961114A (zh) | 2023-08-07 | 2023-08-07 | 基于分区自治的多虚拟电厂协调调度优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116961114A true CN116961114A (zh) | 2023-10-27 |
Family
ID=88461897
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310984181.5A Pending CN116961114A (zh) | 2023-08-07 | 2023-08-07 | 基于分区自治的多虚拟电厂协调调度优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116961114A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117498468A (zh) * | 2024-01-03 | 2024-02-02 | 国网浙江省电力有限公司宁波供电公司 | 一种多区域虚拟电厂协同优化运行方法 |
| CN117526454A (zh) * | 2024-01-05 | 2024-02-06 | 国网浙江省电力有限公司宁波供电公司 | 虚拟电厂运行管理方法、设备及存储介质 |
-
2023
- 2023-08-07 CN CN202310984181.5A patent/CN116961114A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117498468A (zh) * | 2024-01-03 | 2024-02-02 | 国网浙江省电力有限公司宁波供电公司 | 一种多区域虚拟电厂协同优化运行方法 |
| CN117498468B (zh) * | 2024-01-03 | 2024-05-03 | 国网浙江省电力有限公司宁波供电公司 | 一种多区域虚拟电厂协同优化运行方法 |
| CN117526454A (zh) * | 2024-01-05 | 2024-02-06 | 国网浙江省电力有限公司宁波供电公司 | 虚拟电厂运行管理方法、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109559035B (zh) | 一种考虑灵活性的城市配电网双层规划方法 | |
| CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
| CN110188950A (zh) | 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法 | |
| CN105048516A (zh) | 一种风光水火多源互补优化调度方法 | |
| CN112039056A (zh) | 一种新能源两阶段优化调度方法 | |
| CN106651026A (zh) | 多时间尺度微电网能量管理优化调度方法 | |
| CN116961114A (zh) | 基于分区自治的多虚拟电厂协调调度优化方法 | |
| CN107316125A (zh) | 一种基于经济运行域的主动配电网经济运行评价方法 | |
| CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
| Liu et al. | Integrated optimal dispatching strategy considering power generation and consumption interaction | |
| CN111786422B (zh) | 基于bp神经网络的微电网参与上层电网实时优化调度方法 | |
| Wang et al. | Day-ahead multi-objective optimal operation of Wind–PV–Pumped Storage hybrid system considering carbon emissions | |
| CN116957294A (zh) | 基于数字孪生的虚拟电厂参与电力市场交易的调度方法 | |
| CN112183882A (zh) | 一种基于电动汽车快充需求的智慧充电站充电优化方法 | |
| CN112366684A (zh) | 一种海岛微电网系统 | |
| CN116011697A (zh) | 一种考虑p2x多能源耦合运行优化调度方法及系统 | |
| CN116914821A (zh) | 一种基于改进粒子群算法的微电网低碳优化调度方法 | |
| CN118114469A (zh) | 一种虚拟电厂参与配电网协同优化调度方法及系统 | |
| CN110826778A (zh) | 一种主动适应新能源发展的负荷特性优化计算方法 | |
| CN107134771A (zh) | 一种基于经济效益评估的微网模式切换控制方法 | |
| CN106485605A (zh) | 清洁能源电阶梯电价预购平台及控制方法 | |
| CN117811002A (zh) | 风光储大基地容量和调度协同优化方法及系统 | |
| Shang et al. | Distributed V2G dispatching via LSTM network within cloud-edge collaboration framework | |
| CN117013522A (zh) | 考虑分布式电源和气电协同的综合能源系统调度优化方法 | |
| CN107622331B (zh) | 一种发电机组与电力用户直接交易方式的优化方法和装置 |
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 |