CN117578627B - 发电调度方法、装置、电子设备和存储介质 - Google Patents

发电调度方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN117578627B
CN117578627B CN202410058513.1A CN202410058513A CN117578627B CN 117578627 B CN117578627 B CN 117578627B CN 202410058513 A CN202410058513 A CN 202410058513A CN 117578627 B CN117578627 B CN 117578627B
Authority
CN
China
Prior art keywords
power
carbon emission
node
transmission line
power system
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.)
Active
Application number
CN202410058513.1A
Other languages
English (en)
Other versions
CN117578627A (zh
Inventor
章寒冰
叶吉超
胡鑫威
黄慧
吴新华
邱逸
徐永海
季奥颖
夏通
郝自飞
胡巧辉
郑华
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.)
State Grid Zhejiang Electric Power Co Ltd
Lishui Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Lishui Power Supply Co of State Grid Zhejiang Electric Power 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 State Grid Zhejiang Electric Power Co Ltd, Lishui Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202410058513.1A priority Critical patent/CN117578627B/zh
Publication of CN117578627A publication Critical patent/CN117578627A/zh
Application granted granted Critical
Publication of CN117578627B publication Critical patent/CN117578627B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/38—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
    • 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
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本公开提供了一种发电调度方法、装置、电子设备和存储介质。具体实现方案为：基于电力系统各个节点的总碳注入量与总功率注入量的比值，分别确定各个节点的节点碳排放强度；基于各个节点的节点碳排放强度，确定电力系统中各个输电线路的支路碳排放强度；基于各个输电线路的支路碳排放强度，确定电力系统的平均碳排放因子；以最小化平均碳排放因子为目标，构建优化调度模型；基于电力系统的功率平衡约束条件、发电机物理约束条件以及输电线路容量约束条件，对优化调度模型进行最小值求解，得到电力系统的发电计划；基于发电计划，对电力系统进行发电调度。采用本公开的技术方案，可以实现电力系统发电的碳排放最小化。

Description

发电调度方法、装置、电子设备和存储介质
技术领域
本公开涉及电力技术领域，尤其涉及发电调度领域。本公开具体涉及一种发电调度方法、装置、电子设备和存储介质。
背景技术
低碳经济调度旨在解决电力系统中整合可再生能源的复杂性，将可再生能源并入电力系统调度，达到减缓电力系统的碳排放的目标。如今，低碳经济调度相关研究构建了更加可持续和低碳的电力系统，但是，在专注于区域清洁能源供应和清洁能源来源之间的跨区域互动的研究上，仍然存在明显的空白，并且，这也忽视了一个区域的清洁发电可能不会被充分利用的问题。因此，亟需一种新的电力系统低碳运行方式解决上述问题。
发明内容
本公开提供了一种发电调度方法、装置、电子设备和存储介质，能够解决上述问题。
根据本公开的一方面，提供了一种发电调度方法，包括：
针对电力系统中各个节点，对所述节点的各个发电机的发电量与其碳排放强度的乘积，和所述节点注入有功功率的输电线路集合中各个输电线路的潮流功率与其碳排放因子的乘积相加，得到所述节点的总碳注入量；
对所述节点的所有发电机的发电量的总和，和所述输电线路集合中所有输电线路的潮流功率的总和相加，得到所述节点的总功率注入量；
基于各个所述节点的总碳注入量与总功率注入量的比值，分别确定各个所述节点的节点碳排放强度；
基于各个所述节点的节点碳排放强度，确定所述电力系统中各个输电线路的支路碳排放强度；
基于各个所述输电线路的支路碳排放强度，确定所述电力系统的平均碳排放因子；
以最小化所述平均碳排放因子为目标，构建优化调度模型；
基于所述电力系统的功率平衡约束条件、发电机物理约束条件以及输电线路容量约束条件，对所述优化调度模型进行最小值求解，得到所述电力系统的发电计划；
基于所述发电计划，对所述电力系统进行发电调度。
根据本公开的另一方面，提供了一种发电调度装置，包括：
总碳注入量计算模块，用于针对电力系统中各个节点，对所述节点的各个发电机的发电量与其碳排放强度的乘积，和所述节点注入有功功率的输电线路集合中各个输电线路的潮流功率与其碳排放因子的乘积相加，得到所述节点的总碳注入量；
总功率注入量计算模块，用于对所述节点的所有发电机的发电量的总和，和所述输电线路集合中所有输电线路的潮流功率的总和相加，得到所述节点的总功率注入量；
节点碳排放计算模块，用于基于各个所述节点的总碳注入量与总功率注入量的比值，分别确定各个所述节点的节点碳排放强度；
支路碳排放计算模块，用于基于各个所述节点的节点碳排放强度，确定所述电力系统中各个输电线路的支路碳排放强度；
碳排放因子计算模块，用于基于各个所述输电线路的支路碳排放强度，确定所述电力系统的平均碳排放因子；
模型构建模块，用于以最小化所述平均碳排放因子为目标，构建优化调度模型；
模型求解模块，用于基于所述电力系统的功率平衡约束条件、发电机物理约束条件以及输电线路容量约束条件，对所述优化调度模型进行最小值求解，得到所述电力系统的发电计划；
发电调度模块，用于基于所述发电计划，对所述电力系统进行发电调度。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器，以及与该至少一个处理器通信连接的存储器；
其中，该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开实施例中任一发电调度方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使计算机执行本公开实施例中任一发电调度方法。
根据本公开的技术，基于电力系统各个节点的总碳注入量与总功率注入量的比值，分别确定各个节点的节点碳排放强度；基于各个节点的节点碳排放强度，确定电力系统中各个输电线路的支路碳排放强度；基于各个输电线路的支路碳排放强度，可以确定电力系统的平均碳排放因子。从而，以最小化平均碳排放因子为目标，可以构建得到优化调度模型，并且，基于所述电力系统的功率平衡约束条件、发电机物理约束条件以及输电线路容量约束条件，对所述优化调度模型进行最小值求解，得到所述电力系统的发电计划；基于所述发电计划，对所述电力系统进行发电调度。因此，采用本公开的技术，计算得到的电力系统的发电计划能够使电力系统的碳排放量最小化。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开一实施例的发电调度方法的流程图；
图2是本公开一实施例的电力系统的结构图；
图3是本公开另一实施例的发电功率和负荷需求量的曲线变化图；
图4是本公开一实施例的适应度随世代数的曲线变化图；
图5是本公开一实施例的碳排放流的条形图；
图6是本公开一实施例的发电调度装置的结构框图；
图7是本公开一实施例的发电调度方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是本公开一实施例的发电调度方法的流程图。
如图1所示，该发电调度方法，可以包括：
S110，针对电力系统中各个节点，对节点的各个发电机的发电量与其碳排放强度的乘积，和节点注入有功功率的输电线路集合中各个输电线路的潮流功率与其碳排放因子的乘积相加，得到节点的总碳注入量；
S120，对节点的所有发电机的发电量的总和，和输电线路集合中所有输电线路的潮流功率的总和相加，得到节点的总功率注入量；
S130，基于各个节点的总碳注入量与总功率注入量的比值，分别确定各个节点的节点碳排放强度；
S140，基于各个节点的节点碳排放强度，确定电力系统中各个输电线路的支路碳排放强度；
S150，基于各个输电线路的支路碳排放强度，确定电力系统的平均碳排放因子；
S160，以最小化平均碳排放因子为目标，构建优化调度模型；
S170，基于电力系统的功率平衡约束条件、发电机物理约束条件以及输电线路容量约束条件，对优化调度模型进行最小值求解，得到电力系统的发电计划；
S180，基于发电计划，对电力系统进行发电调度。
可以理解地，电力系统中包括多个节点，每个节点可以认为一个母线。
可以理解地，第n个节点的总碳注入量，可以表示为如下公式：
；
其中，表示第n个节点的总碳注入量，/>表示第n个节点的发电机集合，/>表示第g个发电机的发电量，/>表示第g个发电机的碳排放强度，/>表示向第n个节点注入有功功率的输电线路集合，/>表示第b个输电线路的潮流功率，/>表示第b个输电线路的碳排放因子。
可以理解地，第n个节点的总功率注入量，可以表示为如下公式：
；
其中，表示第n个节点的总功率注入量。
可以理解地，针对每个输电线路，其可以有一个或多个节点向其注入功率，因此，可以采用在该输电线路注入功率的一个或多个节点各自对应的节点碳排放强度中选择任意一个作为该输电线路的支路碳排放强度。又或者，这个选择标准可以是最大值，也可以是平均值，或者中位数。
可以理解地，对各个输电线路的支路碳排放强度相加，然后除以输电线路的总数，可以得到电力系统的平均碳排放因子。
又或者，在各个输电线路的支路碳排放强度中提取中位数或者最大值，作为电力系统的平均碳排放因子。
可以理解地，可以采用遗传算法或粒子群算法等算法，对优化调度模型进行最小值求解，得到电力系统的发电计划。
可以理解地，发电计划包括电力系统中各个发电机在预设时间段内的发电量。其中，预设时间段可以是半天、一天或者一个星期等。
根据上述实施方式，基于电力系统各个节点的总碳注入量与总功率注入量的比值，分别确定各个节点的节点碳排放强度；基于各个节点的节点碳排放强度，确定电力系统中各个输电线路的支路碳排放强度；基于各个输电线路的支路碳排放强度，可以确定电力系统的平均碳排放因子。从而，以最小化平均碳排放因子为目标，可以构建得到优化调度模型，并且，基于所述电力系统的功率平衡约束条件、发电机物理约束条件以及输电线路容量约束条件，对所述优化调度模型进行最小值求解，得到所述电力系统的发电计划；基于所述发电计划，对所述电力系统进行发电调度。因此，采用上述实施方式，计算得到的电力系统的发电计划能够使电力系统的碳排放量最小化。
在一种实施方式中，节点碳排放强度的计算公式可以为：
；
其中，表示第n个节点的节点碳排放强度，/>表示第n个节点的发电机集合，/>表示第g个发电机的发电量，/>表示第g个发电机的碳排放强度，/>表示向第n个节点注入有功功率的输电线路集合，/>表示第b个输电线路的潮流功率，/>表示第b个输电线路的碳排放因子。
根据上述实施方式，可以准确地计算电力系统的各个节点的碳排放强度。
在一种实施方式中，支路碳排放强度的计算公式可以为：
；
其中，表示第b个输电线路的支路碳排放强度，/>表示从第n个节点注入有功功率的输电线路集合。
根据上述实施方式，利用各个节点的节点碳排放强度，确定电力系统中各个输电线路的支路碳排放强度。
在一种实施方式中，平均碳排放因子的计算公式为：
；
其中，表示平均碳排放因子，/>表示第i个输电线路的支路碳排放强度，/>表示电力系统的输电线路集合，/>表示电力系统的输电线路集合中的输电线路的总数。
根据上述实施方式，对电力系统中的输电线路的支路碳排放强度求平均值，可以得到电力系统的平均碳排放因子。
在一种实施方式中，优化调度模型为：；
其中，表示电力系统在t时刻的平均碳排放因子。
在一种实施方式中，功率平衡约束条件为：；
发电机物理约束条件：；
输电线路容量约束条件：
；
其中，表示第g个发电机在t时刻的发电量，/>表示第d个电力用户在t时刻的用电量，/>表示第g个发电机的最小发电量，/>表示第g个发电机的最大发电量，/>表示第b个输电线路流向第n个节点的有功功率，/>表示第n个节点在t时刻的发电量，/>表示第n个节点在t时刻的用电量，/>表示第b个输电线路的最小输电容量，/>表示第b个输电线路的最大输电容量。
在一种实施方式中，基于电力系统的功率平衡约束条件、发电机物理约束条件以及输电线路容量约束条件，包括：
对电力系统中各个发电机在第一时间段内的发电量进行初始化，得到初始化的种群；其中，种群包括N个个体，N为大于0的正整数，个体用于表征电力系统中各个发电机在第一时间段内的发电量；
以初始化的种群作为第一次迭代种群，进行以下多次迭代：
采用平均碳排放因子的计算公式，对本次迭代种群中各个个体进行计算，得到本次迭代种群中各个个体的平均碳排放因子，以作为本次迭代种群中各个个体的适应度；
对本次迭代种群中各个个体的适应度从小到大排列，在本次迭代种群中选择前N个个体，以作为本次迭代父代；
在本次迭代种群中各个个体的适应度中的最小值小于历史最优适应度，则以最小值更新历史最优适应度，并以最小值对应的个体为最优个体；
对本次迭代父代进行交叉和变异，得到M个本次迭代子代；其中，M为大于0的正整数，本次迭代子代包括N个个体，本次迭代子代中各个个体的个体信息满足功率平衡约束条件，发电机物理约束条件和输电线路容量约束条件；
将本次迭代父代中的个体和M个本次迭代子代中的个体进行并集，作为下一次迭代种群；
在历史最优适应度满足第一设定条件或者上述多次迭代的迭代次数满足第二设定条件的情况下，停止上述多次迭代，并基于最优个体对应的电力系统中各个发电机在第一时间段内的发电量，确定发电计划。
可以理解地，在初始化种群时，可以随机地确定电力系统中各个发电机在第一时间段内的发电量作为一个个体，将多个个体组成初始化种群。
可以理解地，在交叉和变异时，通过预先设定的交叉率和变异率，生成多个本次迭代子代；然后，在多个本次迭代子代中，选择满足功率平衡约束条件，发电机物理约束条件和输电线路容量约束条件的M个本次迭代子代。
可以理解地，第一时间段可以是预设的任意时间段，例如半天、一天或一星期等。
可以理解地，第一设定条件为相邻两次迭代对应的历史最优适应度的差值小于设定阈值。第二设定条件为迭代次数大于设定阈值。
可以理解地，发电计划为最优个体对应的电力系统中各个发电机在第一时间段内的发电量。
根据上述实施方式，可以采用种群迭代的方式，对发电计划进行迭代，并且在迭代过程限定发电计划满足的功率平衡约束条件、发电机物理约束条件以及输电线路容量约束条件，在满足条件停止迭代时，可以得到使平均碳排放因子最小化的发电计划。
以下将介绍针对上述实施例进行验证的一些实例。具体如下：
首先，建立如图2的IEEE 39的算例网络，以及获取如图3的可再生能源发电功率与负荷变化曲线。
在选取电力系统特征时，可分为以下几点：
1、发电类型：当前常见的电力系统发电类型有：火力发电、水力发电、风力发电、光伏发电，其中后三种为可再生能源发电类型。不同的发电类型会对遗传算法模型产生不同的影响。
2、发电组合情况及母线与支线关系：当前常见的发电组合情况有：清洁能源内部连接、清洁能源与非清洁能源的连接与非清洁能源之间的连接。不同的连接方式或不同的母线与支线关系会产生不同的IEEE 39算例拓扑模型。
3、可再生能源和负荷需求。
4、发电机的成本函数和碳排放强度。
在进行特征处理时，有以下处理需求：
1、根据发电类型、发电组合情况及母线与支线关系，建立IEEE case 39网络。
2、根据可再生能源和负荷需求，绘制如图3的可再生能源发电功率与负荷变化曲线。
3、根据发电机的成本函数和碳排放强度，绘制如表1所示的发电机的成本函数和碳排放强度关系。
表1：发电机的成本函数和碳排放强度关系
在一个实施例中，电力系统低碳运行模型的建立方式包括：预先构建遗传算法模型；建立IEEE case - 39网络，获取可再生能源发电功率与负荷变化曲线与发电机的成本函数和碳排放强度，并输入预先构建的遗传算法模型；在遗传算法模型内采用三种不同的方法确定的调度模式进行对比；最终根据对比结果，得出最有助于减少区域间的碳排放的调度模式。
具体地，本公开基于MATPOWER软件库的遗传算法模型来求解存在非凸约束的低碳经济调度模型。对应的遗传算法层设置如下：
对遗传算法中的各种超参数进行微调，优化算法的性能和求解质量。具体来说，交叉比例被设置为0.8，它决定了通过交叉产生的下一代的比例。选择种群大小为400，代表每一代中个体解的数量。采用的约束容限以精确地施加系统约束和网络约束。该算法最多可运行100代，为种群收敛到最优解提供了足够的进化时间。
此外，为了初始化种群矩阵，设计了一种能够反映现实的起始条件。对于每个时段t，可再生能源发电商被设定为其发电量的一半进行生产，其前提是可再生能源的环境影响较低，应最大限度地利用可再生能源。剩余的电力需求在非可再生能源发电商之间平均分配。这种初始设置不仅包含了系统约束，而且允许一组多样化的解决方案，从而增强了基于GA优化的鲁棒性和有效性。
在一个验证示例中，具体如下：
本示例采用了IEEE case-39网络的修改版本，构建了如图2的IEEE case-39网络。其中，可再生能源被包含在修改后的网络中。具体而言，可再生能源组合包括一个位于母线3的风电场，一个位于母线15的太阳能发电厂，以及三个位于母线39，31和32的水力发电厂。可再生能源发电功率与负荷的变化模式在图3中描述，不同发电机的成本函数和碳排放强度在表1中显示。
在对潮流和最优潮流的求解过程中，采用了上文所述的超参数微调方法与起始条件。在GA-ICEFM，常规OPF和最大化可再生能源三种不同的调度确定方法下计算并比较可再生能源发电功率与机组发电结果，结果如表2所示。
表2：不同调度方式下的可再生能源发电功率
具体的，最大化可再生能源法通过将发电机成本设置为零来促进所有可再生机组的出力。从图4中可以看出，该方法得到的可再生能源出力最高。而在常规OPF策略下，可再生机组调度更加保守，导致可再生能源出力较小，而传统机组出力较高。
由表2可知，基于ICEFM的GA-ICEFM调度相较于与常规最优潮流(Optimal PowerFlow, OPF)方法促进了可再生能源发电，导致可再生能源机组的输出增加。具体来说，W和S机组在GA - ICEFM下的发电功率相对于各自在常规OPF方法下的出力有明显的提升。此外，H1、H2和H3单元在GA - ICEFM方法中也表现出增加的产出。
最大可再生能源法为所有机组提供了最高的产出。这一数据表明，GA - ICEFM方法实现了比常规OPF更有利的可再生能源机组调度。
如图4所示，其示出了遗传算法在求解ICEFM问题时的学习过程。具体的，随着迭代（世代）的推进，适应度值在292左右出现收敛。
图5示出了在12个时间步长内不同调度方法的区域间碳排放流量。在大多数时间步长内，与其他方法相比，常规OPF方法显示出更高的排放水平。相反，与常规OPF相比，GA -ICEFM方法导致了碳排放量的减少，特别是在时间步骤1至10中。最大可再生能源方法通常保持最低的排放水平，在后半个时间步骤中减排效果最明显。3种方法的具体结果如表3所示。总体而言，结果表明，与常规OPF相比，GA - ICEFM有助于显著减少区域间的碳排放。
表3：区域间平均碳排放流
图6是本公开一实施例的电力系统调度装置的结构框图。
如图6所示，该电力系统调度装置，可以包括：
总碳注入量计算模块610，用于针对电力系统中各个节点，对所述节点的各个发电机的发电量与其碳排放强度的乘积，和所述节点注入有功功率的输电线路集合中各个输电线路的潮流功率与其碳排放因子的乘积相加，得到所述节点的总碳注入量；
总功率注入量计算模块620，用于对所述节点的所有发电机的发电量的总和，和所述输电线路集合中所有输电线路的潮流功率的总和相加，得到所述节点的总功率注入量；
节点碳排放计算模块630，用于基于各个所述节点的总碳注入量与总功率注入量的比值，分别确定各个所述节点的节点碳排放强度；
支路碳排放计算模块640，用于基于各个所述节点的节点碳排放强度，确定所述电力系统中各个输电线路的支路碳排放强度；
碳排放因子计算模块650，用于基于各个所述输电线路的支路碳排放强度，确定所述电力系统的平均碳排放因子；
模型构建模块660，用于以最小化所述平均碳排放因子为目标，构建优化调度模型；
模型求解模块670，用于基于所述电力系统的功率平衡约束条件、发电机物理约束条件以及输电线路容量约束条件，对所述优化调度模型进行最小值求解，得到所述电力系统的发电计划；
发电调度模块680，用于基于所述发电计划，对所述电力系统进行发电调度。
在一种实施方式中，所述节点碳排放强度的计算公式为：
；
其中，表示第n个节点的节点碳排放强度，/>表示第n个节点的发电机集合，/>表示第g个发电机的发电量，/>表示第g个发电机的碳排放强度，/>表示向第n个节点注入有功功率的输电线路集合，/>表示第b个输电线路的潮流功率，/>表示第b个输电线路的碳排放因子。
在一种实施方式中，所述支路碳排放强度的计算公式为：
；
其中，表示第b个输电线路的支路碳排放强度，/>表示从第n个节点注入有功功率的输电线路集合。
在一种实施方式中，所述平均碳排放因子的计算公式为：
；
其中，表示所述平均碳排放因子，/>表示第i个输电线路的支路碳排放强度，/>表示所述电力系统的输电线路集合，/>表示所述电力系统的输电线路集合中的输电线路的总数。
在一种实施方式中，所述优化调度模型为：
；
其中，表示所述电力系统在t时刻的平均碳排放因子。
在一种实施方式中，所述功率平衡约束条件为：
；
所述发电机物理约束条件：
；
所述输电线路容量约束条件：
；
其中，表示第g个发电机在t时刻的发电量，/>表示负荷功率，/>表示第g个发电机的最小发电量，/>表示第g个发电机的最大发电量，/>表示第b个输电线路流向第n个节点的有功功率，/>表示，/>表示，/>表示第b个输电线路的最小输电容量，/>表示第b个输电线路的最大输电容量。
在一种实施方式中，模型求解模块670，包括：
初始化单元，用于对所述电力系统中各个发电机在第一时间段内的发电量进行初始化，得到初始化的种群；其中，所述种群包括N个个体，N为大于0的正整数，所述个体用于表征电力系统中各个发电机在第一时间段内的发电量；
迭代单元，用于以所述初始化的种群作为第一次迭代种群，进行以下多次迭代：
采用所述平均碳排放因子的计算公式，对本次迭代种群中各个个体进行计算，得到所述本次迭代种群中各个个体的平均碳排放因子，以作为所述本次迭代种群中各个个体的适应度；
对所述本次迭代种群中各个个体的适应度从小到大排列，在所述本次迭代种群中选择前N个个体，以作为本次迭代父代；
在所述本次迭代种群中各个个体的适应度中的最小值小于历史最优适应度，则以所述最小值更新历史最优适应度，并以所述最小值对应的个体为最优个体；
对所述本次迭代父代进行交叉和变异，得到M个本次迭代子代；其中，M为大于0的正整数，所述本次迭代子代包括N个个体，所述本次迭代子代中各个个体的个体信息满足所述功率平衡约束条件，所述发电机物理约束条件和所述输电线路容量约束条件；
将所述本次迭代父代中的个体和所述M个本次迭代子代中的个体进行并集，作为下一次迭代种群；
发电计算确定单元，用于在所述历史最优适应度满足第一设定条件或者上述多次迭代的迭代次数满足第二设定条件的情况下，停止上述多次迭代，并基于所述最优个体对应的电力系统中各个发电机在第一时间段内的发电量，确定所述发电计划。
本公开实施例的装置的各模块、子模块的具体功能和示例的描述，可以参见上述方法实施例中对应步骤的相关描述，在此不再赘述。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示，设备600包括计算单元601，其可以根据存储在只读存储器（ROM）602中的计算机程序或者从存储单元608加载到随机访问存储器（RAM）603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出（I/O）接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如一种发电调度方法。例如，在一些实施例中，一种发电调度方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的一种发电调度方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行一种发电调度方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入、或者触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (7)

1.一种发电调度方法，其特征在于，包括：
针对电力系统中各个节点，对所述节点的各个发电机的发电量与其碳排放强度的乘积，和所述节点注入有功功率的输电线路集合中各个输电线路的潮流功率与其碳排放因子的乘积相加，得到所述节点的总碳注入量；
对所述节点的所有发电机的发电量的总和，和所述输电线路集合中所有输电线路的潮流功率的总和相加，得到所述节点的总功率注入量；
基于各个所述节点的总碳注入量与总功率注入量的比值，分别确定各个所述节点的节点碳排放强度；
基于各个所述节点的节点碳排放强度，确定所述电力系统中各个输电线路的支路碳排放强度；
基于各个所述输电线路的支路碳排放强度，确定所述电力系统的平均碳排放因子；
以最小化所述平均碳排放因子为目标，构建优化调度模型；
基于所述电力系统的功率平衡约束条件、发电机物理约束条件以及输电线路容量约束条件，对所述优化调度模型进行最小值求解，得到所述电力系统的发电计划；
基于所述发电计划，对所述电力系统进行发电调度；
其中，所述优化调度模型为：
；
其中，表示所述电力系统在t时刻的平均碳排放因子；
其中，所述平均碳排放因子的计算公式为：
；
其中，表示所述平均碳排放因子，/>表示第i个输电线路的支路碳排放强度，/>表示所述电力系统的输电线路集合，/>表示所述电力系统的输电线路集合中的输电线路的总数；
其中，所述功率平衡约束条件为：
；
其中，所述发电机物理约束条件：
；
其中，所述输电线路容量约束条件：
；
其中，表示第g个发电机在t时刻的发电量，/>表示第d个电力用户在t时刻的用电量，/>表示第g个发电机的最小发电量，/>表示第g个发电机的最大发电量，/>表示第b个输电线路流向第n个节点的有功功率，/>表示第n个节点在t时刻的发电量，/>表示第n个节点在t时刻的用电量，/>表示第b个输电线路的最小输电容量，/>表示第b个输电线路的最大输电容量。
2.根据权利要求1所述的方法，其特征在于，所述节点碳排放强度的计算公式为：
；
其中，表示第n个节点的节点碳排放强度，/>表示第n个节点的发电机集合，/>表示第g个发电机的发电量，/>表示第g个发电机的碳排放强度，/>表示向第n个节点注入有功功率的输电线路集合，/>表示第b个输电线路的潮流功率，/>表示第b个输电线路的碳排放因子。
3.根据权利要求2所述的方法，其特征在于，所述支路碳排放强度的计算公式为：
；
其中，表示第b个输电线路的支路碳排放强度，/>表示从第n个节点注入有功功率的输电线路集合。
4.根据权利要求3所述的方法，其特征在于，基于所述电力系统的功率平衡约束条件、发电机物理约束条件以及输电线路容量约束条件，包括：
对所述电力系统中各个发电机在第一时间段内的发电量进行初始化，得到初始化的种群；其中，所述种群包括N个个体，N为大于0的正整数，所述个体用于表征电力系统中各个发电机在第一时间段内的发电量；
以所述初始化的种群作为第一次迭代种群，进行以下多次迭代：
采用所述平均碳排放因子的计算公式，对本次迭代种群中各个个体进行计算，得到所述本次迭代种群中各个个体的平均碳排放因子，以作为所述本次迭代种群中各个个体的适应度；
对所述本次迭代种群中各个个体的适应度从小到大排列，在所述本次迭代种群中选择前N个个体，以作为本次迭代父代；
在所述本次迭代种群中各个个体的适应度中的最小值小于历史最优适应度，则以所述最小值更新历史最优适应度，并以所述最小值对应的个体为最优个体；
对所述本次迭代父代进行交叉和变异，得到M个本次迭代子代；其中，M为大于0的正整数，所述本次迭代子代包括N个个体，所述本次迭代子代中各个个体的个体信息满足所述功率平衡约束条件，所述发电机物理约束条件和所述输电线路容量约束条件；
将所述本次迭代父代中的个体和所述M个本次迭代子代中的个体进行并集，作为下一次迭代种群；
在所述历史最优适应度满足第一设定条件或者上述多次迭代的迭代次数满足第二设定条件的情况下，停止上述多次迭代，并基于所述最优个体对应的电力系统中各个发电机在第一时间段内的发电量，确定所述发电计划。
5.一种电力系统调度装置，其特征在于，包括：
总碳注入量计算模块，用于针对电力系统中各个节点，对所述节点的各个发电机的发电量与其碳排放强度的乘积，和所述节点注入有功功率的输电线路集合中各个输电线路的潮流功率与其碳排放因子的乘积相加，得到所述节点的总碳注入量；
总功率注入量计算模块，用于对所述节点的所有发电机的发电量的总和，和所述输电线路集合中所有输电线路的潮流功率的总和相加，得到所述节点的总功率注入量；
节点碳排放计算模块，用于基于各个所述节点的总碳注入量与总功率注入量的比值，分别确定各个所述节点的节点碳排放强度；
支路碳排放计算模块，用于基于各个所述节点的节点碳排放强度，确定所述电力系统中各个输电线路的支路碳排放强度；
碳排放因子计算模块，用于基于各个所述输电线路的支路碳排放强度，确定所述电力系统的平均碳排放因子；
模型构建模块，用于以最小化所述平均碳排放因子为目标，构建优化调度模型；
模型求解模块，用于基于所述电力系统的功率平衡约束条件、发电机物理约束条件以及输电线路容量约束条件，对所述优化调度模型进行最小值求解，得到所述电力系统的发电计划；
发电调度模块，用于基于所述发电计划，对所述电力系统进行发电调度；
其中，其中，所述优化调度模型为：
；
其中，表示所述电力系统在t时刻的平均碳排放因子；
其中，所述平均碳排放因子的计算公式为：
；
其中，表示所述平均碳排放因子，/>表示第i个输电线路的支路碳排放强度，/>表示所述电力系统的输电线路集合，/>表示所述电力系统的输电线路集合中的输电线路的总数；
其中，所述功率平衡约束条件为：
；
其中，所述发电机物理约束条件：
；
其中，所述输电线路容量约束条件：
；
其中，表示第g个发电机在t时刻的发电量，/>表示第d个电力用户在t时刻的用电量，/>表示第g个发电机的最小发电量，/>表示第g个发电机的最大发电量，/>表示第b个输电线路流向第n个节点的有功功率，/>表示第n个节点在t时刻的发电量，/>表示第n个节点在t时刻的用电量，/>表示第b个输电线路的最小输电容量，/>表示第b个输电线路的最大输电容量。
6.一种电子设备，其特征在于，包括：至少一个处理器，以及与该至少一个处理器通信连接的存储器；
其中，该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行权利要求1-4中任一项所述的方法。
7.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-4中任一项所述的方法。
CN202410058513.1A 2024-01-16 2024-01-16 发电调度方法、装置、电子设备和存储介质 Active CN117578627B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410058513.1A CN117578627B (zh) 2024-01-16 2024-01-16 发电调度方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410058513.1A CN117578627B (zh) 2024-01-16 2024-01-16 发电调度方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN117578627A CN117578627A (zh) 2024-02-20
CN117578627B true CN117578627B (zh) 2024-04-16

Family

ID=89886640

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410058513.1A Active CN117578627B (zh) 2024-01-16 2024-01-16 发电调度方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN117578627B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011035952A (ja) * 2009-07-29 2011-02-17 Toshiba Corp 情報処理装置、プログラム、および記憶媒体
CN114977172A (zh) * 2022-06-29 2022-08-30 国网河北省电力有限公司经济技术研究院 电网碳能混合流优化方法、装置、终端及存储介质
CN115473230A (zh) * 2022-10-09 2022-12-13 国网江苏省电力有限公司电力科学研究院 考虑用户侧碳排放约束的最优潮流计算方法、设备及介质
CN115642601A (zh) * 2022-11-01 2023-01-24 杭州致成电子科技有限公司 一种园区碳排放流实时监测计算方法和系统
CN117114718A (zh) * 2023-10-20 2023-11-24 国网浙江省电力有限公司丽水供电公司 碳排放管理方法、装置、电子设备和存储介质
CN117374974A (zh) * 2023-12-06 2024-01-09 国网浙江省电力有限公司 一种配电网调度方法、系统、介质及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011035952A (ja) * 2009-07-29 2011-02-17 Toshiba Corp 情報処理装置、プログラム、および記憶媒体
CN114977172A (zh) * 2022-06-29 2022-08-30 国网河北省电力有限公司经济技术研究院 电网碳能混合流优化方法、装置、终端及存储介质
CN115473230A (zh) * 2022-10-09 2022-12-13 国网江苏省电力有限公司电力科学研究院 考虑用户侧碳排放约束的最优潮流计算方法、设备及介质
CN115642601A (zh) * 2022-11-01 2023-01-24 杭州致成电子科技有限公司 一种园区碳排放流实时监测计算方法和系统
CN117114718A (zh) * 2023-10-20 2023-11-24 国网浙江省电力有限公司丽水供电公司 碳排放管理方法、装置、电子设备和存储介质
CN117374974A (zh) * 2023-12-06 2024-01-09 国网浙江省电力有限公司 一种配电网调度方法、系统、介质及设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Precise Carbon Emission Model on Electricity Consumption Side with Carbon Emission Flow Theory;Daxin Wang;《2022 4th International Conference on Electrical Engineering and Control Technologies (CEECT)》;20230207;全文 *
基于节点碳势的配电网分布式资源低碳调度策略;宋泽淏;《高电压技术》;20230630;全文 *
考虑灵活性资源的区域电热能源系统协调优化;范宫博;《中国优秀硕士学位论文全文数据库》;20230115;全文 *

Also Published As

Publication number Publication date
CN117578627A (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
Yang et al. Economical operation of microgrid with various devices via distributed optimization
Kumar et al. Optimal power flow solution using fuzzy evolutionary and swarm optimization
CN103955864B (zh) 基于改进和声搜索算法的电力系统多目标差异化规划方法
Zhang et al. Event-triggered multiagent optimization for two-layered model of hybrid energy system with price bidding-based demand response
Shi et al. Multistage robust energy management for microgrids considering uncertainty
Wu et al. Binary neighbourhood field optimisation for unit commitment problems
Lin et al. Normalised normal constraint algorithm applied to multi‐objective security‐constrained optimal generation dispatch of large‐scale power systems with wind farms and pumped‐storage hydroelectric stations
Basu Combined heat and power dynamic economic dispatch with demand side management incorporating renewable energy sources and pumped hydro energy storage
Hu et al. Topology and control strategy of power optimisation for photovoltaic arrays and inverters during partial shading
Ma et al. Optimal economic operation of islanded microgrid by using a modified pso algorithm
Tran et al. Economic load dispatch with multiple fuel options and valve point effect using cuckoo search algorithm with different distributions
CN116207739A (zh) 配电网优化调度方法、装置、计算机设备和存储介质
Zhang et al. Physical-model-free intelligent energy management for a grid-connected hybrid wind-microturbine-PV-EV energy system via deep reinforcement learning approach
Hu et al. Adaptive time division power dispatch based on numerical characteristics of net loads
Massrur et al. Hourly electricity and heat Demand Response in the OEF of the integrated electricity‐heat‐natural gas system
CN117578627B (zh) 发电调度方法、装置、电子设备和存储介质
Basu Optimal generation scheduling of fixed head hydrothermal system with demand‐side management considering uncertainty and outage of renewable energy sources
Liu et al. Energy management of a residential consumer with uncertain renewable generation: A robust dual dynamic programming approach
Tepe et al. An integrated energy control system to provide optimum demand side management of a grid-interactive microgrid
CN114418232A (zh) 储能系统运行优化方法、系统、服务器及存储介质
Van Hong et al. Environmental Economic Dispatch Using Stochastic Fractal Search Algorithm
CN117094537B (zh) 电网规划方法、装置、电子设备和存储介质
Doagou-Mojarrad et al. Probabilistic interactive fuzzy satisfying generation and transmission expansion planning using fuzzy adaptive chaotic binary PSO algorithm
Tian et al. Sensitivity guided genetic algorithm for placement of distributed energy resources
CN115239028B (zh) 综合能源调度方法、装置、设备及存储介质

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
GR01 Patent grant
GR01 Patent grant