CN116979611A - 一种源网荷储分层优化调度方法 - Google Patents
一种源网荷储分层优化调度方法 Download PDFInfo
- Publication number
- CN116979611A CN116979611A CN202310354847.9A CN202310354847A CN116979611A CN 116979611 A CN116979611 A CN 116979611A CN 202310354847 A CN202310354847 A CN 202310354847A CN 116979611 A CN116979611 A CN 116979611A
- Authority
- CN
- China
- Prior art keywords
- optimization
- load
- source network
- scheduling
- power
- 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 66
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 title claims abstract description 31
- 238000010248 power generation Methods 0.000 claims abstract description 31
- 239000002245 particle Substances 0.000 claims abstract description 12
- 230000003993 interaction Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 35
- 238000005265 energy consumption Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 230000001737 promoting effect Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- NUFBIAUZAMHTSP-UHFFFAOYSA-N 3-(n-morpholino)-2-hydroxypropanesulfonic acid Chemical compound OS(=O)(=O)CC(O)CN1CCOCC1 NUFBIAUZAMHTSP-UHFFFAOYSA-N 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 239000003344 environmental pollutant Substances 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 231100000719 pollutant Toxicity 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001105 regulatory 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
- H02J3/38—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
- H02J3/004—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
- H02J3/04—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
- H02J3/12—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
- 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
- H02J2203/10—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
- 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)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种源网荷储分层优化调度方法,涉及电力系统优化调度控制技术领域,所述步骤包括如下:获取系统的基础数据,建立双层优化模型,优化调度策略,对源网荷储进行特性分析,分析电网中的发电侧电源的发电特性,通过获取可再生能源风电和光伏以及不可再生能源的典型发电功率特性,采用多目标粒子群算法进行多目标优化函数的求解,极大地提高了微电网群调度策略的优化精度,以实现电网供需双方的协调调度与有效互动,突破海量分布式优化控制的自组织、自适应能力和集中优化控制的全局协调优化能力,能够实现有序互动,从而形成系统经济高效运行、新能源高比例消纳的可观局面。
Description
技术领域
本发明涉及电力系统优化调度控制技术领域,具体为一种源网荷储分层优化调度方法。
背景技术
随着新能源并网规模和负荷需求的快速增长,电网运行的安全性受到影响,传统的电力系统运行过程中,一般将用户的用电负荷视为随机不可控的,此时的电力系统为单侧随机系统,然而随着可再生能源发电的大规模建成、投产,受到可再生能源发电的随机性、间歇性影响,由以往的单侧随机系统转变为双侧随机系统,不仅严重影响电力系统的安全稳定运行,还会降低系统的整体经济效率,而新能源间歇性和波动性的特性也为新能源消纳及电力系统调度带来了巨大的挑战,针对上述问题通常采用超短期新能源预测调度,以研究新能源的高精度预测方法为突破,减少风电预测误差,缓解发电计划制定的偏差,传统的输配独立调度模式使灵活性资源利用率低,进而导致输电网和配电网都难以充分消纳可再生清洁能源,但都是从发电侧或负荷侧出发,并未充分发挥电网侧的柔性调控能力,使得传统调度策略较为保守
发明内容
针对现有技术的不足,本发明提供了一种源网荷储分层优化调度方法,解决了背景技术中所提出的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种源网荷储分层优化调度方法,所述步骤包括如下:
步骤一:获取系统的基础数据,以常规机组、新能源、DSSC、用户负荷构建源网荷储分层调度系统,并获取所述系统的基础数据,所述基础数据包括接入该系统的新能源的日前新能源预测曲线、用户负荷的日前负荷预测曲线以及DSSC的线路潮流调控特性、常规机组的日前常规机组预测曲线、电能成本数据、运行约束条件、新能源中各发电单元和系统备用的约束条件,同时分析电网中发电侧发电设备特性,获取可再生能源风电和光伏发电以及不可再生能源的典型发电功率特性,得到在典型日各电源各时段出力情况;
步骤二:建立双层优化模型,双层优化模型中,第一层优化为以能源过剩率最低和负荷失电率最低的多目标优化,第二层优化为以电网群的运行管理费用最低和污染物处理的环境成本最低的多目标优化,将所述基础数据输入预先建立的新能源丢弃量和系统运行成本最小的多目标优化调度模型进行求解,得到调整优化调度结果;
步骤三:优化调度策略,根据获取的运行参量数据与预设双层优化模型,得到源网荷储分层优化的调度策略。
优选的,所述步骤一中根据日前新能源预测曲线、日前负荷预测曲线以及DSSC的线路潮流调控特性,得到促进新能源消纳的日前预测叠加曲线,
优选的,所述叠加曲线和预测曲线具体包括:获得所述系统中输电电路的潮流平衡方程;根据日前新能源预测曲线和日前负荷预测曲线,计算初始日前预测叠加曲线,同时并对初始日前预测叠加曲线根据峰谷时段进行划分,得到峰谷时段划分结果;
优选的,根据所述峰谷时段划分结果,计算负荷转移后的负荷预测曲线,并以计算得到的负荷转移后的负荷预测曲线更新所述初始日前预测叠加曲线,得到促进新能源消纳的日前预测叠加曲线。
优选的,所述步骤一中还包括通过分析需求侧响应进行特性,建立需求侧响应调度模型以实现电网供需双方的协调调度与有效互动。
优选的,所述步骤二中还包括建立目标函数,以运维成本、柔性负荷调度补偿成本和环境成本之和为综合运行成本最小作为优化目标函数之一,以购售电成本最小作为目标函数之二,多目标优化模型,通过MOPSO进行高效求解,该方法通过各个粒子之间的信息交互,使其每一次的运动速度受到之前运动状态参数的影响,较好地协调了群体和粒子自身的关系,使粒子能够灵活地在空间中寻找解的位置,通过设定非劣解集的更新策略,较好的保证多目标优化调度实现的可行性。
优选的,采用多目标粒子群算法进行预设双层优化模型的求解,将目标粒子群进行初始化;求解实例中的目标函数值,求解对应的目标函数值,与记忆库中的函数值相对比,当所求目标函数值优于库中极值,则取而代之成为新的库中极值;当所求目标函数值没有优于库中极值,库中极值不变,仍为原来的极值;
优选的,所述当无法判断此时所求目标函数值与库中极值孰优孰劣,并且库容不满时,将此时所求解也加入到记忆库中,当库容已满,则采用其他判别依据取舍所求解;迭代完成后,将迭代次数加1,
优选的,判别是否已经达到所设迭代次数,如果未达到初始化时所规定的迭代次数,则开始新的迭代,更新粒子的位置和速度,然后前一步的过程,如果已达到初始化设定的迭代次数,寻找最优的帕累托解集并结束寻优求解过程;整理得到所求非劣解集,得到最优目标函数解。
优选的,所述步骤二中还包括,采用基于数据驱动的分布鲁棒方法对不可控分布式发电和负荷的不确定特征进行表征,进而构建源网荷储柔性协调集中优化运行模型和分区分布式优化运行模型,所述柔性协调集中优化运行模型采用CCG算法进行有效求解,所述分区分布式优化运行模型采用ADMM算法进行有效求解。
本发明提供了一种源网荷储分层优化调度方法。具备以下有益效果:
该一种源网荷储分层优化调度方法,对源网荷储进行特性分析,分析电网中的发电侧电源的发电特性,通过获取可再生能源风电和光伏以及不可再生能源的典型发电功率特性,得到在典型日各电源各时段出力情况;对需求侧响应进行分析,采用多目标粒子群算法进行多目标优化函数的求解,极大地提高了微电网群调度策略的优化精度,以实现电网供需双方的协调调度与有效互动,突破海量分布式优化控制的自组织、自适应能力和集中优化控制的全局协调优化能力,能够实现有序互动,从而形成系统经济高效运行、新能源高比例消纳的可观局面。
附图说明
图1为本发明流程示意图;
图2为本发明源网荷储分层优化基本框架图;
图3为本发明调度日每小时负荷功率示意图;
图4为本发明调度日每小时风电机组输出功率示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅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前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-4,本发明实施例提供一种技术方案:一种源网荷储分层优化调度方法,所述步骤包括如下:
步骤一:获取系统的基础数据,以常规机组、新能源、DSSC、用户负荷构建源网荷储分层调度系统,并获取所述系统的基础数据,所述基础数据包括接入该系统的新能源的日前新能源预测曲线、用户负荷的日前负荷预测曲线以及DSSC的线路潮流调控特性、常规机组的日前常规机组预测曲线、电能成本数据、运行约束条件、新能源中各发电单元和系统备用的约束条件,同时分析电网中发电侧发电设备特性,获取可再生能源风电和光伏发电以及不可再生能源的典型发电功率特性,得到在典型日各电源各时段出力情况;
步骤二:建立双层优化模型,双层优化模型中,第一层优化为以能源过剩率最低和负荷失电率最低的多目标优化,第二层优化为以电网群的运行管理费用最低和污染物处理的环境成本最低的多目标优化,将所述基础数据输入预先建立的新能源丢弃量和系统运行成本最小的多目标优化调度模型进行求解,得到调整优化调度结果;
步骤三:优化调度策略,根据获取的运行参量数据与预设双层优化模型,得到源网荷储分层优化的调度策略。
所述步骤一中根据日前新能源预测曲线、日前负荷预测曲线以及DSSC的线路潮流调控特性,得到促进新能源消纳的日前预测叠加曲线,
所述叠加曲线和预测曲线具体包括:获得所述系统中输电电路的潮流平衡方程;根据日前新能源预测曲线和日前负荷预测曲线,计算初始日前预测叠加曲线,同时并对初始日前预测叠加曲线根据峰谷时段进行划分,得到峰谷时段划分结果;
根据所述峰谷时段划分结果,计算负荷转移后的负荷预测曲线,并以计算得到的负荷转移后的负荷预测曲线更新所述初始日前预测叠加曲线,得到促进新能源消纳的日前预测叠加曲线。
所述步骤一中还包括通过分析需求侧响应进行特性,建立需求侧响应调度模型以实现电网供需双方的协调调度与有效互动。
所述步骤二中还包括建立目标函数,以运维成本、柔性负荷调度补偿成本和环境成本之和为综合运行成本最小作为优化目标函数之一,以购售电成本最小作为目标函数之二,多目标优化模型,通过MOPSO进行高效求解,该方法通过各个粒子之间的信息交互,使其每一次的运动速度受到之前运动状态参数的影响,较好地协调了群体和粒子自身的关系,使粒子能够灵活地在空间中寻找解的位置,通过设定非劣解集的更新策略,较好的保证多目标优化调度实现的可行性。
采用多目标粒子群算法进行预设双层优化模型的求解,将目标粒子群进行初始化;求解实例中的目标函数值,求解对应的目标函数值,与记忆库中的函数值相对比,当所求目标函数值优于库中极值,则取而代之成为新的库中极值;当所求目标函数值没有优于库中极值,库中极值不变,仍为原来的极值;
所述当无法判断此时所求目标函数值与库中极值孰优孰劣,并且库容不满时,将此时所求解也加入到记忆库中,当库容已满,则采用其他判别依据取舍所求解;迭代完成后,将迭代次数加1,
判别是否已经达到所设迭代次数,如果未达到初始化时所规定的迭代次数,则开始新的迭代,更新粒子的位置和速度,然后前一步的过程,如果已达到初始化设定的迭代次数,寻找最优的帕累托解集并结束寻优求解过程;整理得到所求非劣解集,得到最优目标函数解。
所述步骤二中还包括,采用基于数据驱动的分布鲁棒方法对不可控分布式发电和负荷的不确定特征进行表征,进而构建源网荷储柔性协调集中优化运行模型和分区分布式优化运行模型,所述柔性协调集中优化运行模型采用CCG算法进行有效求解,所述分区分布式优化运行模型采用ADMM算法进行有效求解。
该一种源网荷储分层优化调度方法,对源网荷储进行特性分析,分析电网中的发电侧电源的发电特性,通过获取可再生能源风电和光伏以及不可再生能源的典型发电功率特性,得到在典型日各电源各时段出力情况;对需求侧响应进行分析,采用多目标粒子群算法进行多目标优化函数的求解,极大地提高了微电网群调度策略的优化精度,以实现电网供需双方的协调调度与有效互动,突破海量分布式优化控制的自组织、自适应能力和集中优化控制的全局协调优化能力,能够实现有序互动,从而形成系统经济高效运行、新能源高比例消纳的可观局面。
Claims (10)
1.一种源网荷储分层优化调度方法,其特征在于:所述步骤包括如下:
步骤一:获取系统的基础数据,以常规机组、新能源、DSSC、用户负荷构建源网荷储分层调度系统,并获取所述系统的基础数据,所述基础数据包括接入该系统的新能源的日前新能源预测曲线、用户负荷的日前负荷预测曲线以及DSSC的线路潮流调控特性、常规机组的日前常规机组预测曲线、电能成本数据、运行约束条件、新能源中各发电单元和系统备用的约束条件,同时分析电网中发电侧发电设备特性,获取可再生能源风电和光伏发电以及不可再生能源的典型发电功率特性,得到在典型日各电源各时段出力情况;
步骤二:建立双层优化模型,双层优化模型中,第一层优化为以能源过剩率最低和负荷失电率最低的多目标优化,第二层优化为以电网群的运行管理费用最低和污染物处理的环境成本最低的多目标优化,将所述基础数据输入预先建立的新能源丢弃量和系统运行成本最小的多目标优化调度模型进行求解,得到调整优化调度结果;
步骤三:优化调度策略,根据获取的运行参量数据与预设双层优化模型,得到源网荷储分层优化的调度策略。
2.根据权利要求1所述一种源网荷储分层优化调度方法,其特征在于:所述步骤一中根据日前新能源预测曲线、日前负荷预测曲线以及DSSC的线路潮流调控特性,得到促进新能源消纳的日前预测叠加曲线。
3.根据权利要求2所述一种源网荷储分层优化调度方法,其特征在于:所述叠加曲线和预测曲线具体包括:获得所述系统中输电电路的潮流平衡方程;根据日前新能源预测曲线和日前负荷预测曲线,计算初始日前预测叠加曲线,同时并对初始日前预测叠加曲线根据峰谷时段进行划分,得到峰谷时段划分结果。
4.根据权利要求3所述一种源网荷储分层优化调度方法,其特征在于:根据所述峰谷时段划分结果,计算负荷转移后的负荷预测曲线,并以计算得到的负荷转移后的负荷预测曲线更新所述初始日前预测叠加曲线,得到促进新能源消纳的日前预测叠加曲线。
5.根据权利要求1所述一种源网荷储分层优化调度方法,其特征在于:所述步骤一中还包括通过分析需求侧响应进行特性,建立需求侧响应调度模型以实现电网供需双方的协调调度与有效互动。
6.根据权利要求1所述一种源网荷储分层优化调度方法,其特征在于:所述步骤二中还包括建立目标函数,以运维成本、柔性负荷调度补偿成本和环境成本之和为综合运行成本最小作为优化目标函数之一,以购售电成本最小作为目标函数之二,多目标优化模型,通过MOPSO进行高效求解,该方法通过各个粒子之间的信息交互,使其每一次的运动速度受到之前运动状态参数的影响,较好地协调了群体和粒子自身的关系,使粒子能够灵活地在空间中寻找解的位置,通过设定非劣解集的更新策略,较好地保证多目标优化调度实现的可行性。
7.根据权利要求1所述一种源网荷储分层优化调度方法,其特征在于:采用多目标粒子群算法进行预设双层优化模型的求解,将目标粒子群进行初始化;求解实例中的目标函数值,求解对应的目标函数值,与记忆库中的函数值相对比,当所求目标函数值优于库中极值,则取而代之成为新的库中极值;当所求目标函数值没有优于库中极值,库中极值不变,仍为原来的极值。
8.根据权利要求5所述一种源网荷储分层优化调度方法,其特征在于:所述当无法判断此时所求目标函数值与库中极值孰优孰劣,并且库容不满时,将此时所求解也加入到记忆库中,当库容已满,则采用其他判别依据取舍所求解;迭代完成后,将迭代次数加1。
9.根据权利要求6所述一种源网荷储分层优化调度方法,其特征在于:判别是否已经达到所设迭代次数,如果未达到初始化时所规定的迭代次数,则开始新的迭代,更新粒子的位置和速度,然后前一步的过程,如果已达到初始化设定的迭代次数,寻找最优的帕累托解集并结束寻优求解过程;整理得到所求非劣解集,得到最优目标函数解。
10.根据权利要求1所述一种源网荷储分层优化调度方法,其特征在于:所述步骤二中还包括,采用基于数据驱动的分布鲁棒方法对不可控分布式发电和负荷的不确定特征进行表征,进而构建源网荷储柔性协调集中优化运行模型和分区分布式优化运行模型,所述柔性协调集中优化运行模型采用CCG算法进行有效求解,所述分区分布式优化运行模型采用ADMM算法进行有效求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310354847.9A CN116979611A (zh) | 2023-04-06 | 2023-04-06 | 一种源网荷储分层优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310354847.9A CN116979611A (zh) | 2023-04-06 | 2023-04-06 | 一种源网荷储分层优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116979611A true CN116979611A (zh) | 2023-10-31 |
Family
ID=88483847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310354847.9A Pending CN116979611A (zh) | 2023-04-06 | 2023-04-06 | 一种源网荷储分层优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116979611A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117175694A (zh) * | 2023-11-03 | 2023-12-05 | 江苏龙擎动力科技股份有限公司 | 一种基于新能源消纳的微电网优化调度方法及系统 |
-
2023
- 2023-04-06 CN CN202310354847.9A patent/CN116979611A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117175694A (zh) * | 2023-11-03 | 2023-12-05 | 江苏龙擎动力科技股份有限公司 | 一种基于新能源消纳的微电网优化调度方法及系统 |
CN117175694B (zh) * | 2023-11-03 | 2024-01-23 | 江苏龙擎动力科技股份有限公司 | 一种基于新能源消纳的微电网优化调度方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109103929B (zh) | 基于改进动态克里丝金模型的配电网经济优化调度方法 | |
CN112465181A (zh) | 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法 | |
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 | |
CN108039737B (zh) | 一种源网荷协调运行模拟系统 | |
CN112395748B (zh) | 考虑供需双侧灵活性资源的电力系统旋转备用容量优化方法 | |
CN110601260B (zh) | 一种限定联络线上功率波动的光-蓄系统容量优化方法 | |
CN113346555B (zh) | 一种考虑电量协调的日内滚动调度方法 | |
CN104299173B (zh) | 一种适用于多种能源接入的鲁棒优化日前调度方法 | |
CN115940292B (zh) | 基于圆圈搜索算法的含风储电力系统优化调度方法及系统 | |
CN114243727B (zh) | 一种基于广域感知预测的源网荷自趋优智能调控体系和实时控制优化技术方法 | |
CN103050998B (zh) | 一种风电并网的火电系统动态调度方法 | |
CN115912351A (zh) | 光伏日内日前模型预测方法、系统、设备及介质 | |
CN116979611A (zh) | 一种源网荷储分层优化调度方法 | |
Saha | Adaptive model-based receding horizon control of interconnected renewable-based power micro-grids for effective control and optimal power exchanges | |
CN113869742B (zh) | 基于行动家和评论家网络的综合供需侧的电力调度系统 | |
CN116961008A (zh) | 计及电力弹簧与负荷需求响应的微电网容量双层优化方法 | |
CN114530848B (zh) | 一种光储虚拟电厂多时间尺度动态划分方法 | |
CN116540545A (zh) | 一种基于伊藤过程的光伏发电制氢集群随机优化调度方法 | |
Zhao et al. | Research on Multiobjective Optimal Operation Strategy for Wind‐Photovoltaic‐Hydro Complementary Power System | |
CN114725961A (zh) | 平抑风电波动的制氢系统容量分层优化配置方法 | |
Lu et al. | Advances in Model Predictive Control for Large-Scale Wind Power Integration in Power Systems: A Comprehensive Review | |
CN114398777A (zh) | 一种基于巴什博弈理论的电力系统灵活性资源配置方法 | |
Heo et al. | Energy resource capacity optimization for zero-energy housing complex | |
Ramesh et al. | Cost Optimization by Integrating PV-System and Battery Energy Storage System into Microgrid using Particle Swarm Optimization | |
CN112884191A (zh) | 一种基于网源协调的热电日前调度模型及计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |