CN117937486A - 电网管理方法、装置、设备以及存储介质 - Google Patents

电网管理方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN117937486A
CN117937486A CN202410323568.0A CN202410323568A CN117937486A CN 117937486 A CN117937486 A CN 117937486A CN 202410323568 A CN202410323568 A CN 202410323568A CN 117937486 A CN117937486 A CN 117937486A
Authority
CN
China
Prior art keywords
power
load
demand
solar photovoltaic
generation amount
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
Application number
CN202410323568.0A
Other languages
English (en)
Inventor
谢小平
顾天晨
彭翼
王兴
李先军
王帆
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.)
Petrochina Shenzhen New Energy Research Institute Co ltd
Petrochina Co Ltd
Original Assignee
Petrochina Shenzhen New Energy Research Institute Co ltd
Petrochina 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 Petrochina Shenzhen New Energy Research Institute Co ltd, Petrochina Co Ltd filed Critical Petrochina Shenzhen New Energy Research Institute Co ltd
Priority to CN202410323568.0A priority Critical patent/CN117937486A/zh
Publication of CN117937486A publication Critical patent/CN117937486A/zh
Pending legal-status Critical Current

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
    • H02J3/04—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
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • H02J3/28—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
    • 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
    • H02J3/381—Dispersed generators
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请公开了一种电网管理方法、装置、设备以及存储介质，其电网管理方法包括：获取电力供给侧数据和负荷需求数据；将所述电力供给侧数据和所述负荷需求数据输入至预先构建的电力需求模型中进行策略计算，输出电力配置运行策略；根据所述电力配置运行策略进行电力供给分配。本申请解决了现有自主微型电网的供应侧优化研究存在的需求‑供应成本转化效率较低的问题。

Description

电网管理方法、装置、设备以及存储介质
技术领域
本申请涉及微型电网技术领域，尤其涉及一种电网管理方法、装置、设备以及存储介质。
背景技术
近年来，可再生能源技术(RETs)的成本一直在下降。在可再生能源技术中，太阳能光伏(PV)系统在各地区越来越受欢迎，且农村地区由于屋顶等面积较大且无遮挡，能够接受高水平的太阳辐照。基于太阳能光伏和电池储能(BES)的自主微型电网是农村地区电气化的潜在可持续和可靠的解决方案。
目前，在对自主微型电网的供应侧优化研究中，启发式优化算法被广泛使用，包括用于确定储能规模的动态编程算法、用于确定光伏﹣柴油﹣电池系统最佳规模的遗传算法(GA)和用于确定混合可再生能源（HRES）规模的非主导排序遗传算法(NSGA-II)等。然而，在供应方面，可再生能源(RES)的输出是可变的，并不完全准确(被称为"不确定性")，这使得基于启发式算法的供给侧优化研究普遍存在需求-供应成本转化效率较低的问题。
发明内容
本申请的主要目的在于提供一种电网管理方法、装置、设备以及存储介质，旨在解决现有自主微型电网的供应侧优化研究存在的需求-供应成本转化效率较低的问题。
为实现上述目的，本申请提供一种电网管理方法，所述电网管理方法包括：
获取电力供给侧数据和负荷需求数据；
将所述电力供给侧数据和所述负荷需求数据输入至预先构建的电力需求模型中进行策略计算，输出电力配置运行策略；根据所述电力配置运行策略进行电力供给分配。
可选地，所述获取电力供给侧数据和负荷数据的步骤之前，还包括：
基于负荷曲线和微型电网组件模型构建得到所述电力需求模型。
可选地，所述基于负荷曲线和微型电网组件模型构建得到所述电力需求模型包括：
基于所述负荷曲线、所述微型电网组件模型和不确定因素函数构建得到所述电力需求模型。
可选地，所述基于负荷曲线和微型电网组件模型构建所述电力需求模型的步骤之前，还包括：
根据负荷的分布规律划分得到若干个负荷类别，其中，所述负荷类别包括若干种负荷电器；
根据所述负荷电器的统计数据模拟得到对应负荷类别的负荷曲线。
可选地，所述根据所述电力配置运行策略进行电力供给分配的步骤包括：
若所述电力配置运行策略为第一策略，则比较太阳能光伏发电量与高优先级负荷需求量的大小；
在所述太阳能光伏发电量大于所述高优先级负荷需求量的情况下，将大小等于高优先级负荷需求量的太阳能光伏发电量分配给高优先级负荷，并将剩余的太阳能光伏发电量存储至电池储能中。
可选地，所述根据所述电力配置运行策略进行电力供给分配的步骤包括：
若所述电力配置运行策略为第二策略，则比较太阳能光伏发电量与高优先级负荷需求量加上最大电池储能的大小；
在所述太阳能光伏发电量大于所述高优先级负荷需求量加上最大电池储能的情况下，将大小等于高优先级负荷需求量的太阳能光伏发电量分配给高优先级负荷，将大小等于最大电池储能的太阳能光伏发电量存储至电池储能中，并将剩余的太阳能光伏发电量分配给低优先级负荷。
可选地，所述根据所述电力配置运行策略进行电力供给分配的步骤包括：
若所述电力配置运行策略为第三策略，则比较高优先级负荷需求量与太阳能光伏发电量加上当前电池储能的大小；
在所述高优先级负荷需求量大于所述太阳能光伏发电量且小于或等于所述太阳能光伏发电量加上当前电池储能的情况下，将所有太阳能光伏发电量分配给高优先级负荷，并将大小等于剩余高优先级负荷需求量的电池储能电量分配给所述高优先级负荷；
在所述高优先级负荷需求量大于所述太阳能光伏发电量加上当前电池储能的情况下，将所有太阳能光伏发电量和电池储能电量分配给所述高优先级负荷，并控制柴油发电机发电，以供应其他高优先级负荷的需求。
本申请实施例还提出一种电网管理装置，所述电网管理装置包括：
获取模块，用于获取电力供给侧数据和负荷需求数据；
计算模块，用于将所述电力供给侧数据和所述负荷需求数据输入至预先构建的电力需求模型中进行策略计算，输出电力配置运行策略；根据所述电力配置运行策略进行电力供给分配。
本申请实施例还提出一种电网管理设备，所述电网管理设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电网管理程序，所述电网管理程序被所述处理器执行时实现如上所述的电网管理方法的步骤。
本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有电网管理程序，所述电网管理程序被处理器执行时实现如上所述的电网管理方法的步骤。
本申请实施例提出的电网管理方法、装置、设备以及存储介质，通过获取电力供给侧数据和负荷需求数据；将所述电力供给侧数据和所述负荷需求数据输入至预先构建的电力需求模型中进行策略计算，输出电力配置运行策略；根据所述电力配置运行策略进行电力供给分配。基于本申请方案，通过获取电力供给侧数据和负荷需求数据，能够实时了解电力供应和需求的状况；通过将电力供给侧数据和负荷需求数据输入预先构建的电力需求模型中进行策略计算，可以精确匹配电力供应和需求，有助于减少电力资源的浪费和过度供应，从而提高成本转化效率；通过计算电力配置运行策略，并根据电力配置运行策略分配电力供给，可以优化电力资源的配置，更加合理地满足不同用户或地区的负荷需求，有助于减少电力资源的浪费和损耗，进一步提高电力供应的效率和成本转化效率。
附图说明
图1为本申请电网管理装置所属设备的功能模块示意图；
图2为本申请电网管理方法实施例所涉及的自主微型电网系统示意图；
图3为本申请电网管理方法一示例性实施例的流程示意图；
图4为本申请电网管理方法另一示例性实施例的流程示意图；
图5为本申请电网管理方法又一示例性实施例的流程示意图；
图6为本申请电网管理方法一示例性实施例涉及的CNO最优定价的迭代算法求解过程的示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例可能涉及的背景技术内容：
自主微型电网为非电气化地区提供了经济上可承受的、强大的电气化选择，在这些地区扩展到电网在技术上是不可行的。微型电网是发电和配电系统，为偏远地区的少数客户提供电力，或为城镇的数十万客户提供电力。微型电网可以与国家电网完全隔离(自主)，也可以与之连接。微型电网是"智能电网的基本组成部分"。各项研究对"智能电网"的定义各不相同，但大多数定义都认为智能电网是一个稳定、高效、可靠的系统。
近年来，可再生能源技术(RETs)的成本一直在下降。在可再生能源技术中，太阳能光伏(PV)系统在各地区越来越受欢迎，且农村地区由于屋顶等面积较大且无遮挡，能够接受高水平的太阳辐照。基于太阳能光伏和电池储能(BES)的自主微型电网是农村地区电气化的潜在可持续和可靠的解决方案。
对于农村社区来说，太阳能光伏发电的初始投资成本仍然很高，而且到目前为止，只有通过大量补贴这一成本才能实现财务可行性。为了克服上述微型电网投资的障碍，已经用不同的优化方法研究了微型电网供应方的优化和组件的尺寸。虽然已经提出了一种用于太阳能光伏系统选型的迭代优化技术，但它通常很耗时，而且可能无法提供准确结果。多种能源的混合优化(HOMER)软件已被用混合可再生能源(HRES)的消纳。然而，它在改变操作策略和目标函数方面缺乏灵活性。
目前，在对自主微型电网的供应侧优化研究中，启发式优化算法被广泛使用，包括用于确定储能规模的动态编程算法、用于确定光伏﹣柴油﹣电池系统最佳规模的遗传算法(GA)和用于确定混合可再生能源（HRES）规模的非主导排序遗传算法(NSGA-II)等。然而，在供应方面，可再生能源(RES)的输出是可变的，并不完全准确(被称为"不确定性")，这使得基于启发式算法的供给侧优化研究普遍存在需求-供应成本转化效率较低的问题。
针对以上问题，本申请实施例的主要解决方案是：通过获取电力供给侧数据和负荷需求数据；将所述电力供给侧数据和所述负荷需求数据输入至预先构建的电力需求模型中进行策略计算，输出电力配置运行策略；根据所述电力配置运行策略进行电力供给分配。基于本申请方案，通过获取电力供给侧数据和负荷需求数据，能够实时了解电力供应和需求的状况；通过将电力供给侧数据和负荷需求数据输入预先构建的电力需求模型中进行策略计算，可以精确匹配电力供应和需求，有助于减少电力资源的浪费和过度供应，从而提高成本转化效率；通过计算电力配置运行策略，并根据电力配置运行策略分配电力供给，可以优化电力资源的配置，更加合理地满足不同用户或地区的负荷需求，有助于减少电力资源的浪费和损耗，进一步提高电力供应的效率和成本转化效率。
具体地，参照图1，图1为本申请电网管理装置所属设备的功能模块示意图。该电网管理装置可以为独立于设备的、能够进行数据处理、模型构建的装置，其可以通过硬件或软件的形式承载于设备上。该设备可以为手机、电脑等具有数据处理功能的智能移动终端，还可以为具有数据处理功能的固定设备或服务器等。
在本实施例中，该电网管理装置所属设备至少包括输出模块110、处理器120、存储器130以及通信模块140。
存储器130中存储有操作系统以及电网管理程序，电网管理装置可以将获取到的电力供给侧数据和负荷需求数据，通过电力需求模型进行策略计算得到的电力配置运行策略等信息存储于该存储器130中；输出模块110可为显示屏等。通信模块140可以包括WIFI模块、移动通信模块以及蓝牙模块等，通过通信模块140与外部设备或服务器进行通信。
其中，存储器130中的电网管理程序被处理器执行时实现以下步骤：
获取电力供给侧数据和负荷需求数据；
将所述电力供给侧数据和所述负荷需求数据输入至预先构建的电力需求模型中进行策略计算，输出电力配置运行策略；根据所述电力配置运行策略进行电力供给分配。
进一步地，存储器130中的电网管理程序被处理器执行时还实现以下步骤：
基于负荷曲线和微型电网组件模型构建得到所述电力需求模型。
进一步地，存储器130中的电网管理程序被处理器执行时还实现以下步骤：
基于所述负荷曲线、所述微型电网组件模型和不确定因素函数构建得到所述电力需求模型。
进一步地，存储器130中的电网管理程序被处理器执行时还实现以下步骤：
根据负荷的分布规律划分得到若干个负荷类别，其中，所述负荷类别包括若干种负荷电器；
根据所述负荷电器的统计数据模拟得到对应负荷类别的负荷曲线。
进一步地，存储器130中的电网管理程序被处理器执行时还实现以下步骤：
若所述电力配置运行策略为第一策略，则比较太阳能光伏发电量与高优先级负荷需求量的大小；
在所述太阳能光伏发电量大于所述高优先级负荷需求量的情况下，将大小等于高优先级负荷需求量的太阳能光伏发电量分配给高优先级负荷，并将剩余的太阳能光伏发电量存储至电池储能中。
进一步地，存储器130中的电网管理程序被处理器执行时还实现以下步骤：
若所述电力配置运行策略为第二策略，则比较太阳能光伏发电量与高优先级负荷需求量加上最大电池储能的大小；
在所述太阳能光伏发电量大于所述高优先级负荷需求量加上最大电池储能的情况下，将大小等于高优先级负荷需求量的太阳能光伏发电量分配给高优先级负荷，将大小等于最大电池储能的太阳能光伏发电量存储至电池储能中，并将剩余的太阳能光伏发电量分配给低优先级负荷。
进一步地，存储器130中的电网管理程序被处理器执行时还实现以下步骤：
若所述电力配置运行策略为第三策略，则比较高优先级负荷需求量与太阳能光伏发电量加上当前电池储能的大小；
在所述高优先级负荷需求量大于所述太阳能光伏发电量且小于或等于所述太阳能光伏发电量加上当前电池储能的情况下，将所有太阳能光伏发电量分配给高优先级负荷，并将大小等于剩余高优先级负荷需求量的电池储能电量分配给所述高优先级负荷；
在所述高优先级负荷需求量大于所述太阳能光伏发电量加上当前电池储能的情况下，将所有太阳能光伏发电量和电池储能电量分配给所述高优先级负荷，并控制柴油发电机发电，以供应其他高优先级负荷的需求。
本实施例通过上述方案，具体通过获取电力供给侧数据和负荷需求数据；将所述电力供给侧数据和所述负荷需求数据输入至预先构建的电力需求模型中进行策略计算，输出电力配置运行策略；根据所述电力配置运行策略进行电力供给分配。基于本申请方案，通过获取电力供给侧数据和负荷需求数据，能够实时了解电力供应和需求的状况；通过将电力供给侧数据和负荷需求数据输入预先构建的电力需求模型中进行策略计算，可以精确匹配电力供应和需求，有助于减少电力资源的浪费和过度供应，从而提高成本转化效率；通过计算电力配置运行策略，并根据电力配置运行策略分配电力供给，可以优化电力资源的配置，更加合理地满足不同用户或地区的负荷需求，有助于减少电力资源的浪费和损耗，进一步提高电力供应的效率和成本转化效率。
基于上述设备架构但不限于上述架构，提出本申请方法实施例。
参照图2，图2是本申请电网管理方法实施例所涉及的自主微型电网系统示意图。本实施例中的自主微型电网系统包含太阳能光伏、电池储能（BES）以及柴油发电机（DG）。通常仅由太阳能光伏和电池储能（BES）组成的电网系统可称为基于资源的自主微型电网；由太阳能光伏、电池储能（BES）和柴油发电机（DG）组成的电网系统称为基于混合可再生能源（HRES）的自主微型电网。如图2所示，由自主微型电网系统输出的电能可供下游负荷使用，其中，根据负荷的使用和分布规律，可将负荷划分为若干个负荷类别，比如，家庭负荷（C-1）、社区负荷（C-2）、有夜间负荷的生产性使用（PU）负荷（C-3）和没有夜间负荷的生产性使用（PU）负荷。
参照图3，图3为本申请电网管理方法一示例性实施例的流程示意图。所述电网管理方法包括：
步骤S101，获取电力供给侧数据和负荷需求数据。
本实施例方法的执行主体可以是一种电网管理装置，也可以是一种电网管理设备或服务器，本实施例以电网管理装置进行举例，该电网管理装置可以集成在具有数据处理功能的电脑等设备上。
在本实施例中，通过电网管理装置获取自主微型电网的电力供给侧数据和下游负荷的负荷需求数据。其中，电力供给侧数据可以包括但不限于太阳辐照度、环境温度和电池温度等数据；负荷需求数据可以包括高优先级负荷（HPLs）需求和低优先级负荷（LPLs）需求等。
步骤S102，将所述电力供给侧数据和所述负荷需求数据输入至预先构建的电力需求模型中进行策略计算，输出电力配置运行策略；根据所述电力配置运行策略进行电力供给分配。
具体地，将获取到的电力供给侧数据和负荷需求数据输入至预先构建的电力需求模型中进行策略计算，输出电力配置运行策略。其中，电力配置运行策略是指用于控制自主微型电网系统的各个电力供应配置组件运行的方案，以将输出的电力合理地供应至对应的负荷，实现了提升自主微型电网的需求-供给的成本转化效率的目的。对于电力需求模型输出的电力配置运行策略，通过电网管理装置根据该电力配置运行策略进行电力供给分配。
进一步地，在一实施例中，上述步骤S101，获取电力供给侧数据和负荷需求数据之前，所述电网管理方法还可以包括：
步骤S100，基于负荷曲线和微型电网组件模型构建得到所述电力需求模型。
具体地，为了提高优化问题的稳健性，考虑了与不准确的负荷曲线估计有关的负荷侧不确定性和与间歇性有关的供应侧不确定性。通过在电力需求模型中构建负荷曲线，解决与不准确的负荷曲线估计有关的负荷侧不确定性；通过在电力需求模型中构建微型电网组件模型，解决与能源输出间歇性有关的供给侧不确定性。
进一步地，在一实施例中，在上述步骤S100之前，所述电网管理方法还可以包括：
步骤S01，根据负荷的分布规律划分得到若干个负荷类别，其中，所述负荷类别包括若干种负荷电器；
步骤S02，根据所述负荷电器的统计数据模拟得到对应负荷类别的负荷曲线。
在本实施例中，为了确定需求侧管理(DSM)对自主农村小电网成本效率的影响，根据负荷的使用和/或分布规律划分得到若干个负荷类别，比如家庭负荷(C -1)、社区负荷(C-2)、有夜间负荷的生产性使用(PU)负荷(C -3)和没有夜间负荷的 PU 负荷(C -4)。其中，每个负荷类别包括有若干种负荷电器。
在确定具有成本效益的自主微型电网系统的规模时，对每个负荷类别使用每周负荷曲线。为了模拟每个负荷类别的每周负荷曲线，采用了自下而上的方法。根据每种负荷电器的统计数据模拟得到对应负荷类别的负荷曲线。其中，统计数据可以包括但不限于负荷电器的类型和数量、额定功率和使用概率等。通过将电器的额定功率乘以电器的使用概率，估算出每个电器的具体负荷情况。每个负荷类别的负荷曲线是通过对具体的电器负荷曲线进行加总来估算的。
进一步地，在本实施例中，预先构建得到微型电网组件模型。基于微型电网的规模受到各种约束，执行自主微型电网的安全约束应涵盖所需的能源需求-供应，并表示为：
其中和，分别为自主微型电网所需的总能源需求和所供应的总能源需求。
此外，还有电池储能(BES)的约束：在任何时间t, BES(SOC)的电荷状态应该在以下两者之间--最小()和 BES 的全部容量()。这种充电状态的极限用如下公式(2)表示，其中 BES 的最大充电量()取 BES 的额定容量()，而 BES 的最小充电量()用最大放电深度(DOD)确定。
（2）
微型电网组件模型以太阳能光伏阵列的功率作为太阳辐照度和环境温度的函数，如公式(3)所示：
（3）
其中,是t小时的平均辐照度，是电池的表面尺寸，是瞬时光伏电池效率。
然而，太阳能光伏发电不能产生恒定的电力输出。因此，光伏输出的概率模型，即Beta 分布 ，被用来模拟太阳辐照度的分布，如公式(4)所示：
（4）
其中，和是Beta分布函数的元素。和项分别代表Beta PDF的平均值和标准偏差。
太阳辐照度的概率可以用公式(5)计算：
（5）
瞬时光伏电池的效率可以用电池温度来计算:
（6）
其中，是温度系数，对于硅电池来说，其范围为0.004-0.006。和分别为理论太阳能电池效率和温度。
电池的表面尺寸PVA的值，即供应负载需求所需的总太阳能电池面积，可由公式(7)计算出来：
（7）
其中，是安全系数，包括可能的日照数据不准确的津贴，是变异系数，考虑了每年辐射变化的影响，以及是电力调节系统的效率。
BES 的充放电取决于任何特定时间的能量生产和 BES 的电荷状态。 BES 在特定时间的电荷状态由公式(8)、公式（9）和公式(10)表示:
（8）
（9）
（10）
其中，和分别是自主微型电网系统在时间t产生的高优先级负荷HPLs需要的总功率水平、是BES的充电状态，是BES的效率，是BES自放电率。代表 BES 在时间t的充电或放电功率。
电源逆变器负责将直流电转换为交流电，用公式(11)计算:
（11）
其中，是负载需求的峰值，是逆变器的效率。
此外，在太阳能光伏和BES提供的能量不足的情况下，使用柴油发电机来满足HPLs的需求。柴油发电机的燃料消耗量取决于它在每个时间点的输出功率:
（12）
其中，是柴油发电机每小时的燃料消耗，是柴油发电机每小时的平均功率、是柴油发电机的额定功率，和是燃料消耗曲线的系数。
进一步地，在另一实施例中，上述步骤S100包括：
步骤S1001，基于所述负荷曲线、所述微型电网组件模型和不确定因素函数构建得到所述电力需求模型。
在本实施例中，为了确定不确定因素是如何影响自主微型电网的规模的，本实施例进一步构建了考虑不确定因素的电力需求模型。
相较于上述所示实施例，在本实施例中，构建的电力需求模型除了包括负荷曲线和微型电网组件模型外，还包括了不确定因素函数。
具体地，在电力需求模型中，与需求有关的不确定因素使用如下公式（13）的正态分布函数进行建模:
（13）
进一步地，参照图4，图4为本申请电网管理方法另一示例性实施例的流程示意图。基于上述所示的实施例，在本实施例中，上述根据所述电力配置运行策略进行电力供给分配的步骤可以包括：
步骤S201，若所述电力配置运行策略为第一策略，则比较太阳能光伏发电量与高优先级负荷需求量的大小。
具体地，对于电力需求模型输出的电力配置运行策略，若该电力配置运行策略为第一策略，则根据第一策略比较太阳能光伏发电量与高优先级负荷需求量的大小。在本实施例中，第一策略是在太阳能光伏发电量足够满足高优先级负荷需求量的情况下输出的电力配置运行策略。其中，太阳能光伏发电量可以是单位时间内的太阳能光伏发电量，如每小时的太阳能光伏发电量；高优先级负荷需求量可以是单位时间内的高优先级负荷需求量，如每小时的高优先级负荷需求量。
步骤S202，在所述太阳能光伏发电量大于所述高优先级负荷需求量的情况下，将大小等于高优先级负荷需求量的太阳能光伏发电量分配给高优先级负荷，并将剩余的太阳能光伏发电量存储至电池储能中。
具体地，在太阳能光伏发电量大于高优先级负荷需求量的情况下，将大小等于高优先级负荷需求量的太阳能光伏发电量分配给高优先级负荷，以优先满足高优先级负荷的需求。然后，将剩余的太阳能光伏发电量存储至电池储能BES中，以供后续使用。
进一步地，在一实施例中，上述根据所述电力配置运行策略进行电力供给分配的步骤，还可以包括：
步骤S301，若所述电力配置运行策略为第二策略，则比较太阳能光伏发电量与高优先级负荷需求量加上最大电池储能的大小。
具体地，对于电力需求模型输出的电力配置运行策略，若该电力配置运行策略为第二策略，则根据第二策略获取最大电池储能和高优先级负荷需求量，比较太阳能光伏发电量与高优先级负荷需求量加上最大电池储能的大小。在本实施例中，第二策略是在太阳能光伏发电量足够满足高优先级负荷需求量，且太阳能光伏发电量超出高优先级负荷需求量加上最大电池储能的情况下输出的电力配置运行策略。
需要说明的是，本实施例中的最大电池储能不是固定不变的数值，在当前电池储能预先存储有电量的情况下，最大电池储能等于满电状态的电池电量减去预先存储的电量。
步骤S302，在所述太阳能光伏发电量大于所述高优先级负荷需求量加上最大电池储能的情况下，将大小等于高优先级负荷需求量的太阳能光伏发电量分配给高优先级负荷，将大小等于最大电池储能的太阳能光伏发电量存储至电池储能中，并将剩余的太阳能光伏发电量分配给低优先级负荷。
具体地，在太阳能光伏发电量大于高优先级负荷需求量加上最大电池储能的情况下，将大小等于高优先级负荷需求量的太阳能光伏发电量分配给高优先级负荷，以优先满足高优先级负荷的需求。然后，将大小等于最大电池储能的太阳能光伏发电量存储至电池储能中，并将剩余的太阳能光伏发电量分配给低优先级负荷，以实现不同时段的负荷转移。
在本实施例中，负荷转移策略以基于优先级的方式管理负荷类别，其依据是将负荷分为高优先级负荷(HPLs)和低优先级负荷(LPLs)。其中，HPLs是不可转移的负载；相比之下，LPLs是可转移的负载，可以转移到有足够的太阳能光伏发电和BES充满的时候。允许的最大转移时间是24小时。因此，所使用的负荷转移策略使得HPLs的能源服务时间最大化，使LPLs的能源服务时间最小化。如图4所示，太阳能光伏发电在第 t小时的电力，首先用于满足该小时的高优先级负荷HPL ，剩余的能量，根据逆变器的效率表示被添加到电池储能BES中的可用能量(充电)。而在太阳能光伏发电不足以满足(放电)的时期，这种储存的能量被用来供应高优先级负荷HPLs。然而，BES的充电状态( SOC )，由BES的自放电率表示，在充电期间小于最大充电状态，而在放电期间BES必须高于其最小充电状态。当太阳能光伏发电有多余的能量，并且BES等于，低优先级负荷LPLs就会被供应。因此，低优先级负荷LPLs被转移到太阳能光伏发电量充足且 BES等于的时间。
在本实施例中，每小时 t 的负荷灵活性决定了可转移的电力负荷的数量。在实施的需求侧管理(DSM) 运行策略中，可转移的负荷被认为是低优先级的负荷，用公式(14)计算：
（14）
其中，是 t 小时的弹性负荷，是 t 小时的负荷，Lf是负荷弹性百分比。
进一步地，参照图5，在一实施例中，上述根据所述电力配置运行策略进行电力供给分配的步骤，还可以包括：
步骤S401，若所述电力配置运行策略为第三策略，则比较高优先级负荷需求量与太阳能光伏发电量加上当前电池储能的大小。
具体地，对于电力需求模型输出的电力配置运行策略，若该电力配置运行策略为第三策略，则根据第三策略比较高优先级负荷需求量与太阳能光伏发电量加上当前电池储能的大小。在本实施例中，第三策略是在太阳能光伏发电量不足以满足高优先级负荷需求量的情况下输出的电力配置运行策略。
步骤S402，在所述高优先级负荷需求量大于所述太阳能光伏发电量且小于或等于所述太阳能光伏发电量加上当前电池储能的情况下，将所有太阳能光伏发电量分配给高优先级负荷，并将大小等于剩余高优先级负荷需求量的电池储能电量分配给所述高优先级负荷。
具体地，在高优先级负荷需求量大于太阳能光伏发电量，且小于或等于太阳能光伏发电量加上当前电池储能的情况下，将所有太阳能光伏发电量分配给高优先级负荷，之后，将大小等于剩余高优先级负荷需求量的电池储能电量分配给高优先级负荷。
步骤S403，在所述高优先级负荷需求量大于所述太阳能光伏发电量加上当前电池储能的情况下，将所有太阳能光伏发电量和电池储能电量分配给所述高优先级负荷，并控制柴油发电机发电，以供应其他高优先级负荷的需求。
具体地，在高优先级负荷需求量大于太阳能光伏发电量加上当前电池储能的情况下，将所有太阳能光伏发电量和电池储能电量分配给高优先级负荷。对于剩余的未被满足的高优先级负荷，控制柴油发电机发电，以供应该部分高优先级负荷的需求。
本实施例通过上述方案，具体通过获取电力供给侧数据和负荷需求数据；将所述电力供给侧数据和所述负荷需求数据输入至预先构建的电力需求模型中进行策略计算，输出电力配置运行策略；根据所述电力配置运行策略进行电力供给分配。基于本申请方案，通过获取电力供给侧数据和负荷需求数据，能够实时了解电力供应和需求的状况；通过将电力供给侧数据和负荷需求数据输入预先构建的电力需求模型中进行策略计算，可以精确匹配电力供应和需求，有助于减少电力资源的浪费和过度供应，从而提高成本转化效率；通过计算电力配置运行策略，并根据电力配置运行策略分配电力供给，可以优化电力资源的配置，更加合理地满足不同用户或地区的负荷需求，有助于减少电力资源的浪费和损耗，进一步提高电力供应的效率和成本转化效率。
此外，在另一实施例中，在考虑机组所发电量过多需要向电网售卖时，也即自主微型电网系统的太阳能光伏发电量远大于高优先级负荷需求、最大电池储能以及低优先级负荷需求的情况下，需要向电网售卖多余的发电量，此时假设网络运营商（CNO）是利润驱动的，将可售电的最优定价问题(在给定可售电微网EVCS的购电价格的情况下)建立为一个双层优化模型如下:
CNO-OP:
(15)
(16)
(17)
(18)
在CNO-OP模型中，上层通过调整可售电微网（EVCS）价格和可售电微网分布来实现CNO利润(15)的最大化。上一级约束包括EVCS(16)时可售电微网功率的约束、EVCS(17)时可售电微网售电价格的约束和EVCS定价水平约束(18)（即:所有EVCSs的平均售电价格固定在C价格水平（即CNO在考虑当地消费水平和平均售电价格等因素的情况下选择C价格水平））。
CNO-OP将微型电网的成本和稳定运行耦合在一起，其原始形式难以求解。本实施例基于不动点理论分析了售价问题，设计了一种求解基于太阳能光伏的自主微型电网需求侧的迭代方法，并找到了最优定价方案。
首先定义了如下映射:
(19)
将CNO定价空间定义为：
(20)
其中，是一个自映射的:。在映射、和的连续性假设下，复合映射也是连续的。由于定价空间是凸紧的，根据Brouwer不动点定理，在中存在一个不动点，该不动点是售价问题的解，接下来将重点寻找映射的不动点。
迭代法是求解不动点问题最常用的方法，具体如图6所示，其中算法1的突出优点是将光伏机组定价过程与电力市场清算过程解耦，并在每次迭代时将“DLMP为隐函数的CNO最优定价”问题转化为“DLMP为固定的CNO最优定价”问题。
虽然算法1具有上述优点，但在理论上很难确定相应迭代收敛的条件。现有的关于不动点问题迭代法收敛性的研究很大程度上依赖于映射的数学性质，而在CNO-OP模型中映射是由优化问题定义的，因此很难提前得出一些理论结论。在算法1不收敛的情况下，CNO可以对随着迭代得到的潜在价格选择进行评估，选择利润最大的一个作为次优解。
为了消除算法1在迭代过程中可能出现的振荡，提高收敛性，可以在连续的两次迭代中限制CNO定价的变化。例如，假设= CNO-OP，则可以认为更新后的CNO定价为：
(21)
其中，是一个超参数，它控制着收敛平滑性和计算代价之间的权衡。通常，较小的迭代值意味着较温和的迭代振荡，但可能导致更新速度较慢，需要更多迭代才能到达固定点。
如图6所示的算法1主要涉及3个子模型:CNO-OP、PDN-DLMP(凸二阶锥规划问题)和LEC(凸问题)。
其中，平准化能源成本LEC(凸问题)是优化问题的目标函数。它是反映成本的电价的一个指标，计算公式为：
（22）
其中，是年负荷需求(每年所有需求的总和),是资本回收系数，它取决于年利率(r)和工厂寿命(T)。是整个系统的总现时成本，计算公式为：
（23）
其中，是初始资本成本，是运行维护成本，是更换成本，是燃料成本，PSV 是微型电网组件的现时报废价值。初始资本成本包括组件价格，土建工程成本，以及自主微型电网组件的安装成本。
燃料成本计算如下：
（24）
其中，是DG在时间t内的总运行时间，是每升燃料价格。
本实施例方案基于平准化能源成本LEC最小化的自主微型电网组件的最佳成本效益大小，建立了考虑电量过多导致接入当地配电网和自主微型电网相互依赖运行的最优售电定价问题，并将其转化为双层优化问题。此外，提出了一种启发式加速方法以提高计算效率，依次求解CNO的定价子问题和PDN市场清算子问题。
此外，本申请实施例还提出一种电网管理装置，所述电网管理装置包括：
获取模块，用于获取电力供给侧数据和负荷需求数据；
计算模块，用于将所述电力供给侧数据和所述负荷需求数据输入至预先构建的电力需求模型中进行策略计算，输出电力配置运行策略；根据所述电力配置运行策略进行电力供给分配。
本实施例实现电网管理的原理及实施过程，请参照上述各实施例，在此不再一一赘述。
此外，本申请实施例还提出一种电网管理设备，所述电网管理设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电网管理程序，所述电网管理程序被所述处理器执行时实现如上所述的电网管理方法的步骤。
由于本电网管理程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
此外，本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有电网管理程序，所述电网管理程序被处理器执行时实现如上所述的电网管理方法的步骤。
由于本电网管理程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
相比现有技术，本申请实施例提出的电网管理方法、装置、设备以及存储介质，通过获取电力供给侧数据和负荷需求数据；将所述电力供给侧数据和所述负荷需求数据输入至预先构建的电力需求模型中进行策略计算，输出电力配置运行策略；根据所述电力配置运行策略进行电力供给分配。基于本申请方案，通过获取电力供给侧数据和负荷需求数据，能够实时了解电力供应和需求的状况；通过将电力供给侧数据和负荷需求数据输入预先构建的电力需求模型中进行策略计算，可以精确匹配电力供应和需求，有助于减少电力资源的浪费和过度供应，从而提高成本转化效率；通过计算电力配置运行策略，并根据电力配置运行策略分配电力供给，可以优化电力资源的配置，更加合理地满足不同用户或地区的负荷需求，有助于减少电力资源的浪费和损耗，进一步提高电力供应的效率和成本转化效率。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的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如上的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，被控终端，或者网络设备等)执行本申请每个实施例的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种电网管理方法，其特征在于，所述电网管理方法包括：
获取电力供给侧数据和负荷需求数据；
将所述电力供给侧数据和所述负荷需求数据输入至预先构建的电力需求模型中进行策略计算，输出电力配置运行策略；根据所述电力配置运行策略进行电力供给分配。
2.根据权利要求1所述的电网管理方法，其特征在于，所述获取电力供给侧数据和负荷数据的步骤之前，还包括：
基于负荷曲线和微型电网组件模型构建得到所述电力需求模型。
3.根据权利要求2所述的电网管理方法，其特征在于，所述基于负荷曲线和微型电网组件模型构建得到所述电力需求模型包括：
基于所述负荷曲线、所述微型电网组件模型和不确定因素函数构建得到所述电力需求模型。
4.根据权利要求2所述的电网管理方法，其特征在于，所述基于负荷曲线和微型电网组件模型构建所述电力需求模型的步骤之前，还包括：
根据负荷的分布规律划分得到若干个负荷类别，其中，所述负荷类别包括若干种负荷电器；
根据所述负荷电器的统计数据模拟得到对应负荷类别的负荷曲线。
5.根据权利要求1所述的电网管理方法，其特征在于，所述根据所述电力配置运行策略进行电力供给分配的步骤包括：
若所述电力配置运行策略为第一策略，则比较太阳能光伏发电量与高优先级负荷需求量的大小；
在所述太阳能光伏发电量大于所述高优先级负荷需求量的情况下，将大小等于高优先级负荷需求量的太阳能光伏发电量分配给高优先级负荷，并将剩余的太阳能光伏发电量存储至电池储能中。
6.根据权利要求1所述的电网管理方法，其特征在于，所述根据所述电力配置运行策略进行电力供给分配的步骤包括：
若所述电力配置运行策略为第二策略，则比较太阳能光伏发电量与高优先级负荷需求量加上最大电池储能的大小；
在所述太阳能光伏发电量大于所述高优先级负荷需求量加上最大电池储能的情况下，将大小等于高优先级负荷需求量的太阳能光伏发电量分配给高优先级负荷，将大小等于最大电池储能的太阳能光伏发电量存储至电池储能中，并将剩余的太阳能光伏发电量分配给低优先级负荷。
7.根据权利要求1所述的电网管理方法，其特征在于，所述根据所述电力配置运行策略进行电力供给分配的步骤包括：
若所述电力配置运行策略为第三策略，则比较高优先级负荷需求量与太阳能光伏发电量加上当前电池储能的大小；
在所述高优先级负荷需求量大于所述太阳能光伏发电量且小于或等于所述太阳能光伏发电量加上当前电池储能的情况下，将所有太阳能光伏发电量分配给高优先级负荷，并将大小等于剩余高优先级负荷需求量的电池储能电量分配给所述高优先级负荷；
在所述高优先级负荷需求量大于所述太阳能光伏发电量加上当前电池储能的情况下，将所有太阳能光伏发电量和电池储能电量分配给所述高优先级负荷，并控制柴油发电机发电，以供应其他高优先级负荷的需求。
8.一种电网管理装置，其特征在于，所述电网管理装置包括：
获取模块，用于获取电力供给侧数据和负荷需求数据；
计算模块，用于将所述电力供给侧数据和所述负荷需求数据输入至预先构建的电力需求模型中进行策略计算，输出电力配置运行策略；根据所述电力配置运行策略进行电力供给分配。
9.一种电网管理设备，其特征在于，所述电网管理设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电网管理程序，所述电网管理程序被所述处理器执行时实现如权利要求1-7中任一项所述的电网管理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有电网管理程序，所述电网管理程序被处理器执行时实现如权利要求1-7中任一项所述的电网管理方法的步骤。
CN202410323568.0A 2024-03-21 2024-03-21 电网管理方法、装置、设备以及存储介质 Pending CN117937486A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410323568.0A CN117937486A (zh) 2024-03-21 2024-03-21 电网管理方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410323568.0A CN117937486A (zh) 2024-03-21 2024-03-21 电网管理方法、装置、设备以及存储介质

Publications (1)

Publication Number Publication Date
CN117937486A true CN117937486A (zh) 2024-04-26

Family

ID=90754139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410323568.0A Pending CN117937486A (zh) 2024-03-21 2024-03-21 电网管理方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN117937486A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485358A (zh) * 2016-10-12 2017-03-08 国网上海市电力公司 结合序列运算和粒子群算法的独立微电网优化配置方法
CN111737884A (zh) * 2020-08-06 2020-10-02 国网江西省电力有限公司电力科学研究院 一种含多种清洁能源微能源网多目标随机规划方法
CN115001038A (zh) * 2022-06-09 2022-09-02 三峡大学 一种基于随机规划的风光柴储容量配比优化方法
CN115189420A (zh) * 2022-07-26 2022-10-14 国网经济技术研究院有限公司 考虑供需双侧不确定性的电网调度运行优化方法及系统
CN115564124A (zh) * 2022-10-18 2023-01-03 国网山东省电力公司平度市供电公司 一种基于分解协调的综合能源系统顺序优化方法及系统
CN116307511A (zh) * 2023-02-07 2023-06-23 广东电网有限责任公司 一种园区电网储能配置方法、装置、设备及介质
CN117410971A (zh) * 2023-10-17 2024-01-16 中石油深圳新能源研究院有限公司 电力成本优化方法、装置、终端设备以及存储介质
CN117710007A (zh) * 2024-01-31 2024-03-15 中石油深圳新能源研究院有限公司 充能站定价方法、装置、设备以及存储介质
CN117709670A (zh) * 2023-12-25 2024-03-15 中石油深圳新能源研究院有限公司 能源分配方法、装置、设备及计算机可读存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485358A (zh) * 2016-10-12 2017-03-08 国网上海市电力公司 结合序列运算和粒子群算法的独立微电网优化配置方法
CN111737884A (zh) * 2020-08-06 2020-10-02 国网江西省电力有限公司电力科学研究院 一种含多种清洁能源微能源网多目标随机规划方法
CN115001038A (zh) * 2022-06-09 2022-09-02 三峡大学 一种基于随机规划的风光柴储容量配比优化方法
CN115189420A (zh) * 2022-07-26 2022-10-14 国网经济技术研究院有限公司 考虑供需双侧不确定性的电网调度运行优化方法及系统
CN115564124A (zh) * 2022-10-18 2023-01-03 国网山东省电力公司平度市供电公司 一种基于分解协调的综合能源系统顺序优化方法及系统
CN116307511A (zh) * 2023-02-07 2023-06-23 广东电网有限责任公司 一种园区电网储能配置方法、装置、设备及介质
CN117410971A (zh) * 2023-10-17 2024-01-16 中石油深圳新能源研究院有限公司 电力成本优化方法、装置、终端设备以及存储介质
CN117709670A (zh) * 2023-12-25 2024-03-15 中石油深圳新能源研究院有限公司 能源分配方法、装置、设备及计算机可读存储介质
CN117710007A (zh) * 2024-01-31 2024-03-15 中石油深圳新能源研究院有限公司 充能站定价方法、装置、设备以及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周康;唐昊;江琦;吕凯;蒋兰海;: "基于SMDP的光柴储独立微网能量控制策略优化", 电力系统自动化, vol. 40, no. 21, 10 November 2016 (2016-11-10), pages 154 - 160 *

Similar Documents

Publication Publication Date Title
Halabi et al. Flexible hybrid renewable energy system design for a typical remote village located in tropical climate
Nikmehr et al. Reliability evaluation of multi-microgrids considering optimal operation of small scale energy zones under load-generation uncertainties
Zidar et al. Review of energy storage allocation in power distribution networks: applications, methods and future research
Sachs et al. A two-stage model predictive control strategy for economic diesel-PV-battery island microgrid operation in rural areas
Barelli et al. A micro-grid operation analysis for cost-effective battery energy storage and RES plants integration
Fazelpour et al. Intelligent optimization to integrate a plug-in hybrid electric vehicle smart parking lot with renewable energy resources and enhance grid characteristics
Chen et al. Smart energy management system for optimal microgrid economic operation
US9489701B2 (en) Adaptive energy management system
Venu et al. Battery storage system sizing in distribution feeders with distributed photovoltaic systems
Rana et al. A novel peak load shaving algorithm for isolated microgrid using hybrid PV-BESS system
Oskouei et al. Scenario-based stochastic optimal operation of wind, photovoltaic, pump-storage hybrid system in frequency-based pricing
Moradi et al. A hybrid method for simultaneous optimization of DG capacity and operational strategy in microgrids considering uncertainty in electricity price forecasting
EP2953230A1 (en) Energy management system, energy management method, program and server
Howlader et al. Distributed generation incorporated with the thermal generation for optimum operation of a smart grid considering forecast error
Xie et al. Microgrid system energy storage capacity optimization considering multiple time scale uncertainty coupling
Wang et al. Optimal capacity design for hybrid energy storage system supporting dispatch of large-scale photovoltaic power plant
WO2013141039A1 (ja) エネルギー管理装置、エネルギー管理方法およびプログラム
Li et al. Optimal battery schedule for grid-connected photovoltaic-battery systems of office buildings based on a dynamic programming algorithm
CN116151486B (zh) 含储能系统的光伏充电站多时间尺度随机优化方法及装置
Tian et al. Coordinated planning with predetermined renewable energy generation targets using extended two-stage robust optimization
Saini et al. An environmental based techno-economic assessment for battery energy storage system allocation in distribution system using new node voltage deviation sensitivity approach
Jabir et al. Optimal battery and fuel cell operation for energy management strategy in MG
S Okundamiya et al. Techno-economic analysis of a grid-connected hybrid energy system for developing regions
Zhou et al. Many-criteria optimality of coordinated demand response with heterogeneous households
Zhang et al. MPC-based co-optimization of an integrated PV-EV-Hydrogen station to reduce network loss and meet EV charging demand

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