CN117094481A - 一种微电网充电桩调度方法、系统、设备和介质 - Google Patents
一种微电网充电桩调度方法、系统、设备和介质 Download PDFInfo
- Publication number
- CN117094481A CN117094481A CN202211625122.0A CN202211625122A CN117094481A CN 117094481 A CN117094481 A CN 117094481A CN 202211625122 A CN202211625122 A CN 202211625122A CN 117094481 A CN117094481 A CN 117094481A
- Authority
- CN
- China
- Prior art keywords
- micro
- grid
- charging pile
- decision
- attribute
- 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 43
- 238000003066 decision tree Methods 0.000 claims abstract description 124
- 230000005611 electricity Effects 0.000 claims abstract description 75
- 238000003860 storage Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 5
- 238000004146 energy storage Methods 0.000 description 15
- 238000010248 power generation Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 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
- H02J3/007—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种微电网充电桩调度方法、系统、设备和介质，通过响应接收到的微电网实时运行数据，基于微电网实时运行数据，确定微电网对应的充电桩实时电价。获取微电网对应的多个初始充电桩历史调度数据，基于预设的调度标准和全部初始充电桩历史调度数据，确定微电网对应的多个目标充电桩历史调度数据。基于目标充电桩历史调度数据和预设的约束条件，构建微电网对应的决策树模型。通过决策树模型基于微电网实时运行数据和充电桩实时电价，确定微电网实时运行数据对应的微电网充电桩实时调度方案。通过决策树模型得到的微电网充电桩实时调度方案能够更好的适应各种应用场景，在不同的负载负荷情况合理的调整微电网系统的运行方式。
Description
技术领域
本发明涉及微电网充电桩调度技术领域，尤其涉及一种微电网充电桩调度方法、系统、设备和介质。
背景技术
微电网，是指由分布式电源、储能装置、能量转换装置、相关负荷和监控、保护装置汇集而成的小型发配电系统，是一个能够实现自我控制、保护和管理的自治系统，既可以与外部电网并网运行，也可以孤立运行。微电网可以提高本地供电可靠性、降低用电成本和促进可再生能源消纳的特性在工商业建筑中得到了广泛应用。
新能源应用是大势所趋毋容置疑，新能源电动汽车的大力推广有利于环境保护，得到了政府的支持和民众的响应。而电动汽车大的规模接入微电网的规划与运行产生不可忽视的影响。因此，为了使微电网能正常运行以及使电动汽车能正常使用充电桩进行充电，应当实时制定相应的微电网充电桩调度方案。
而现有的微电网充电桩调度方法考虑的角度单一，仅考虑微电网中分布式电源的输出功率或充电桩运行情况，导致制定出来的微电网充电桩调度方案调度效果差。
发明内容
本发明提供了一种微电网充电桩调度方法、系统、设备和介质，解决了现有的微电网充电桩调度方法考虑的角度单一，仅考虑微电网中分布式电源的输出功率或充电桩运行情况，导致制定出来的微电网充电桩调度方案调度效果差的技术问题。
本发明提供的一种微电网充电桩调度方法，包括：
响应接收到的微电网实时运行数据，基于所述微电网实时运行数据，确定微电网对应的充电桩实时电价；
获取所述微电网对应的多个初始充电桩历史调度数据；
根据预设的调度标准和全部所述初始充电桩历史调度数据，确定所述微电网对应的多个目标充电桩历史调度数据；
根据所述目标充电桩历史调度数据和预设的约束条件，构建所述微电网对应的决策树模型；
通过所述决策树模型基于所述微电网实时运行数据和所述充电桩实时电价，确定所述微电网实时运行数据对应的微电网充电桩实时调度方案。
可选地，所述根据预设的调度标准和全部所述初始充电桩历史调度数据，确定所述微电网对应的多个目标充电桩历史调度数据的步骤，包括：
分别判断所述初始充电桩历史调度数据是否满足预设的调度标准并实时统计判断次数；
若是，则将所述初始充电桩历史调度数据作为所述微电网对应的目标充电桩历史调度数据。
可选地，所述根据所述目标充电桩历史调度数据和预设的约束条件，构建所述微电网对应的决策树模型的步骤，包括：
基于预设的约束条件，分别计算所述目标充电桩历史调度数据对应的初始信息增益率；
基于全部所述初始信息增益率，确定所述微电网对应的初始决策样本属性；
分别获取所述目标充电桩历史调度数据对应的充电桩样本电价；
采用全部所述充电桩样本电价进行平均值计算，生成所述微电网对应的样本平均电价；
根据所述样本平均电价和所述初始决策样本属性，构建所述微电网对应的决策树模型。
可选地，所述基于预设的约束条件，分别计算所述目标充电桩历史调度数据对应的初始信息增益率的步骤，包括：
采用全部所述目标充电桩历史调度数据，构建样本集合；
基于预设的约束条件和所述样本集合对应的样本数量，分别计算所述目标充电桩历史调度数据对应的信息熵；
获取所述样本集合对应的属性值数量；
基于所述属性值数量和所述目标充电桩历史调度数据对应的属性值，分别计算所述目标充电桩历史调度数据对应的属性信息熵；
计算所述信息熵和所述属性信息熵的差值，生成所述目标充电桩历史调度数据对应的属性信息增益；
计算所述属性信息增益与所述属性信息熵的比值，生成所述目标充电桩历史调度数据对应的初始信息增益率。
可选地，所述基于全部所述初始信息增益率，确定所述微电网对应的初始决策样本属性的步骤，包括：
采用全部所述初始信息增益率进行平均值计算，生成所述微电网对应的平均初始信息增益率；
将大于所述平均初始信息增益率的所述初始信息增益率作为目标信息增益率；
将所述目标增益率对应的样本属性作为所述微电网对应的初始决策样本属性。
可选地，所述根据所述样本平均电价和所述初始决策样本属性，构建所述微电网对应的决策树模型的步骤，包括：
将所述样本平均电价作为所述微电网对应的决策树模型根节点；
基于预设的决策树模型高度，按照所述初始决策样本属性对应的目标信息增益率从高到低选取所述微电网对应的目标决策样本属性；
将所述目标决策样本属性作为所述微电网对应的树枝节点；
基于所述树枝节点和所述决策树模型根节点，确定对应的决策属性；
根据所述决策属性、所述决策树模型根节点和所述树枝节点，构建所述微电网对应的决策树模型。
可选地，所述树枝节点包括第一树枝节点、第二树枝节点、第三树枝节点和第四树枝节点；所述决策属性包括第一决策属性、第二决策属性、第三决策属性和第四决策属性；所述第二树枝节点包括第一树枝子节点和第二树枝子节点；所述第三决策属性包括第一决策子属性、第二决策子属性、第三决策子属性和第四决策子属性；所述根据所述决策属性、所述决策树模型根节点和所述树枝节点，构建所述微电网对应的决策树模型的步骤，包括：
将所述决策根节点对应的左分支和右分支分别所述第一树枝子节点和第二树枝子节点连接，生成对应的初始决策树模型；
将所述初始决策树模型中的所述第一树枝子节点对应的左分支与所述第四树枝节点连接，对应的右分支与所述第一决策子属性连接，并将所述初始决策树模型中的所述第二树枝子节点对应的左分支与所述第三树枝节点连接，对应的右分支与所述第四决策属性连接，生成对应的中间决策树模型；
将所述中间决策树模型中的所述第四树枝节点对应的左分支与所述第二决策子属性连接，对应的右分支与所述第一决策属性连接，并将所述中间决策树模型中的所述第三树枝节点对应的左分支与所述第二树枝节点连接，对应的右分支与所述第三决策子属性连接，生成对应的目标决策树模型；
将所述目标决策树模型中的所述第二树枝节点对应的左分支与所述第四决策子属性连接，对应的右分支与所述第二决策属性连接，生成所述微电网对应的决策树模型。
本发明还提供了一种微电网充电桩调度系统，包括：
充电桩实时电价获取模块，用于响应接收到的微电网实时运行数据，基于所述微电网实时运行数据，确定微电网对应的充电桩实时电价；
初始充电桩历史调度数据获取模块，用于获取所述微电网对应的多个初始充电桩历史调度数据；
目标充电桩历史调度数据确定模块，用于根据预设的调度标准和全部所述初始充电桩历史调度数据，确定所述微电网对应的多个目标充电桩历史调度数据；
决策树模型构建模块，用于根据所述目标充电桩历史调度数据和预设的约束条件，构建所述微电网对应的决策树模型；
微电网充电桩实时调度方案确定模块，用于通过所述决策树模型基于所述微电网实时运行数据和所述充电桩实时电价，确定所述微电网实时运行数据对应的微电网充电桩实时调度方案。
本发明还提供了一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行实现如上述任一项微电网充电桩调度方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上述任一项微电网充电桩调度方法。
从以上技术方案可以看出，本发明具有以下优点：
本发明通过响应接收到的微电网实时运行数据，基于微电网实时运行数据，确定微电网对应的充电桩实时电价。获取微电网对应的多个初始充电桩历史调度数据，基于预设的调度标准和全部初始充电桩历史调度数据，确定微电网对应的多个目标充电桩历史调度数据。基于目标充电桩历史调度数据和预设的约束条件，构建微电网对应的决策树模型。通过决策树模型基于微电网实时运行数据和充电桩实时电价，确定微电网实时运行数据对应的微电网充电桩实时调度方案。解决了现有的微电网充电桩调度方法考虑的角度单一，仅考虑微电网中分布式电源的输出功率或充电桩运行情况，导致制定出来的微电网充电桩调度方案调度效果差的技术问题。通过基于微电网对应的目标充电桩历史调度数据和预设的约束条件，构建决策树模型，使得通过决策树模型得到的微电网充电桩实时调度方案能够更好的适应各种应用场景，在不同的负载负荷情况合理的调整微电网系统的运行方式。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例一提供的一种微电网充电桩调度方法的步骤流程图；
图2为本发明实施例二提供的一种微电网充电桩调度方法的步骤流程图；
图3为本发明实施例二提供的决策树模型的结构示意图；
图4为本发明实施例三提供的一种微电网充电桩调度系统的结构框图。
具体实施方式
本发明实施例提供了一种微电网充电桩调度方法、系统、设备和介质，用于解决现有的微电网充电桩调度方法考虑的角度单一，仅考虑微电网中分布式电源的输出功率或充电桩运行情况，导致制定出来的微电网充电桩调度方案调度效果差的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围。
请参阅图1，图1为本发明实施例一提供的一种微电网充电桩调度方法的步骤流程图。
本发明提供的一种微电网充电桩调度方法，包括：
步骤101、响应接收到的微电网实时运行数据，基于微电网实时运行数据，确定微电网对应的充电桩实时电价。
微电网包括微电网运行系统，微电网运行系统包括分布式电源模块、储能装置模块、大电网模块、充电桩模块和调度模块。分布式电源模块包括风力发电和光伏发电，用于为充电桩主要供电来源，当其提供的功率大于负载功率，满足储能装置的前提下可以向电网售卖。储能装置模块由储能电池组成，在分布式电源提供功率不足时与其一起向充电桩供电。大电网模块实行双网模式，在系统供电功率有剩余的时候可以接收剩余电量，不足时向系统供电。充电桩模块负责为电动汽车充电。调度模块负责对收集的信息进行判断决策，最后输出决策执行。
微电网实时运行数据包括风力发电功率、光伏发电功率、微电网调度系统与大电网实时传输功率、基本负荷功率、储能装置功率、充电桩充电功率和电池容量。
在本发明实施例中，当接收到微电网实时运行数据时，获取该微电网实时运行数据对应的充电桩电价，并将该充电桩电价作为微电网对应的充电桩实时电价。
步骤102、获取微电网对应的多个初始充电桩历史调度数据。
在本发明实施例中，采集基于微电网构建得到的全部历史调度数据，并即将该历史调度数据作为微电网对应的多个初始充电桩历史调度数据。
步骤103、根据预设的调度标准和全部初始充电桩历史调度数据，确定微电网对应的多个目标充电桩历史调度数据。
由于全部初始充电桩历史调度数据中包含有错误的用电调度信息，比如在电价高的时段对蓄电池充电，为了提高决策树模型的分类正确率，除去错误和无利用价值的初始充电桩历史调度数据。预设的调度标准是指基于初始充电桩历史调度数据中的性能指标数据，制定判断是否为合理的调度模式的标准，将不合理的初始充电桩历史调度数据去除，性能指标数据包括电价，蓄电池电量，分布式电源提供功率，负载功率等。如在电价低时且分布式电源提供功率足够时优先给电网输电，电价高时且储能装置电量足够时优先使用电网供电。
在本发明实施例中，判断初始充电桩历史调度数据是否满足预设的调度标准并实时统计判断次数，若是，则将初始充电桩历史调度数据作为微电网对应的目标充电桩历史调度数据。若否，将不合理的初始充电桩历史调度数据进行删减，防止对最后构建得到的决策树模型产生影响。
步骤104、根据目标充电桩历史调度数据和预设的约束条件，构建微电网对应的决策树模型。
预设的约束条件包括微电网运行系统对应的功率平衡约束条件和蓄电池约束条件。微电网运行系统必须平衡供求关系，即功率平衡约束条件为：
Pf+Pg+Pe+Pc＝Pload+Pv
式中，Pf为风力发电功率；Pg为光伏发电功率，Pe为系统与大电网实时传输功率；Pload为基本负荷功率；Pc为储能装置功率(正值为充电，负值为放电)；Pv为充电桩充电功率。
为保证储能装置具有良好的使用寿命，需要对电池容量K进行以下约束即蓄电池约束条件为：
Kmin≤K≤Kmax
式中，Kmin为储能电池额定容量的10％；Kmax为储能电池额定容量的90％，同时规定蓄电池的充放电频率不得超过每天两次。
在本发明实施例中，基于预设的约束条件，分别计算目标充电桩历史调度数据对应的初始信息增益率。基于全部初始信息增益率，确定微电网对应的初始决策样本属性。分别获取目标充电桩历史调度数据对应的充电桩样本电价。采用全部充电桩样本电价进行平均值计算，生成微电网对应的样本平均电价。基于样本平均电价和初始决策样本属性，构建微电网对应的决策树模型。
步骤105、通过决策树模型基于微电网实时运行数据和充电桩实时电价，确定微电网实时运行数据对应的微电网充电桩实时调度方案。
在本发明实施例中，将微电网实时运行数据和充电桩实时电价输入训练好的决策树模型，从而输出与微电网实时运行数据对应的微电网充电桩实时调度方案。
在本发明实施例中，通过响应接收到的微电网实时运行数据，基于微电网实时运行数据，确定微电网对应的充电桩实时电价。获取微电网对应的多个初始充电桩历史调度数据，基于预设的调度标准和全部初始充电桩历史调度数据，确定微电网对应的多个目标充电桩历史调度数据。基于目标充电桩历史调度数据和预设的约束条件，构建微电网对应的决策树模型。通过决策树模型基于微电网实时运行数据和充电桩实时电价，确定微电网实时运行数据对应的微电网充电桩实时调度方案。解决了现有的微电网充电桩调度方法考虑的角度单一，仅考虑微电网中分布式电源的输出功率或充电桩运行情况，导致制定出来的微电网充电桩调度方案调度效果差的技术问题。通过基于微电网对应的目标充电桩历史调度数据和预设的约束条件，构建决策树模型，使得通过决策树模型得到的微电网充电桩实时调度方案能够更好的适应各种应用场景，在不同的负载负荷情况合理的调整微电网系统的运行方式。
请参阅图2，图2为本发明实施例二提供的一种电缆中间头制作风险的识别方法的步骤流程图。
本发明提供的另一种微电网充电桩调度方法，包括：
步骤201、响应接收到的微电网实时运行数据，基于微电网实时运行数据，确定微电网对应的充电桩实时电价。
在本发明实施例中，当接收到当前时刻的微电网实时运行数据时，获取该微电网实时运行数据对应的充电桩实时电价。
步骤202、获取微电网对应的多个初始充电桩历史调度数据。
在本发明实施例中，通过获取微电网对应的多个初始充电桩历史调度数据，并将其作为训练样本，构建微电网对应的决策树模型。
步骤203、根据预设的调度标准和全部初始充电桩历史调度数据，确定微电网对应的多个目标充电桩历史调度数据。
进一步地，步骤203可以包括以下子步骤S11-S12：
S11、分别判断初始充电桩历史调度数据是否满足预设的调度标准并实时统计判断次数。
S12、若是，则将初始充电桩历史调度数据作为微电网对应的目标充电桩历史调度数据。
在本发明实施例中，依次判断初始充电桩历史调度数据是否满足预设的调度标准，当初始充电桩历史调度数据满足预设的调度标准时，将初始充电桩历史调度数据作为微电网对应的目标充电桩历史调度数据。当初始充电桩历史调度数据不满足预设的调度标准时，该初始充电桩历史调度数据去除。
步骤204、基于预设的约束条件，分别计算目标充电桩历史调度数据对应的初始信息增益率。
进一步地，步骤204可以包括以下子步骤S21-S26：
S21、采用全部目标充电桩历史调度数据，构建样本集合。
S22、基于预设的约束条件和样本集合对应的样本数量，分别计算目标充电桩历史调度数据对应的信息熵。
S23、获取样本集合对应的属性值数量。
S24、基于属性值数量和目标充电桩历史调度数据对应的属性值，分别计算目标充电桩历史调度数据对应的属性信息熵。
S25、计算信息熵和属性信息熵的差值，生成目标充电桩历史调度数据对应的属性信息增益。
S26、计算属性信息增益与属性信息熵的比值，生成目标充电桩历史调度数据对应的初始信息增益率。
在本发明实施例中，在满足预设的约束条件下，采用C4.5算法创建决策树模型。采用全部目标充电桩历史调度数据，构建样本集合A，分别计算目标充电桩历史调度数据对应的信息熵，假设样本数量为m，样本集合A＝{a1,a2,a3,...,am}，样本集合A中调度属性分为x类，目标充电桩历史调度数据对应的信息熵可以表示为：
式中，L(m)为信息熵；ai为目标充电桩历史调度数据；m为样本集合对应的样本数量。
将S设定为样本集合对应的属性值集合，假设样本集合中有q个属性值即S＝{S1,S2,S3,....,Sq}，则目标充电桩历史调度数据对应的属性信息熵可表示为：
式中，L(Si)为属性信息熵；Si为第i个目标充电桩历史调度数据对应的属性值；q为属性值数量。
因此，各目标充电桩历史调度数据对应的属性信息增益可表示为：
Gain(Si)＝L(m)-L(Si)
式中，Gain(Si)为属性信息增益；L(m)为信息熵；L(Si)为属性信息熵。
通过计算属性信息增益与属性信息熵的比值，生成目标充电桩历史调度数据对应的初始信息增益率，初始信息增益率可表示为：
式中，G(Si)为初始信息增益率；Gain(Si)为属性信息增益；Si为第i个目标充电桩历史调度数据对应的属性集合；q为属性值的个数。
步骤205、基于全部初始信息增益率，确定微电网对应的初始决策样本属性。
进一步地，步骤205可以包括以下子步骤S31-S33：
S31、采用全部初始信息增益率进行平均值计算，生成微电网对应的平均初始信息增益率。
S32、将大于平均初始信息增益率的初始信息增益率作为目标信息增益率。
S33、将目标增益率对应的样本属性作为微电网对应的初始决策样本属性。
在本发明实施例中，样本属性是指该目标增益率对应的决策属性。采用全部初始信息增益率进行平均值计算，生成微电网对应的平均初始信息增益率，找出信息增益高于平均初始信息增益率的初始信息增益率作为目标信息增益率,目标信息增益率对应的样本属性微电网对应的初始决策样本属性即优先选择的决策样本属性。
步骤206、分别获取目标充电桩历史调度数据对应的充电桩样本电价。
在本发明实施例中，获取每个目标充电桩历史调度数据对应的充电桩样本电价。
步骤207、采用全部充电桩样本电价进行平均值计算，生成微电网对应的样本平均电价。
在本发明实施例中，计算获取到的全部充电桩样本电价对应的平均值，并将该平均值作为微电网对应的样本平均值。
步骤208、根据样本平均电价和初始决策样本属性，构建微电网对应的决策树模型。
进一步地，步骤208可以包括以下子步骤S41-S45：
S41、将样本平均电价作为微电网对应的决策树模型根节点。
S42、基于预设的决策树模型高度，按照初始决策样本属性对应的目标信息增益率从高到低选取微电网对应的目标决策样本属性。
S43、将目标决策样本属性作为微电网对应的树枝节点。
S44、基于树枝节点和决策树模型根节点，确定对应的决策属性。
S45、根据决策属性、决策树模型根节点和树枝节点，构建微电网对应的决策树模型。
在本发明实施例中，计算样本平均电价，记为Pvar，将样本平均电价作为微电网对应的决策树模型根节点，当充电桩实时电价高于平均电价为高电价，低于为低电价即决策树模型根节点s1为实时电价，输出为{高,低}。在决策树模型构建过程中进行剪枝防止过拟合，因此事先设置决策树模型对应的高度即预设的决策树模型高度。按照目标信息增益率从高到低的顺序，选取不同类型的初始决策样本属性作为微电网对应的目标决策样本属性，将目标决策样本属性作为微电网对应的树枝节点即。如图3所示，树枝节点包括第一树枝节点s2、第二树枝节点s3、第三树枝节点s4和第四树枝节点s5，其中，第一树枝节点s2为Pf+Pg≥Pload+Pv，输出为{是,否}；第二树枝节点s3为Pf+Pg+Pc≥Pload+Pv，输出为{是，否}；第三树枝节点s4为K≥Kmin，输出为{是，否}；第四树枝节点s5为K≤Kmax，输出为{是，否}，其中，Pf为风力发电功率；Pg为光伏发电功率；Pload为基本负荷功率；Pc为储能装置功率(正值为充电，负值为放电)；Pv为充电桩充电功率；Kmin为储能电池额定容量的10％；Kmax为储能电池额定容量的90％。通过采用C4.5算法基于树枝节点和决策树模型根节点，确定微电网对应的决策属性，决策属性包括第一决策属性h1、第二决策属性h2、第三决策属性h3和第四决策属性h4。其中，h1为蓄电池充电；h2为蓄电池放电；h3为大电网向微电网送电；h4为微电网向大电网售电。最后，采用C4.5算法基于决策属性、决策树模型根节点和树枝节点，构建微电网对应的决策树模型。
进一步地，树枝节点包括第一树枝节点、第二树枝节点、第三树枝节点和第四树枝节点。决策属性包括第一决策属性、第二决策属性、第三决策属性和第四决策属性。第二树枝节点包括第一树枝子节点和第二树枝子节点。第三决策属性包括第一决策子属性、第二决策子属性、第三决策子属性和第四决策子属性。步骤S45可以包括以下子步骤S451-S454：
S451、将决策根节点对应的左分支和右分支分别第一树枝子节点和第二树枝子节点连接，生成对应的初始决策树模型。
S452、将初始决策树模型中的第一树枝子节点对应的左分支与第四树枝节点连接，对应的右分支与第一决策子属性连接，并将初始决策树模型中的第二树枝子节点对应的左分支与第三树枝节点连接，对应的右分支与第四决策属性连接，生成对应的中间决策树模型。
S453、将中间决策树模型中的第四树枝节点对应的左分支与第二决策子属性连接，对应的右分支与第一决策属性连接，并将中间决策树模型中的第三树枝节点对应的左分支与第二树枝节点连接，对应的右分支与第三决策子属性连接，生成对应的目标决策树模型。
S454、将目标决策树模型中的第二树枝节点对应的左分支与第四决策子属性连接，对应的右分支与第二决策属性连接，生成微电网对应的决策树模型。
在本发明实施例中，第一树枝子节点和第二树枝子节点都为Pf+Pg≥Pload+pv，输出为{是,否}。第一决策子属性、第二决策子属性、第三决策子属性和第四决策子属性都为大电网向微电网送电。从图3可知，采用C4.5算法构建得到的微电网对应的决策树模型具体的连接关系为决策根节点对应的左分支和右分支分别第一树枝子节点和第二树枝子节点连接。第一树枝子节点对应的左分支与第四树枝节点连接，对应的右分支与第一决策子属性连接。第二树枝子节点对应的左分支与第三树枝节点连接，对应的右分支与第四决策属性连接。第四树枝节点对应的左分支与第二决策子属性连接，对应的右分支与第一决策属性连接。第三树枝节点对应的左分支与第二树枝节点连接，对应的右分支与第三决策子属性连接。第二树枝节点对应的左分支与第四决策子属性连接，对应的右分支与第二决策属性连接。
步骤209、通过决策树模型基于微电网实时运行数据和充电桩实时电价，确定微电网实时运行数据对应的微电网充电桩实时调度方案。
在本发明实施例中，将微电网实时运行数据和充电桩实时电价输入训练好的决策树模型，通过该决策树模型计算后能够快速的判断出当前时刻最适合的调度模式，保证微电网中的充电桩的正常运行前提下能够获得最大经济效益。
在本发明实施例中，通过响应接收到的微电网实时运行数据，基于微电网实时运行数据，确定微电网对应的充电桩实时电价。获取微电网对应的多个初始充电桩历史调度数据，基于预设的约束条件，分别计算目标充电桩历史调度数据对应的初始信息增益率。基于全部初始信息增益率，确定微电网对应的初始决策样本属性。分别获取目标充电桩历史调度数据对应的充电桩样本电价，采用全部充电桩样本电价进行平均值计算，生成微电网对应的样本平均电价。根据样本平均电价和初始决策样本属性，构建微电网对应的决策树模型。通过决策树模型基于微电网实时运行数据和充电桩实时电价，确定微电网实时运行数据对应的微电网充电桩实时调度方案。利用C4.5算法构建决策树模型能够使微电网运行系统能够快速做出判断选择工作模式。依据实际情况提出了储能使用过程中的各种约束条件，能够更好的适应各种应用场景，根据不同的负载负荷情况合理的调整微电网运行系统的运行方式。
请参阅图4，图4为本发明实施例三提供的一种微电网充电桩调度系统的结构框图。
本发明实施例提供一种微电网充电桩调度系统，包括：
充电桩实时电价获取模块401，用于响应接收到的微电网实时运行数据，基于微电网实时运行数据，确定微电网对应的充电桩实时电价。
初始充电桩历史调度数据获取模块402，用于获取微电网对应的多个初始充电桩历史调度数据。
目标充电桩历史调度数据确定模块403，用于根据预设的调度标准和全部初始充电桩历史调度数据，确定微电网对应的多个目标充电桩历史调度数据。
决策树模型构建模块404，用于根据目标充电桩历史调度数据和预设的约束条件，构建微电网对应的决策树模型。
微电网充电桩实时调度方案确定模块405，用于通过决策树模型基于微电网实时运行数据和充电桩实时电价，确定微电网实时运行数据对应的微电网充电桩实时调度方案。
可选地，目标充电桩历史调度数据确定模块403，包括：
初始充电桩历史调度数据判断模块，用于分别判断初始充电桩历史调度数据是否满足预设的调度标准并实时统计判断次数。
目标充电桩历史调度数据子确定模块，用若是，则将初始充电桩历史调度数据作为微电网对应的目标充电桩历史调度数据。
可选地，决策树模型构建模块404包括：
初始信息增益率计算模块，用于基于预设的约束条件，分别计算目标充电桩历史调度数据对应的初始信息增益率。
初始决策样本属性确定模块，用于基于全部初始信息增益率，确定微电网对应的初始决策样本属性。
充电桩样本电价获取模块，用于分别获取目标充电桩历史调度数据对应的充电桩样本电价。
样本平均电价生成模块，用于采用全部充电桩样本电价进行平均值计算，生成微电网对应的样本平均电价。
决策树模型构建子模块，用于根据样本平均电价和初始决策样本属性，构建微电网对应的决策树模型。
可惜地，初始信息增益率计算模块可以执行以下步骤：
采用全部目标充电桩历史调度数据，构建样本集合；
基于预设的约束条件和样本集合对应的样本数量，分别计算目标充电桩历史调度数据对应的信息熵；
获取样本集合对应的属性值数量；
基于属性值数量和目标充电桩历史调度数据对应的属性值，分别计算目标充电桩历史调度数据对应的属性信息熵；
计算信息熵和属性信息熵的差值，生成目标充电桩历史调度数据对应的属性信息增益；
计算属性信息增益与属性信息熵的比值，生成目标充电桩历史调度数据对应的初始信息增益率。
可选地，初始决策样本属性确定模块可以执行以下步骤：
采用全部初始信息增益率进行平均值计算，生成微电网对应的平均初始信息增益率；
将大于平均初始信息增益率的初始信息增益率作为目标信息增益率；
将目标增益率对应的样本属性作为微电网对应的初始决策样本属性。
可选地，决策树模型构建子模块包括：
决策树模型根节点确定模块，用于将样本平均电价作为微电网对应的决策树模型根节点。
目标决策样本属性选取模块，用于基于预设的决策树模型高度，按照初始决策样本属性对应的目标信息增益率从高到低选取微电网对应的目标决策样本属性。
树枝节点确定模块，用于将目标决策样本属性作为微电网对应的树枝节点。
决策属性确定模块，用于基于树枝节点和决策树模型根节点，确定对应的决策属性。
决策树模型构建单元模块，用于根据决策属性、决策树模型根节点和树枝节点，构建微电网对应的决策树模型。
可选地，树枝节点包括第一树枝节点、第二树枝节点、第三树枝节点和第四树枝节点；决策属性包括第一决策属性、第二决策属性、第三决策属性和第四决策属性；第二树枝节点包括第一树枝子节点和第二树枝子节点；第三决策属性包括第一决策子属性、第二决策子属性、第三决策子属性和第四决策子属性。决策树模型构建单元模块可以执行以下步骤：
将决策根节点对应的左分支和右分支分别第一树枝子节点和第二树枝子节点连接，生成对应的初始决策树模型；
将初始决策树模型中的第一树枝子节点对应的左分支与第四树枝节点连接，对应的右分支与第一决策子属性连接，并将初始决策树模型中的第二树枝子节点对应的左分支与第三树枝节点连接，对应的右分支与第四决策属性连接，生成对应的中间决策树模型；
将中间决策树模型中的第四树枝节点对应的左分支与第二决策子属性连接，对应的右分支与第一决策属性连接，并将中间决策树模型中的第三树枝节点对应的左分支与第二树枝节点连接，对应的右分支与第三决策子属性连接，生成对应的目标决策树模型；
将目标决策树模型中的第二树枝节点对应的左分支与第四决策子属性连接，对应的右分支与第二决策属性连接，生成微电网对应的决策树模型。
本发明实施例还提供了一种电子设备，电子设备包括：存储器及处理器，存储器中储存有计算机程序；计算机程序被处理器执行时，使得处理器执行如上述任一实施例的微电网充电桩调度方法。
存储器可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器具有用于执行上述方法中的任何方法步骤的程序代码的存储空间。例如，用于程序代码的存储空间可以包括分别用于实现上面的方法中的各种步骤的各个程序代码。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。程序代码可以例如以适当形式进行压缩。这些代码当由计算处理设备运行时，导致该计算处理设备执行上面所描述的微电网充电桩调度方法中的各个步骤。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一实施例的微电网充电桩调度方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，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单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上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的精神和范围。
Claims (10)
1.一种微电网充电桩调度方法，其特征在于，包括：
响应接收到的微电网实时运行数据，基于所述微电网实时运行数据，确定微电网对应的充电桩实时电价；
获取所述微电网对应的多个初始充电桩历史调度数据；
根据预设的调度标准和全部所述初始充电桩历史调度数据，确定所述微电网对应的多个目标充电桩历史调度数据；
根据所述目标充电桩历史调度数据和预设的约束条件，构建所述微电网对应的决策树模型；
通过所述决策树模型基于所述微电网实时运行数据和所述充电桩实时电价，确定所述微电网实时运行数据对应的微电网充电桩实时调度方案。
2.根据权利要求1所述的微电网充电桩调度方法，其特征在于，所述根据预设的调度标准和全部所述初始充电桩历史调度数据，确定所述微电网对应的多个目标充电桩历史调度数据的步骤，包括：
分别判断所述初始充电桩历史调度数据是否满足预设的调度标准并实时统计判断次数；
若是，则将所述初始充电桩历史调度数据作为所述微电网对应的目标充电桩历史调度数据。
3.根据权利要求1所述的微电网充电桩调度方法，其特征在于，所述根据所述目标充电桩历史调度数据和预设的约束条件，构建所述微电网对应的决策树模型的步骤，包括：
基于预设的约束条件，分别计算所述目标充电桩历史调度数据对应的初始信息增益率；
基于全部所述初始信息增益率，确定所述微电网对应的初始决策样本属性；
分别获取所述目标充电桩历史调度数据对应的充电桩样本电价；
采用全部所述充电桩样本电价进行平均值计算，生成所述微电网对应的样本平均电价；
根据所述样本平均电价和所述初始决策样本属性，构建所述微电网对应的决策树模型。
4.根据权利要求3所述的微电网充电桩调度方法，其特征在于，所述基于预设的约束条件，分别计算所述目标充电桩历史调度数据对应的初始信息增益率的步骤，包括：
采用全部所述目标充电桩历史调度数据，构建样本集合；
基于预设的约束条件和所述样本集合对应的样本数量，分别计算所述目标充电桩历史调度数据对应的信息熵；
获取所述样本集合对应的属性值数量；
基于所述属性值数量和所述目标充电桩历史调度数据对应的属性值，分别计算所述目标充电桩历史调度数据对应的属性信息熵；
计算所述信息熵和所述属性信息熵的差值，生成所述目标充电桩历史调度数据对应的属性信息增益；
计算所述属性信息增益与所述属性信息熵的比值，生成所述目标充电桩历史调度数据对应的初始信息增益率。
5.根据权利要求3所述的微电网充电桩调度方法，其特征在于，所述基于全部所述初始信息增益率，确定所述微电网对应的初始决策样本属性的步骤，包括：
采用全部所述初始信息增益率进行平均值计算，生成所述微电网对应的平均初始信息增益率；
将大于所述平均初始信息增益率的所述初始信息增益率作为目标信息增益率；
将所述目标增益率对应的样本属性作为所述微电网对应的初始决策样本属性。
6.根据权利要求5所述的微电网充电桩调度方法，其特征在于，所述根据所述样本平均电价和所述初始决策样本属性，构建所述微电网对应的决策树模型的步骤，包括：
将所述样本平均电价作为所述微电网对应的决策树模型根节点；
基于预设的决策树模型高度，按照所述初始决策样本属性对应的目标信息增益率从高到低选取所述微电网对应的目标决策样本属性；
将所述目标决策样本属性作为所述微电网对应的树枝节点；
基于所述树枝节点和所述决策树模型根节点，确定对应的决策属性；
根据所述决策属性、所述决策树模型根节点和所述树枝节点，构建所述微电网对应的决策树模型。
7.根据权利要求6所述的微电网充电桩调度方法，其特征在于，所述树枝节点包括第一树枝节点、第二树枝节点、第三树枝节点和第四树枝节点；所述决策属性包括第一决策属性、第二决策属性、第三决策属性和第四决策属性；所述第二树枝节点包括第一树枝子节点和第二树枝子节点；所述第三决策属性包括第一决策子属性、第二决策子属性、第三决策子属性和第四决策子属性；所述根据所述决策属性、所述决策树模型根节点和所述树枝节点，构建所述微电网对应的决策树模型的步骤，包括：
将所述决策根节点对应的左分支和右分支分别所述第一树枝子节点和第二树枝子节点连接，生成对应的初始决策树模型；
将所述初始决策树模型中的所述第一树枝子节点对应的左分支与所述第四树枝节点连接，对应的右分支与所述第一决策子属性连接，并将所述初始决策树模型中的所述第二树枝子节点对应的左分支与所述第三树枝节点连接，对应的右分支与所述第四决策属性连接，生成对应的中间决策树模型；
将所述中间决策树模型中的所述第四树枝节点对应的左分支与所述第二决策子属性连接，对应的右分支与所述第一决策属性连接，并将所述中间决策树模型中的所述第三树枝节点对应的左分支与所述第二树枝节点连接，对应的右分支与所述第三决策子属性连接，生成对应的目标决策树模型；
将所述目标决策树模型中的所述第二树枝节点对应的左分支与所述第四决策子属性连接，对应的右分支与所述第二决策属性连接，生成所述微电网对应的决策树模型。
8.一种微电网充电桩调度系统，其特征在于，包括：
充电桩实时电价获取模块，用于响应接收到的微电网实时运行数据，基于所述微电网实时运行数据，确定微电网对应的充电桩实时电价；
初始充电桩历史调度数据获取模块，用于获取所述微电网对应的多个初始充电桩历史调度数据；
目标充电桩历史调度数据确定模块，用于根据预设的调度标准和全部所述初始充电桩历史调度数据，确定所述微电网对应的多个目标充电桩历史调度数据；
决策树模型构建模块，用于根据所述目标充电桩历史调度数据和预设的约束条件，构建所述微电网对应的决策树模型；
微电网充电桩实时调度方案确定模块，用于通过所述决策树模型基于所述微电网实时运行数据和所述充电桩实时电价，确定所述微电网实时运行数据对应的微电网充电桩实时调度方案。
9.一种电子设备，其特征在于，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-7任一项所述的微电网充电桩调度方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1-7任一项所述的微电网充电桩调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211625122.0A CN117094481A (zh) | 2022-12-16 | 2022-12-16 | 一种微电网充电桩调度方法、系统、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211625122.0A CN117094481A (zh) | 2022-12-16 | 2022-12-16 | 一种微电网充电桩调度方法、系统、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117094481A true CN117094481A (zh) | 2023-11-21 |
Family
ID=88777693
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211625122.0A Pending CN117094481A (zh) | 2022-12-16 | 2022-12-16 | 一种微电网充电桩调度方法、系统、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117094481A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117879118A (zh) * | 2024-03-11 | 2024-04-12 | 珠海汇众能源科技有限公司 | 一种自适应光储充系统的运行策略方法 |
-
2022
- 2022-12-16 CN CN202211625122.0A patent/CN117094481A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117879118A (zh) * | 2024-03-11 | 2024-04-12 | 珠海汇众能源科技有限公司 | 一种自适应光储充系统的运行策略方法 |
| CN117879118B (zh) * | 2024-03-11 | 2024-05-14 | 珠海汇众能源科技有限公司 | 一种自适应光储充系统的运行策略方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| He et al. | Optimal bidding strategy of battery storage in power markets considering performance-based regulation and battery cycle life | |
| EP2610986A1 (en) | A method for determining a power outage probability of an electrical power grid, a method for an adaptation of a power generation capacity and a method for determining an energy storage unit size | |
| CN114938035B (zh) | 考虑储能退化成本的共享储能能量调度方法及系统 | |
| Fong et al. | Economic analysis of energy storage business models | |
| Aaslid et al. | Optimal microgrid operation considering battery degradation using stochastic dual dynamic programming | |
| CN117277392B (zh) | 一种面向配电系统弹性提升的应急资源优化配置方法 | |
| CN110867852A (zh) | 计及全寿命周期成本的微电网储能优化配置方法及装置 | |
| CN117094481A (zh) | 一种微电网充电桩调度方法、系统、设备和介质 | |
| US20230289901A1 (en) | Operating system and blockchain for energy supply chain | |
| CN114447964A (zh) | 储能充放电方案的确定方法、装置、设备及存储介质 | |
| CN116436048A (zh) | 一种多目标驱动的微电网群云储能优化配置方法及装置 | |
| CN115347586A (zh) | 多约束多目标优化的新能源场站储能优化配置系统与方法 | |
| CN112184049A (zh) | 一种抽水蓄能电站服务电网能力评估方法 | |
| CN115600757A (zh) | 海上风电共享储能参与现货市场交易协调优化方法及系统 | |
| CN114336594B (zh) | 一种能源聚合客户监测及需求响应调度系统及方法 | |
| Martinez-Rico et al. | Energy storage sizing based on automatic frequency restoration reserve market participation of hybrid renewable power plants | |
| CN117728395B (zh) | 一种微电网组网互联与灵活切换策略系统及方法 | |
| CN116244567B (zh) | 基于激励的配电网多阶段增量规划方法及系统 | |
| CN117543655A (zh) | 计及辅助服务的微电网群退役电池共享储能优化配置方法 | |
| CN112132638A (zh) | 一种储能上网定价系统及方法 | |
| CN111680816A (zh) | 一种提供多重服务的储能系统运营方法及系统 | |
| CN115498694A (zh) | 多微电网组群规划方法、装置及电子设备 | |
| Khalid et al. | Maximizing the income for wind power plant integrated with a battery energy storage system using dynamic programming | |
| CN108599149B (zh) | 一种规划电网方案利用效率评估方法和系统 | |
| CN118153916B (zh) | 虚拟电厂的机会约束联合调度方法、系统、设备及介质 |
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 |