CN117235193A - 一种虚拟电厂多能互补的源荷储优化配置方法 - Google Patents
一种虚拟电厂多能互补的源荷储优化配置方法 Download PDFInfo
- Publication number
- CN117235193A CN117235193A CN202311239467.7A CN202311239467A CN117235193A CN 117235193 A CN117235193 A CN 117235193A CN 202311239467 A CN202311239467 A CN 202311239467A CN 117235193 A CN117235193 A CN 117235193A
- Authority
- CN
- China
- Prior art keywords
- energy
- data
- source
- power plant
- optimizing
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000000295 complement effect Effects 0.000 title claims abstract description 12
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 238000004891 communication Methods 0.000 claims abstract description 14
- 238000004519 manufacturing process Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 230000007613 environmental effect Effects 0.000 claims abstract description 6
- 230000014759 maintenance of location Effects 0.000 claims abstract description 4
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 9
- 238000004146 energy storage Methods 0.000 claims description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 7
- 229910052799 carbon Inorganic materials 0.000 claims description 7
- 239000002803 fossil fuel Substances 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 6
- 239000000446 fuel Substances 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000012300 Sequence Analysis Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 1
- 230000005855 radiation Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000007781 pre-processing Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013079 data visualisation Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电力技术领域，公开了一种虚拟电厂多能互补的源荷储优化配置方法，包括以下步骤：步骤一、数据采集，用于收集不同能源的生产能力、成本和供需情况的实时数据；步骤二、源荷储模型建立，包括各能源类型的功率特性、约束条件和环境影响；步骤三、使用优化算法，基于预测或实时数据进行源、荷和储的优化配置；步骤四、输出优化配置指令到相应的能源管理系统或者设备。通过多源数据接入，可以从各种能源类型太阳能、风能和水电，获得全面的信息，这有助于更准确地了解整个能源系统的状态，使用先进的IoT传感器和高速通信技术，数据预处理步骤可以确保收集到的数据准确和可靠，从而提高后续分析和优化的准确性。
Description
技术领域
本发明涉电力技术领域，具体为一种虚拟电厂多能互补的源荷储优化配置方法。
背景技术
虚拟电厂多能互补的源荷储优化配置方法是指通过综合利用多种能源资源，并结合负荷需求和能源储存技术，进行优化调度和配置，以实现电力系统的高效、可靠、可持续运行的方法，具体而言，这种方法旨在最大化利用可再生能源和节能潜力，同时平衡电力供需之间的差异，并通过储能技术解决能源波动性带来的不稳定性，虚拟电厂多能互补的概念是指通过整合多种能源资源，如太阳能和风能等，使它们互相补充，以弥补各自的不足。通过多种能源的组合，可以平滑能源的供应和减少能源波动性，提高能源利用效率。
传统的虚拟电厂多能互补的源荷储优化配置方法可能会存在通常基于规则和经验，缺乏对复杂系统的深入建模和综合优化，这可能导致优化结果不够准确和灵活，难以适应实时变化的市场需求和能源供给情况的问题。
发明内容
针对现有技术的不足，本发明提供了一种虚拟电厂多能互补的源荷储优化配置方法，解决了导致优化结果不够准确和灵活，难以适应实时变化的市场需求和能源供给情况的问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种虚拟电厂多能互补的源荷储优化配置方法，包括以下步骤：
步骤一、数据采集，用于收集不同能源的生产能力、成本和供需情况的实时数据；
步骤二、源荷储模型建立，包括各能源类型的功率特性、约束条件和环境影响；
步骤三、基于预测或实时数据进行源、荷和储的优化配置；
步骤四、输出优化配置指令到相应的能源管理系统或者设备。
优选的，所述步骤一中，数据采集模块能够从多个不同的数据源，包括物联网(IoT)设备、传感器、历史数据库以及第三方气象服务获取信息。
优选的，所述步骤一中，不同能源为太阳能、风能、水电、燃料电池和化石燃料的一种或者多种。
优选的，所述步骤一中，还包括一个或多个下列优化目标：
a)总成本最小化；
b)碳排放最小化；
c)电力系统稳定性最大化；
d)可再生能源利用率最大化。
优选的，所述步骤三中，优化配置指令能通过多种通信协议包括MQTT,RESTfulAPI,Modbus，发送到能源管理系统或者设备。
优选的，所述步骤一中，用户接口模块能够以图形或者报表的形式展示优化结果，同时也能够提供历史数据查询和故障预警功能。
优选的，所述步骤一中，多源数据接入：使用先进的物联网(IoT)传感器，分别安装在太阳能电池板、风力发电机、水电站、燃料电池和化石燃料供应设备上，持续获取生产能力和实时输出数据，通过与公用事业和能源供应商的API或数据接口集成，获取实时的电力价格、成本和供应情况，接入地理信息系统(GIS)，以获取与能源生产相关的环境和位置数据。
优选的，所述步骤二中，源荷储模型建立需要使用到时间序列数据，包括历史数据、预测数据和实时数据。
优选的，所述步骤二中，源：可以采用时间序列分析、回归分析等方法，为每种能源建立一个模型库，以预测其产量，荷：可以使用统计方法、机器学习方法等，为每种荷建立一个模型库，预测其消费，储：对于能源存储，可以建立一个状态模型库，描述其充电、放电、寿命和效率特性。
优选的，所述步骤三中，目标函数计算公式为：η＝(有效利用能量/供给能量)X100％＝(1-损失能量/供给能量)X 100％，其中能源数据通过步骤一数据中的数据采集，优化算法的目标是最小化成本、最大化利润、最小化碳排放，约束条件：前面提到的各种约束条件需要在优化算法中进行体现，储能的容量限制、太阳能的最大输出限制。
本发明提供了一种虚拟电厂多能互补的源荷储优化配置方法。具备以下
有益效果：
1、本发明通过多源数据接入，可以从各种能源类型太阳能、风能和水电，获得全面的信息，这有助于更准确地了解整个能源系统的状态，使用先进的IoT传感器和高速通信技术，可以实时获取和传输数据，从而快速做出决策或应对突发事件，数据预处理步骤可以确保收集到的数据准确和可靠，从而提高后续分析和优化的准确性。
2、本发明通过方案允许与其他系统或数据源集成，这意味着可以根据需要轻松添加或删除数据输入源，数据的加密和安全传输机制确保了信息不会被非授权用户访问或篡改，结合实时与历史数据，系统能识别出生产和消费的模式，还可以设置预警机制，有助于及时识别和解决问题，数据可视化和实时监控仪表板提供了方便的决策支持工具，操作者或决策者可以基于这些数据做出更明智的选择，通过实时监控和优化，能源生产和消费更为高效，这可以降低运营成本，提高能源利用率。
3、本发明通过实时数据可用于优化可再生能源的利用，减少对化石燃料的依赖，从而减少碳排放和环境破坏，收集的数据可以用于报告和合规性检查，确保企业或机构遵守相关的法律和规章，该数据采集方案为能源系统的有效管理和可持续发展提供了强有力的支持。
附图说明
图1为本发明的主框架图；
图2为本发明的源模型建立流程图；
图3为本发明的荷模型建立流程图；
图4为本发明的储模型建立流程图；
图5为本发明的优化算法流程图。
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、完整地描述，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。
实施例一：
请参阅附图1-附图5，本发明实施例提供一种虚拟电厂多能互补的源荷储优化配置方法，包括以下步骤：
步骤一、数据采集，用于收集不同能源的生产能力、成本和供需情况的实时数据；
步骤二、源荷储模型建立，包括各能源类型的功率特性、约束条件和环境影响；
步骤三、基于预测或实时数据进行源、荷和储的优化配置；
步骤四、输出优化配置指令到相应的能源管理系统或者设备。
线性规划：对于一些简单的优化问题，如电力调度问题。
混合整数线性规划：当我们需要决策某些离散选择时，如开启或关闭某个发电机，对于复杂的非线性、非凸的优化问题。
步骤一中，数据采集模块能够从多个不同的数据源，包括物联网(IoT)设备、传感器、历史数据库以及第三方气象服务获取信息。
物联网(IoT)设备：物联网设备可以通过各种传感器收集环境、设备或其他实体的数据。例如，温度传感器可以提供实时温度数据，湿度传感器可以提供湿度信息，智能电表可以提供能源消耗数据等。这种数据源可以实时地提供各类传感器数据，从而使系统能够实时监测和响应环境变化。
历史数据库：历史数据库包含过去的数据记录，可以用于分析和比较数据以了解趋势和模式。这些数据库可以包括过去几年或更长时间范围内的数据。
第三方气象服务：可以提供天气预报、气象观测数据、气候模型等方面的信息。
步骤一中，不同能源为太阳能、风能、水电、燃料电池和化石燃料的一种或者多种。
步骤一中，还包括一个或多个下列优化目标：
a)总成本最小化；
b)碳排放最小化；
c)电力系统稳定性最大化；
d)可再生能源利用率最大化。
步骤三中，优化配置指令能通过多种通信协议包括MQTT,RESTful API,Modbus，发送到能源管理系统或者设备，MQTT是一个轻量级的发布/订阅通讯协议，尤其适用于远程和低带宽、不稳定或昂贵的网络条件。
在能源管理中的应用：MQTT可以实时传输设备的状态或能源使用数据。例如，如果一个设备开始消耗过多的能源，能源管理系统可以即时接收到此信息，并发送优化指令以减少消耗，低带宽、小数据量、实时性强、保持连接状态，非常适合IoT场景，RESTful API使用HTTP请求来执行增删查改操作，常用于Web服务。
在能源管理中的应用：RESTful API可以用于将能源数据集成到其他系统或应用中，或从其他系统获取数据，一个天气预报系统可以通过RESTful API提供气象数据，能源管理系统再基于此数据调整能源使用策略，简洁、标准化、适用于各种平台和语言，易于集成，Modbus是一种串行通讯协议，主要用于工业自动化系统中的电子设备之间的通信。
在能源管理中的应用：在工业环境中，许多能源设备如变频器、电机和传感器都支持Modbus通讯。这使得能源管理系统可以直接读取设备的状态和数据，或发送控制指令，简单、稳定、广泛应用于工业设备，由于能源管理系统和设备可能来自不同的供应商，使用不同的通讯协议可以确保系统之间的无缝集成和通讯，通过上述的通讯协议，能源管理系统可以实时接收数据，分析能源使用模式，然后发送优化指令以确保最有效的能源利用，特别是在MQTT和RESTful API中，可以实施加密和身份验证措施，以确保数据的安全传输，多种通讯协议为能源管理系统提供了灵活性和高效性，确保了在各种场景和条件下都可以实现高效、准确和安全的数据传输和指令发送。
步骤一中，用户接口模块能够以图形或者报表的形式展示优化结果，同时也能够提供历史数据查询和故障预警功能。
数据可视化：使用折线图展示能源消耗的变化趋势，使用柱状图或饼图展示不同设备或系统的能源分配情况，使用地图展示能源使用的地理分布等。这样的可视化方式可以帮助用户更好地理解和分析数据。
报表生成：通过生成详细的报表，用户可以查看和分析优化结果的各个方面。报表可以包括能源消耗统计、设备效率指标、优化策略执行结果。
历史数据查询：用户接口模块可以提供历史数据查询功能，使用户能够按照时间范围、设备/系统、特定参数等条件检索和分析历史数据。可以提供灵活的查询界面和筛选选项，以满足用户对历史数据的特定需求。
故障预警：用户接口模块可以通过监测实时数据并应用故障检测算法或规则来提供故障预警功能。当系统或设备出现异常情况时，用户会收到及时的警报或通知。这样，用户可以快速采取适当的措施，防止潜在的故障扩大并减少停机时间。
步骤一中，多源数据接入：使用先进的物联网(IoT)传感器，分别安装在太阳能电池板、风力发电机、水电站、燃料电池和化石燃料供应设备上，持续获取生产能力和实时输出数据，通过与公用事业和能源供应商的API或数据接口集成，获取实时的电力价格、成本和供应情况，接入地理信息系统(GIS)，以获取与能源生产相关的环境和位置数据。
步骤二中，源荷储模型建立需要使用到时间序列数据，包括历史数据、预测数据和实时数据。
步骤二中，源：可以采用时间序列分析、回归分析等方法，为每种能源建立一个模型库，以预测其产量，荷：可以使用统计方法、机器学习方法等，为每种荷建立一个模型库，预测其消费，储：对于能源存储，可以建立一个状态模型库，描述其充电、放电、寿命和效率特性，上述是根据优化的计算方法建立模型库。
步骤三中，目标函数计算公式为：η＝(有效利用能量/供给能量)X100％＝(1-损失能量/供给能量)X 100％，其中能源数据通过步骤一数据中的数据采集，优化算法的目标是最小化成本、最大化利润、最小化碳排放，约束条件：前面提到的各种约束条件需要在优化算法中进行体现，储能的容量限制、太阳能的最大输出限制。
预测数据：基于未来的预测数据天气预测、需求预测，进行能源配。
实时数据：基于实时的观测数据进行能源配置。这通常涉及快速响应和实时优化。
实际应用：对于一个具体的应用，微电网管理、智能家居能源管理等，需要结合实际场景，选择合适的优化算法，设定目标函数和约束条件，并根据预测或实时数据进行能源配置。
对比例一：
本实施例采用的是传统的方法，下面进行介绍：
本发明实施例提供一种虚拟电厂多能互补的源荷储优化配置方法，传统的方法会首先对虚拟电厂的可用能源资源进行调度，根据能源的可预测性和可调度性，以及当前的需求情况，确定每种能源的使用比例和调度策略，传统方法中通常会考虑使用储能设备来平衡能源的供需差异。通过对储能设备的充放电策略进行优化，将多余的能源储存起来，以便在需求高峰期间使用，或在能源供应不足时释放能量。优化目标可以是最大化储能设备的效用或者最小化总的能源损耗，在确定了能源的调度和储能策略之后，传统的方法通常会进行系统级的优化。这包括考虑能源在输配电网中的传输损耗、能源成本等因素，以便找到最优的能源配置方案。
表一
根据上表可以得出本发明通过多源数据接入，可以从各种能源类型太阳能、风能和水电，获得全面的信息，这有助于更准确地了解整个能源系统的状态，使用先进的IoT传感器和高速通信技术，可以实时获取和传输数据，从而快速做出决策或应对突发事件，数据预处理步骤可以确保收集到的数据准确和可靠，从而提高后续分析和优化的准确性。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种虚拟电厂多能互补的源荷储优化配置方法，其特征在于，包括以下步骤：
步骤一、数据采集，用于收集不同能源的生产能力、成本和供需情况的实时数据；
步骤二、源荷储模型建立，包括各能源类型的功率特性、约束条件和环境影响；
步骤三、基于预测或实时数据进行源、荷和储的优化配置；
步骤四、输出优化配置指令到相应的能源管理系统或者设备。
2.根据权利要求1所述的一种虚拟电厂多能互补的源荷储优化配置方法，其特征在于，所述步骤一中，数据采集模块能够从多个不同的数据源，包括物联网(IoT)设备、传感器、历史数据库以及第三方气象服务获取信息。
3.根据权利要求1所述的一种虚拟电厂多能互补的源荷储优化配置方法，其特征在于，所述步骤一中，不同能源为太阳能、风能、水电、燃料电池和化石燃料的一种或者多种。
4.根据权利要求1所述的一种虚拟电厂多能互补的源荷储优化配置方法，其特征在于，所述步骤一中，还包括一个或多个下列优化目标：
a)总成本最小化；
b)碳排放最小化；
c)电力系统稳定性最大化；
d)可再生能源利用率最大化。
5.根据权利要求1所述的一种虚拟电厂多能互补的源荷储优化配置方法，其特征在于，所述步骤三中，优化配置指令能通过多种通信协议包括MQTT,RESTful AP I,Modbus，发送到能源管理系统或者设备。
6.根据权利要求1所述的一种虚拟电厂多能互补的源荷储优化配置方法，其特征在于，所述步骤一中，用户接口模块能够以图形或者报表的形式展示优化结果，同时也能够提供历史数据查询和故障预警功能。
7.根据权利要求1所述的一种虚拟电厂多能互补的源荷储优化配置方法，其特征在于，所述步骤一中，多源数据接入：使用先进的物联网(IoT)传感器，分别安装在太阳能电池板、风力发电机、水电站、燃料电池和化石燃料供应设备上，持续获取生产能力和实时输出数据，通过与公用事业和能源供应商的API或数据接口集成，获取实时的电力价格、成本和供应情况，接入地理信息系统(GIS)，以获取与能源生产相关的环境和位置数据，如太阳辐射度、风速和水流速度。
8.根据权利要求1所述的一种虚拟电厂多能互补的源荷储优化配置方法，其特征在于，所述步骤二中，源荷储模型建立需要使用到时间序列数据，包括历史数据、预测数据和实时数据。
9.根据权利要求1所述的一种虚拟电厂多能互补的源荷储优化配置方法，其特征在于，所述步骤二中，源：可以采用时间序列分析、回归分析等方法，为每种能源建立一个模型库，以预测其产量，荷：可以使用统计方法、机器学习方法等，为每种荷建立一个模型库，预测其消费，储：对于能源存储，可以建立一个状态模型库，描述其充电、放电、寿命和效率特性。
10.根据权利要求1所述的一种虚拟电厂多能互补的源荷储优化配置方法，其特征在于，所述步骤三中，目标函数计算公式为：η＝(有效利用能量/供给能量)X 100％＝(1-损失能量/供给能量)X 100％，其中能源数据通过步骤一数据中的数据采集，优化算法的目标是最小化成本、最大化利润、最小化碳排放，约束条件：前面提到的各种约束条件需要在优化算法中进行体现，储能的容量限制、太阳能的最大输出限制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311239467.7A CN117235193A (zh) | 2023-09-22 | 2023-09-22 | 一种虚拟电厂多能互补的源荷储优化配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311239467.7A CN117235193A (zh) | 2023-09-22 | 2023-09-22 | 一种虚拟电厂多能互补的源荷储优化配置方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117235193A true CN117235193A (zh) | 2023-12-15 |
Family
ID=89098077
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311239467.7A Pending CN117235193A (zh) | 2023-09-22 | 2023-09-22 | 一种虚拟电厂多能互补的源荷储优化配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117235193A (zh) |
-
2023
- 2023-09-22 CN CN202311239467.7A patent/CN117235193A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110426590B (zh) | 一种适用于综合能源系统的多能信息交互装置 | |
| CN107330056B (zh) | 基于大数据云计算平台的风电场scada系统及其运行方法 | |
| CN111062651A (zh) | 基于边缘计算和大数据分析的安全用电管理系统及方法 | |
| KR101298500B1 (ko) | 마이크로그리드 시뮬레이션 장치 및 전력 관리 시스템 | |
| CN102637203B (zh) | 电量数据处理方法和电能计量自动化系统监控主站 | |
| CN103984316A (zh) | 能源管理设备和系统 | |
| CN116683500B (zh) | 一种电化学储能电站有功功率调度方法和系统 | |
| CN112332401B (zh) | 基于区块链的绿色供能充电站系统及管理设备与方法 | |
| WO2013169903A1 (en) | Methods and systems for managing distributed energy resources | |
| CN115173550A (zh) | 一种分布式光伏发电实时监控方法和系统 | |
| CN102682197A (zh) | 对单设备能源消耗变化趋势实时预测的监测方法及装置 | |
| CN111091240A (zh) | 一种公共机构电力能效监测系统及服务方法 | |
| CN117973708B (zh) | 一种基于绿色能源的分布式算网智能管控系统 | |
| CN118232345B (zh) | 一种基于分布式神经网络的储能电站故障诊断系统 | |
| CN114861539A (zh) | 一种5g城市综合能源互联网数字孪生系统建模与实现方法 | |
| CN116522746A (zh) | 高耗能企业配电托管方法 | |
| CN115514100A (zh) | 一种基于多元储能和控制的混合储能系统 | |
| CN115757569A (zh) | 基于国产化结构的新能源多类型数据调配方法及系统 | |
| CN118213970A (zh) | 分布式光伏发电量预测方法及系统 | |
| CN102338835A (zh) | 一种电能质量动态监测系统 | |
| CN116865433A (zh) | 基于多能微网的配电网分析系统、方法及相关设备 | |
| CN115619159B (zh) | 一种智慧园区能源消耗分析调度方法和系统 | |
| CN116756506A (zh) | 区域电缆网络碳排放检测方法、系统、装置及存储介质 | |
| EP3718061B1 (en) | Technique for utility network management | |
| CN117235193A (zh) | 一种虚拟电厂多能互补的源荷储优化配置方法 |
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 |