CN113794244A - 含多微网主动配电系统的定价与最优能量调度方法和系统 - Google Patents
含多微网主动配电系统的定价与最优能量调度方法和系统 Download PDFInfo
- Publication number
- CN113794244A CN113794244A CN202110980331.6A CN202110980331A CN113794244A CN 113794244 A CN113794244 A CN 113794244A CN 202110980331 A CN202110980331 A CN 202110980331A CN 113794244 A CN113794244 A CN 113794244A
- Authority
- CN
- China
- Prior art keywords
- power
- energy
- active
- time
- load
- 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.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 105
- 238000005457 optimization Methods 0.000 claims abstract description 53
- 230000004044 response Effects 0.000 claims abstract description 47
- 230000006855 networking Effects 0.000 claims abstract description 6
- 238000004146 energy storage Methods 0.000 claims description 52
- 230000005611 electricity Effects 0.000 claims description 48
- 230000008569 process Effects 0.000 claims description 39
- 238000010248 power generation Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 19
- 230000009977 dual effect Effects 0.000 claims description 18
- 230000008901 benefit Effects 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 14
- 230000009471 action Effects 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000007599 discharging Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 claims description 8
- 230000033228 biological regulation Effects 0.000 claims description 6
- 229910052799 carbon Inorganic materials 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000000295 complement effect Effects 0.000 claims description 4
- 230000010485 coping Effects 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 230000035699 permeability Effects 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 239000003990 capacitor Substances 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 claims 1
- 239000010410 layer Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- 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
-
- 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
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/50—Controlling the sharing of the out-of-phase component
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
含多微网主动配电系统的定价与最优能量调度方法，包括：S1：构建联网运行的主动配电系统，综合考虑系统各主动设备的运行特性，建立对应的模型，其中对系统的潮流模型采用支路潮流模型；S2：将一天连续24h的时间进行离散化处理；S3：配电网运营商收集系统内部分布式可再生能源出力信息和需求侧用电信息，制定动态电价引导各响应主体改善自身用能策略，构建主从博弈模型对系统能量进行优化调度决策；S4：系统各响应主体对决策进行动态调整，通过决策的精细化调整来应对分布式可再生能源出力和主动负荷的随机性和波动性；S5：重复步骤S1～S4，直至优化区间结束。本发明还包括实施含多微网主动配电系统的定价与最优能量调度方法的系统。
Description
技术领域
本发明属于含多微网主动配电系统中动态电价制定以及配电系统能量调度分配设计技术领域，具体涉及一种能量优化调度方法和系统。
背景技术
随着经济和社会的不断发展，人类对能源的需求与日俱增，然而由于传统一次能源的逐渐枯竭以及各种由消耗化石能源引发的环境问题日益突出，推动能源革命以及调整优化能源结构成为当今世界各国应对能源危机亟需的关键举措。
以风能、太阳能为代表的可再生能源(Renewable Energy Sources，RES)具有分布广、储量大、清洁可再生的特点。对RES进行大规模开发利用，可以保护环境，减少碳排放，促进能源清洁化、低碳化、智能化发展，符合可持续发展战略的基本准则。发展以风机、光伏发电为代表的新能源发电技术可以有效缓解能源危机以及改善由消耗化石能源引起的环境危机，但由于风、光等可再生能源出力的强随机性和间歇性，大规模的不确定性可再生能源接入电网会对现有电网系统稳定运行造成极大的冲击，给系统运行管理带来极大的挑战，同时对可再生能源的高效利用也成为亟需解决的关键技术难题。
微电网(Microgrid,MG)是中低压配电网的基本单元，能够灵活集成高比例分布式能源、大规模储能系统和种类多样且较为分散的负荷，是促进需求侧管理与分布式可再生能源发展机制创新的重要平台，能实现可再生能源的分散、就地、高效利用，是未来主动配电系统的重要组成单元。随着分布式能源渗透率的不断提高，局部配电区域内将存在多个微电网。多微电网之间通过电能交互能够有效促进分布式能源就地消纳，提高系统运行效率。
能源互联网技术是未来电力能源组网的重要组织形式，由于不同的微电网中RES的种类、容量及负荷用电特性等存在差异，需求侧负荷形式呈现多元化，主动负荷的需求侧响应(Demand Response,DR)、储能系统(Energy Storage System,ESS)、电动汽车(Electricity Vehicle,EV)等需求侧资源将直接参与到系统的实时运行调控过程，由于微电网的能源结构、运行方式都各不相同，微电网会有期望通过与外界进行能源交互以维持自身供需平衡的需求。在能源互联网视角下，配电网系统内多个临近微电网因互联互济所需将形成多微电网互联集群，从本质上改变了传统配电网单一方向电力潮流的形态，有效提升配电系统运行的灵活性。
不同的能源主体之间进行能源交易形成能源交易市场，在能源市场中，运营商和用户是各自独立的利益主体，运营商为了实现自身的净收益最大化，会通过优化购能策略、管理设备运行状态以及制定合理的售/购能动态价格；而用户则从降低用电成本的角度出发，根据运营商制定的能源价格通过需求响应来参与系统能源调度管理过程，合理地安排用能策略。在市场资源配置作用下，能源交互市场形成多方利益主体相互影响的深度博弈格局，对含多微电网的主动配电系统能源优化管理成为能源互联网变革的一大关键技术。然而，传统集中式能源调度模式的种种弊端随着高渗透率新能源接入电网以及需求侧电力负荷的多样化而日益凸显，为解决集中式调度模式交易效率低、维护成本大等问题，寻求一种高效可靠的去中心化能源调度与交易方法具有重大意义。
发明内容
为了克服传统集中式能源调度模式求解过程复杂，交易效率低等问题，本发明提出了一种含多微网主动配电系统的定价与最优能量调度方法，
本发明的含多微网主动配电系统的定价与最优能量调度方法，首先，引入动态电价机制，配电网运营商(Distribution Network Operator，DNO)通过制定动态电价引导系统内各微电网优化自身用能策略，构建主从博弈模型来实现能量的优化调度，其次，采用多时间尺度模型预测控制方法，在系统实时运行过程中通过对决策的动态调整来应对可再生能源出力和主动负荷的随机性，保障系统高品质稳定运行。
为了实现上述目的，本发明的技术方案为：
一种含多微网主动配电系统的定价与最优能量调度方法，包括以下步骤：
S1：构建联网运行的主动配电系统，该系统包含风机、光伏等分布式电源，补偿分布式电源的储能系统，参与系统功率动态调整的主动负荷，调节系统电压的有载调压器(On-Load Tap Converter，OLTC)，改善系统潮流状况的智能软开关(Soft Open Point，SOP)，综合考虑系统各主动设备的运行特性，建立对应的模型，其中对系统的潮流模型采用支路潮流模型；
S2：将一天连续24h的时间进行离散化处理，均分为NT个时段，对于任意第t时段，有t∈{1,2,...,NT}，且第t时段的时长为Δt；
S3：对于任意第t时段，DNO收集系统内部分布式可再生能源出力信息和需求侧用电信息，制定动态电价引导各响应主体改善自身用能策略，DNO根据系统实际运行情况通过SOP改善系统潮流状况，降低系统网络传输功率损耗，通过OLTC档位的调整来保障系统的电压波动情况在预设范围内，构建主从博弈模型对系统能量进行优化调度决策；
S4：在任意第t时段内系统各响应主体对决策进行动态调整，将第t时段的时长Δt均分为T个时段，各响应主体综合考虑实时运行过程中的自身运行情况和系统内部实时动态电价情况调整自身用能策略，通过决策的精细化调整来应对分布式可再生能源出力和主动负荷的随机性和波动性；
S5：重复步骤S1～S4，直至优化区间结束。
本发明中，所述主动配电系统与上层高压电网联网运行，配电系统内部配备有载调压器，智能软开关等主动设备，系统内部的微电网配备储能系统，风机、光伏等分布式能源以及主动负荷。配电网运营商通过制定动态电价引导各响应主体优化用能策略，构建主从博弈模型对系统内部能量进行优化调度，采用多时间尺度模型预测控制方法进一步改善该优化方法在应对系统随机性干扰情况下的有效性。
进一步，所述步骤S1中，所述含多微网主动配电系统包括以下构成：
S1-1.分布式可再生能源：实现清洁低碳发电，优化系统能源结构；
S1-2.储能系统：用来补偿分布式可再生能源出力的间歇性和随机性的缺点，储能系统类型如蓄电池和超级电容；
S1-3.主动负荷：多种类型的可调度负荷；
S1-4.有载调压器：调整系统电压状况的变压器设备，设有变压器抽头以改变设备的变压比；
S1-5.智能软开关：是安装于传统联络开关处的电力电子装置，它能够准确控制其所连接两侧馈线的有功与无功功率，实现馈线间常态化柔性互联。
构建各响应主体模型如下所示：
(1)储能系统模型
储能系统是一种蓄放能设备，主要用途是作为主动需求侧资源参与系统能源调度调控，依据对负荷情况和分布式可再生能源的出力预测分析，各储能系统调整自身蓄放能方案来维持系统功率动态平衡特性，因此接入MG的各ESS均需要满足更加严格的时间与能量约束。设该含多微电网配电系统接入的储能系统总数为NE，对于任意储能系统e∈NE，其相关参数为：
式中，
分别表示储能系统e的蓄能功率和放能功率；St,e,S1,e分别表示储能系统e电池每个时刻的荷电状态(State Of Charge，SOC)和起始SOC，SOC表示电池剩余能量与电池容量的比值，因此有0≤St,e≤1、0≤S1,e≤1，其中S1,e已知；ηc,ηd分别表示额定充、放电效率；ρE表示ESS充放电损耗成本；Cape表示ESS电池容量；
分别表示额定充、放电功率。
ESS运行时的约束条件如式(2)-(4)所示。
(2)主动负荷模型
将含多微电网主动配电系统中数量繁多的负荷分别对待，会导致调度过程中灵活性较差，因此，为方便分析，建立统一主动负荷模型，将各连接入网的各类负荷归纳为具备一致属性的统一物理模型进行描述。
第t个时刻的第i个节点的主动负荷的特征描述如下：
式中，t∈NT，NT表示调度时域内的调度区间数量；i∈NN，NN表示该含多微电网主动配电系统所有的节点集合；
pfi分别表示主动负荷At,i既定负荷功率、实际运行过程中负荷功率(包括有功和无功功率)、负荷功率因数；
分别表示主动负荷At,i的固定负荷和可调功率范围上下限；
分别表示主动负荷At,i在优化决策过程中的增加负荷量和削减负荷量；λDr表示主动负荷需求响应调度成本。
主动负荷运行条件约束满足式(6)-(8)。
(3)有载调压器模型
有载调压器是一种电压调节设备，主要功能是通过改变变压器档位来维持电网系统电压在正常的电压范围内，保障电能质量。
设该含多微电网配电系统的OLTC相关参数为：
其中kij,0是OLTC的初始档位状态；Kt,ij是OLTC实际运行过程中在t时刻的档位状态；Δkij为OLTC档位调节幅度；
为OLTC调节档位数量上限；
为OLTC在给定时间范围内调节档位动作次数的限制。
OLTC运行过程中满足约束条件(10)
(4)智能软开关模型
SOP是安装于传统联络开关处的电力电子装置，它能够准确控制其所连接两侧馈线的有功与无功功率。与基于联络开关的常规网络连接方式相比，SOP实现了馈线间常态化柔性互联，避免了开关频繁变位造成的安全隐患，大大提高了配电网控制的灵活性和快速性，使配电网同时具备了开环运行与闭环运行的优势，大大提高了配电网控制的实时性与快速性，同时给配电网的运行带来了诸多益处。
设该含多微电网主动配电系统SOP的相关参数为：
其中
为SOP的额定容量；
分别为SOP两侧传输的有功功率；
为SOP传输功率损耗系数；
分别为SOP两侧传输的有功功率损耗；
分别为SOP两侧传输的无功功率；
Qi SOP 分别为SOP的无功功率上限值和下限值。
SOP运行过程中满足约束条件(12)-(15)
(5)支路潮流模型
其中rji,xji分别为第j个节点到第i个节点支路的电阻值和电抗值；Pt,ji,Qt,ji分别为第j个节点到第i个节点支路流过的有功功率和无功功率；
分别为OLTC支路第j个节点到第i个节点支路流过的有功功率和无功功率；
分别为第i个节点的电压值平方和第j个节点到第i个节点支路流过电流的平方；
分别为第i个节点的风机有功和无功功率值以及光伏有功和无功功率值。
再进一步，所述步骤S3中，所述主从博弈模型包括以下过程：
对于任意第t时段，DNO收集系统内部分布式可再生能源出力信息和需求侧用电信息，分析系统功率特性，制定动态电价引导各响应主体改善自身用能策略，构建主从博弈模型对系统能量进行优化调度决策，针对该主从博弈模型的双层问题求解困难问题和非线性问题，运用KKT条件对该模型进行简化求解，具体过程如下：
(1)构建DNO原始目标函数；
式中
为DNO制定的动态电价，且满足约束条件(17)
(2)将目标函数线性化；
等式约束条件：
不等式约束条件：
x⊥y表示标量x与y中至多有一个可以严格大于0，互补松弛条件(A10)-(A19)采用大M法进行线性化处理，如式(18)所示。
记μ和λ分别为优化问题中不等式约束对偶变量和等式约束对偶变量，h(x)为不等式约束条件，κ为0-1变量，M为充分大的正数。
最终得到DNO能量优化调度的目标函数为
式中，fGrid表示DNO向上层电网购电的购能成本，
分别表示上层电网的售电价格和DNO向上层电网购买的电能功率；fDR表示用户需求响应成本，
分别表示第t时刻第i个节点的固定负荷，风机功率以及光伏功率；
分别表示第t时刻第i个节点增加和削减负荷的功率上限，
表示与第t时刻第i个节点增加和削减负荷的功率相对应的不等式约束对偶变量，
是预设定值；fESS是ESS的使用成本，
分别表示ESS的额定充电功率和额定放电功率；
分别表示与ESS的额定充电功率和额定放电功率相对应的不等式约束对偶变量；
分别表示ESS额定荷电状态的下限和上限；
分别表示与ESS额定荷电状态的下限和上限相对应的不等式约束对偶变量；S1,e,λ2,e分别表示ESS的初始SOC和与之对应的等式对偶变量；fOLTC表示OLTC的动作成本，ctap表示OLTC动作的成本系数，Kt,ij表示OLTC在t时刻的状态；floss表示配电系统总有功损耗，包括线路传输过程产生的有功损耗和SOP传输有功功率过程中产生的有功损耗，closs表示有功功率损耗成本系数，rijI2 t,ij表示第i个节点和第j个节点之间的线路产生的有功损耗功率，
表示SOP产生的有功损耗功率；fAux表示系统电压偏移成本，cAux表示电压偏移成本系数，
表示t时刻第i个节点产生的电压偏移。
更进一步，在所述步骤S4中，决策的动态调整包括以下过程：
采用多时间尺度模型预测控制方法(Model Predictive Control，MPC)应对可再生能源的随机性问题，包括：
由于传统集中式能量调度管理模式对可再生能源的高渗透率接入、动态电价等因素缺乏综合性考虑，无法有效处理预测误差带来的影响，随着预测不确定等级的升高，能量优化策略的性能将会迅速下降。MPC方法是解决这一问题的有效途径，在工业过程领域一直被广泛采用，该方法能够根据系统的最新状态对决策值进行实时更新，相比传统集中式能量调度管理策略具有更强的鲁棒性。动态优化是MPC方法的核心，与全局优化不同，它的优化时域会随时间不断向前推移。在每一优化周期，响应主体控制器以当前时刻的系统状态作为初始状态，基于预测模型对未来一段时间的预测结果，通过相应优化算法动态求解有限时长内的优化控制问题。该过程将滚动进行，直到达到要求的仿真时域。
单个优化周期内目标函数如下：
式中：k+σ∈[k+1,k+T+1]，T≤K；
为仿真时域内目标函数预测值；
为k+σ时段综合成本预测值；γk+σ∈(0,1)，其值取决于为k+σ时段下预测不确定度，用于调整预测不确定性所带来的影响。
实施本发明的一种含多微网主动配电系统的定价与最优能量调度方法的系统，包括依次连接的主动配电系统构建模块、时间离散化处理模块、优化调度模块、响应主体反馈模块、循环模块。
含多微网主动配电系统的定价与最优能量调度方法，首先构建联网运行的主动配电系统，其中包含分布式电源、储能系统和一些微网常用的基本负荷，配电网系统共包含N个互联的微电网系统；然后以配电网运行成本和微电网运行成本同时达到最优值为目标，采用主从博弈机制，配电网运营商通过综合考虑系统运行状况制定动态电价引导微电网对微网内主动负荷的用能策略和储能系统的充放电计划进行调整，从而构建配电网运营商和微电网之间利益的主从博弈模型，针对该模型的非线性项问题和双层求解困难问题，采用KKT(Karush-Kuhn-Tucker)条件将原先的双层混合整数非线性规划问题转化成单层线性规划问题，提出了一种最优能量调度方法，简化求解过程，为应对系统实时运行过程中面临的负荷和分布式电源随机性问题，采用多时间尺度模型预测控制方法，第一阶段采用较大时间尺度进行优化决策，在实时运行的第二阶段过程中，结合系统实时运行情况，采用更为精细的时间尺度对第一阶段的决策进行动态调整，提升系统的运行品质，实现最优能量调度。
本发明的有益效果为：通过动态电价机制和多时间尺度模型预测控制方法来有效提升新能源消纳率，保障配电系统稳定高品质运行，促进系统能量优化配置。
附图说明
图1是本发明的含多微网主动配电系统结构示意图。
图2是本发明的一日内的典型风机和光伏输出功率示意图。
图3是本发明的配电网运营商动态电价和上层电网电价图。
图4是本发明的储能系统和主动负荷运行功率图。
图5是本发明的系统运行电压状况图。
图6是本发明的智能软开关有功功率图。
图7是本发明的智能软开关无功功率图。
图8是本发明的有载调压器档位动作情况图。
具体实施方法
下面结合附图对本发明做进一步说明。
参照图1～图8，一种含多微网主动配电系统的定价与最优能量调度方法，包括以下步骤：
S1：构建联网运行的主动配电系统，该系统包含风机、光伏等分布式电源，补偿分布式电源的储能系统，参与系统功率动态调整的主动负荷，调节系统电压的有载调压器(On-Load Tap Converter，OLTC)，改善系统潮流状况的智能软开关(Soft Open Point，SOP)，综合考虑系统各主动设备的运行特性，建立对应的模型，其中对系统的潮流模型采用支路潮流模型；
S2：将一天连续24h的时间进行离散化处理，均分为NT个时段，对于任意第t时段，有t∈{1,2,...,NT}，且第t时段的时长为Δt；
S3：对于任意第t时段，DNO收集系统内部分布式可再生能源出力信息和需求侧用电信息，制定动态电价引导各响应主体改善自身用能策略，DNO根据系统实际运行情况通过SOP改善系统潮流状况，降低系统网络传输功率损耗，通过OLTC档位的调整来保障系统的电压波动情况在预设范围内，构建主从博弈模型对系统能量进行优化调度决策；
S4：在任意第t时段内系统各响应主体对决策进行动态调整，将第t时段的时长Δt均分为T个时段，各响应主体综合考虑实时运行过程中的自身运行情况和系统内部实时动态电价情况调整自身用能策略，通过决策的精细化调整来应对分布式可再生能源出力和主动负荷的随机性和波动性；
S5：重复步骤S1～S4，直至优化区间结束。
本发明中，所述主动配电系统与上层高压电网联网运行，配电系统内部配备有载调压器，智能软开关等主动设备，系统内部的微电网配备储能系统，风机、光伏等分布式能源以及主动负荷。配电网运营商通过制定动态电价引导各响应主体优化用能策略，构建主从博弈模型对系统内部能量进行优化调度，采用多时间尺度模型预测控制方法进一步改善该优化方法在应对系统随机性干扰情况下的有效性。
所述步骤S1中，所述含多微网主动配电系统包括以下构成：
S1-1.分布式可再生能源：实现清洁低碳发电，优化系统能源结构；
S1-2.储能系统：用来补偿分布式可再生能源出力的间歇性和随机性的缺点，储能系统类型如蓄电池和超级电容；
S1-3.主动负荷：多种类型的可调度负荷；
S1-4.有载调压器：调整系统电压状况的变压器设备，设有变压器抽头以改变设备的变压比；
S1-5.智能软开关：是安装于传统联络开关处的电力电子装置，它能够准确控制其所连接两侧馈线的有功与无功功率，实现馈线间常态化柔性互联。
构建各响应主体模型如下所示：
(1)储能系统模型
储能系统是一种蓄放能设备，主要用途是作为主动需求侧资源参与系统能源调度调控，依据对负荷情况和分布式可再生能源的出力预测分析，各储能系统调整自身蓄放能方案来维持系统功率动态平衡特性，因此接入MG的各ESS均需要满足更加严格的时间与能量约束。设该含多微电网配电系统接入的储能系统总数为NE，对于任意储能系统e∈NE，其相关参数为：
式中，
分别表示储能系统e的蓄能功率和放能功率；St,e,S1,e分别表示储能系统e电池每个时刻的荷电状态(State Of Charge，SOC)和起始SOC，SOC表示电池剩余能量与电池容量的比值，因此有0≤St,e≤1、0≤S1,e≤1，其中S1,e已知；ηc,ηd分别表示额定充、放电效率；ρE表示ESS充放电损耗成本；Cape表示ESS电池容量；
分别表示额定充、放电功率。
ESS运行时的约束条件如式(2)-(4)所示。
(2)主动负荷模型
将含多微电网主动配电系统中数量繁多的负荷分别对待，会导致调度过程中灵活性较差，因此，为方便分析，建立统一主动负荷模型，将各连接入网的各类负荷归纳为具备一致属性的统一物理模型进行描述。
第t个时刻的第i个节点的主动负荷的特征描述如下：
式中，t∈NT，NT表示调度时域内的调度区间数量；i∈NN，NN表示该含多微电网主动配电系统所有的节点集合；
pfi分别表示主动负荷At,i既定负荷功率、实际运行过程中负荷功率(包括有功和无功功率)、负荷功率因数；
分别表示主动负荷At,i的固定负荷和可调功率范围上下限；
分别表示主动负荷At,i在优化决策过程中的增加负荷量和削减负荷量；λDr表示主动负荷需求响应调度成本。
主动负荷运行条件约束满足式(6)-(8)。
(3)有载调压器模型
有载调压器是一种电压调节设备，主要功能是通过改变变压器档位来维持电网系统电压在正常的电压范围内，保障电能质量。
设该含多微电网配电系统的OLTC相关参数为：
其中kij,0是OLTC的初始档位状态；Kt,ij是OLTC实际运行过程中在t时刻的档位状态；Δkij为OLTC档位调节幅度；
为OLTC调节档位数量上限；
为OLTC在给定时间范围内调节档位动作次数的限制。
OLTC运行过程中满足约束条件(10)
(4)智能软开关模型
SOP是安装于传统联络开关处的电力电子装置，它能够准确控制其所连接两侧馈线的有功与无功功率。与基于联络开关的常规网络连接方式相比，SOP实现了馈线间常态化柔性互联，避免了开关频繁变位造成的安全隐患，大大提高了配电网控制的灵活性和快速性，使配电网同时具备了开环运行与闭环运行的优势，大大提高了配电网控制的实时性与快速性，同时给配电网的运行带来了诸多益处。
设该含多微电网主动配电系统SOP的相关参数为：
其中
为SOP的额定容量；
分别为SOP两侧传输的有功功率；
为SOP传输功率损耗系数；
分别为SOP两侧传输的有功功率损耗；
分别为SOP两侧传输的无功功率；
Qi SOP 分别为SOP的无功功率上限值和下限值。
SOP运行过程中满足约束条件(12)-(15)
(5)支路潮流模型
其中rji,xji分别为第j个节点到第i个节点支路的电阻值和电抗值；Pt,ji,Qt,ji分别为第j个节点到第i个节点支路流过的有功功率和无功功率；
分别为OLTC支路第j个节点到第i个节点支路流过的有功功率和无功功率；
分别为第i个节点的电压值平方和第j个节点到第i个节点支路流过电流的平方；
分别为第i个节点的风机有功和无功功率值以及光伏有功和无功功率值。
所述步骤S3中，所述主从博弈模型包括以下过程：
对于任意第t时段，DNO收集系统内部分布式可再生能源出力信息和需求侧用电信息，分析系统功率特性，制定动态电价引导各响应主体改善自身用能策略，构建主从博弈模型对系统能量进行优化调度决策，针对该主从博弈模型的双层问题求解困难问题和非线性问题，运用KKT条件对该模型进行简化求解，具体过程如下：
(1)DNO原始目标函数
式中
为DNO制定的动态电价，且满足约束条件(17)
(2)目标函数线性化过程
等式约束条件：
不等式约束条件：
x⊥y表示标量x与y中至多有一个可以严格大于0，互补松弛条件(A10)-(A19)采用大M法进行线性化处理，如式(18)所示。
记μ和λ分别为优化问题中不等式约束对偶变量和等式约束对偶变量，h(x)为不等式约束条件，κ为0-1变量，M为充分大的正数。
最终得到DNO能量优化调度的目标函数为
式中，fGrid表示DNO向上层电网购电的购能成本，
分别表示上层电网的售电价格和DNO向上层电网购买的电能功率；fDR表示用户需求响应成本，
分别表示第t时刻第i个节点的固定负荷，风机功率以及光伏功率；
分别表示第t时刻第i个节点增加和削减负荷的功率上限，
表示与第t时刻第i个节点增加和削减负荷的功率相对应的不等式约束对偶变量，
是预设定值；fESS是ESS的使用成本，
分别表示ESS的额定充电功率和额定放电功率；
分别表示与ESS的额定充电功率和额定放电功率相对应的不等式约束对偶变量；
分别表示ESS额定荷电状态的下限和上限；
分别表示与ESS额定荷电状态的下限和上限相对应的不等式约束对偶变量；S1,e,λ2,e分别表示ESS的初始SOC和与之对应的等式对偶变量；fOLTC表示OLTC的动作成本，ctap表示OLTC动作的成本系数，Kt,ij表示OLTC在t时刻的状态；floss表示配电系统总有功损耗，包括线路传输过程产生的有功损耗和SOP传输有功功率过程中产生的有功损耗，closs表示有功功率损耗成本系数，rijI2 t,ij表示第i个节点和第j个节点之间的线路产生的有功损耗功率，
表示SOP产生的有功损耗功率；fAux表示系统电压偏移成本，cAux表示电压偏移成本系数，
表示t时刻第i个节点产生的电压偏移。
在所述步骤S4中，决策的动态调整包括以下过程：
S4-1.采用多时间尺度模型预测控制方法(Model Predictive Control，MPC)应对可再生能源的随机性问题，包括：
由于传统集中式能量调度管理模式对可再生能源的高渗透率接入、动态电价等因素缺乏综合性考虑，无法有效处理预测误差带来的影响，随着预测不确定等级的升高，能量优化策略的性能将会迅速下降。MPC方法是解决这一问题的有效途径，在工业过程领域一直被广泛采用，该方法能够根据系统的最新状态对决策值进行实时更新，相比传统集中式能量调度管理策略具有更强的鲁棒性。动态优化是MPC方法的核心，与全局优化不同，它的优化时域会随时间不断向前推移。在每一优化周期，响应主体控制器以当前时刻的系统状态作为初始状态，基于预测模型对未来一段时间的预测结果，通过相应优化算法动态求解有限时长内的优化控制问题。该过程将滚动进行，直到达到要求的仿真时域。
单个优化周期内目标函数如下：
式中：k+σ∈[k+1,k+T+1]，T≤K；
为仿真时域内目标函数预测值；
为k+σ时段综合成本预测值；γk+σ∈(0,1)，其值取决于为k+σ时段下预测不确定度，用于调整预测不确定性所带来的影响。
实施本发明的一种含多微网主动配电系统的定价与最优能量调度方法的系统，包括依次连接的主动配电系统构建模块、时间离散化处理模块、优化调度模块、响应主体反馈模块、循环模块，以上各模块分别对应本发明的步骤S1～S5的内容。
为使本领域技术人员更好地理解本发明，以改进后的IEEE 33节点系统为算例验证验证多微网主动配电系统的定价与最优能量调度方法的有效性和正确性，采用MATLAB环境下的商业求解器YALMIP/GUROBI求解，第一阶段计算时间长度为24h，滚动优化时间间隔为1h；第二阶段对风机、光伏等分布式能源的不确定性以及负荷的不确定性进行处理，滚动优化时间时间间隔为15min，依据第一阶段的决策方案进行动态调整。
改进后的IEEE 33节点系统如图1所示。该系统总有功负荷为3.715MWh，总无功负荷为2.29MVar，系统基准电压为12.66kV。该系统一日内的典型风机和光伏输出功率系统一日内的典型风机和光伏输出功率如图2所示，7号节点节点接入容量为500kW的光伏发电设备，10号节点节点接入容量为500kW的光伏发电设备，24号节点节点接入容量为400kW的光伏发电设备，27号节点节点接入容量为400kW的光伏发电设备；13号节点接入容量为1200kW的风机发电设备，30号节点接入容量为1000kW的风机发电设备。储能系统额定容量为1MWh，额定功率为200kW，并设定其每日初始SOC为0.6，SOC上下限分别为0.9和0.4，运行与维护系数为ρE＝2.736$/MWh，充电效率ηc和放电效率ηd均为0.95，储能系统连接在各个SOP上，与SOP协同进行能量的传输和调整；SOP额定容量为0.5MVA,SOP有功损耗系数
为0.02，本算例中SOP分别设置在12号节点和22号节点之间，25号节点和29号节点之间，18号节点和33号节点之间；OLTC一日内动作次数上限
为4次，档位数量上限
为5，档位调节变化率Δkij为0.01，初始档位状态kij,0为0，OLTC动作成本为1.4$/次；用户需求响应调度成本λDr为5$/MWh；有功功率损耗成本系数closs为0.08$/kWh；cAux为1$/p.u.^2(p.u.表示电压偏移量的标幺值)；DNO制定的动态电价的阈值cmin,cmax分别设为1和2；配电系统向上层电网倒送功率价格为0.4RMB/kWh；系统节点电压标幺值阈值分别设为0.95和1.05。
为了充分体现所提方法的有效性，另外设置三种模式进行对比仿真分析：
1)模式1：无序调度模式，即不存在任何主动响应设备，系统根据固有基本负荷进行能量调度；
2)模式2：固定电价模式，即配电网运营商制定的电价不具备调整的能力，根据固定电价进行购售电交易；
3)模式3：去SOP模式，即去除主动响应设备中的SOP设备，系统在不配备SOP设备的情况下进行能量调度；
4)模式4：运用本发明所提的多微网主动配电系统的定价与最优能量调度方法。
仿真程序在Windows10，Intel(R)CoreTM i7 CPU@1.80GHz，8GB内存的计算机中的Matlab环境下实现。分别就以上4种运行模式下的主动配电系统的经济性和电压波动情况进行计算和比较。
表1所设置4种运行模式下的主动配电系统的经济性和电压波动情况
本文所提出方案所得优化结果分析：表1为四种模式下系统运行情况的对比数据，图3-8为采用本文所提出方案下系统各响应主体的运行状况及系统电压波动情况，由上述表1和图3-8可得，模式1中，在无序调度模式下，系统的SOP，OLTC均不投入运行，MG侧的ESS和DR均不参与需求响应过程，系统无法进行能量优化调度，有功损耗值和电压偏移量都处于较高值，导致DNO需要承担的有功损耗费用和电压损耗费用较高，MG运行成本也较高；模式2中采用固定电价模式，结果表明会导致利益分配问题，MG运行成本偏低而DNO运行收益偏低，结果表明采用固定电价不利于促进DNO和MG合作共赢；模式3中SOP不投入运行，与模式4相比有功功率损耗显著上升，同时电压偏移也比模式4要大，结果表明采用SOP能够显著改善系统潮流状况，减少系统有功功率损耗和电压偏移，提升系统运行的经济性和可靠性；模式4采用本文提出的含多微电网主动配电系统能量优化调度方法，实现去中心化能量交互，结果表明本文所提出方法能够显著提升系统运行的灵活性和经济性。
如图3所示，DNO根据上层电网的电能报价及系统内部实时功率情况优化购能策略、管理设备运行状态以及制定合理的售/购能动态价格，以动态电价机制来引导系统能源去中心化交易，激励各响应主体优化自身用能方案来维持系统内部能源供需平衡，优化系统内部资源配置方案。
如图4所示，ESS和DR根据系统实时电价及自身功率状况进行决策，优化自身用能策略：ESS通过蓄能和放能来参与系统需求侧响应能量调控，ESS在负荷高峰期通过放能来平衡系统内部功率，同时在一定程度上消耗掉在负荷低谷期储存的RES多余能量，ESS在负荷低谷期时则通过蓄能来吸收RES多余能量，避免弃风弃光造成可再生能源浪费，促进RES就地高效率消纳；DR则通过改变自身用能计划来改善系统功率动态平衡特性，DR选择在负荷高峰期削减用能功率以及在负荷低谷期增加用能功率，实现能量在时间维度上的转移，在保证用户总用电量不变的前提下改善系统功率动态平衡水平，ESS和DR两者相辅相成，增强能源交易市场整体灵活性，实现能源优化配置，促进可再生能源就地消纳。
如图5所示，采用本文所提出的系统能源调度方案能够使得配电网系统内部各节点电压均维持在既定标准范围内，仿真结果表明本文所提出调度方案可以保障配电系统安全稳定运行，不会出现电压越限的不利情况。
SOP是安装于传统联络开关处的电力电子装置，它能够准确控制其所连接两侧馈线的有功与无功功率。与基于联络开关的常规网络连接方式相比，SOP实现了馈线间常态化柔性互联，避免了开关频繁变位造成的安全隐患，大大提高了配电网控制的灵活性和快速性，使配电网同时具备了开环运行与闭环运行的优势，大大提高了配电网控制的实时性与快速性，同时给配电网的运行带来了诸多益处。
如图6和图7所示，通过SOP双向可调节的有功与无功功率传输，能极大程度上改善配电网系统的灵活性，SOP通过传输有功功率来改善系统内部供需平衡关系，有效提升可再生能源消纳率，实现能源资源优化配置；SOP通过传输无功功率来维持配电系统内部电压在既定运行范围内，保障配电系统安全稳定运行。
有载调压器是一种电压调节设备，主要功能是通过改变变压器档位来维持电网系统电压在正常的电压范围内，保障电能质量。
如图8所示，有载调压器通过档位动作决策来保障系统电压状况运行在正常范围内。
为了验证分析含多微网主动配电系统的定价与最优能量调度方法在预测不准确情况下的具体性能表现，采用随机场景分析方法对分布式风、光出力不确定性对优化结果产生的影响进行量化，深入分析本文所提出方法在具有预测不确定性环境下对含多微电网主动配电系统能量调度方案的鲁棒性，三个场景中风光出力不确定性和主动负荷的不确定性从Case1-Case3依次递增。
表2三种不确定性场景下调度决策的优化结果对比
根据表2数据可得，本文所提出调度方案在预测不确定性干扰逐渐加大的情况下，可以对第一阶段所作出的决策进行有效的动态调整，从而改善系统电压波动情况和减少系统有功功率损耗，同时达到DNO和MG互利共赢的目标，保障配电系统高品质稳定运行。
为验证本文所提出方法的普适性，本文对改进后的IEEE 123节点系统进行了仿真试验。改进后的IEEE 123节点系统总有功负荷为4.885MWh，总无功负荷为2.71MVar，系统基准电压为10.5kV。该系统一日内的典型风机和光伏输出功率如图2所示，33号节点接入容量为600kW的光伏发电设备，42号节点接入容量为300kW的光伏发电设备，86号节点接入容量为500kW的光伏发电设备，97号节点接入容量为400kW的光伏发电设备，111号节点接入容量为500kW的光伏发电设备，116号节点接入容量为500kW的光伏发电设备；28号节点接入容量为1200kW的风机发电设备，92号节点接入容量为1200kW的风机发电设备，108号节点接入容量为1200kW的风机发电设备。储能系统额定容量为1MWh，额定功率为200kW，并设定其每日初始SOC为0.6，SOC上下限分别为0.9和0.4，运行与维护系数为ρE＝2.736$/MWh，充电效率ηc和放电效率ηd均为0.95，储能系统均和SOP相连接，与SOP协同进行能量的调度；SOP额定容量为0.5MVA,SOP有功损耗系数
为0.02，SOP设置位置分别为47号节点和67号节点之间，55号节点和95号节点之间，117号节点和123号节点之间；OLTC一日内动作次数上限
为4次，档位数量上限
为5，档位调节变化率Δkij为0.01，初始档位状态kij,0为0，OLTC动作成本为1.4$/次；用户需求响应调度成本λDr为5$/MWh；有功功率损耗成本系数closs为0.08$/kWh；cAux为1$/p.u.^2(p.u.表示电压偏移量的标幺值)；DNO制定的动态电价的阈值cmin,cmax分别设为1和2；配电系统向上层电网倒送功率价格为0.4RMB/kWh；系统节点电压标幺值阈值分别设为0.95和1.05。
本文方法应用于改进后的IEEE 123节点系统得到相关测试数据如表3所示。
表3改进后的IEEE 123节点系统相关测试数据
由表3数据可得，本文所提出方法具有一定的普适性，能够有效地发挥系统内部主动响应资源特性，大幅改善系统的运行状况。
综上所述，含多微网主动配电系统的定价与最优能量调度方法能有效调度系统内部的多样化主动响应资源，改善系统的功率动态平衡特性，同时由于采用多时间尺度模型预测控制方法使得该能量优化调度方法具有较强的鲁棒性，大时间尺度的滚动优化模型基于系统状态和预测信息，通过MPC方法生成第一阶段决策方案(ESS、DR、SOP及OLTC等设备的运行策略)，可以合理调度系统内部资源，小时间尺度的动态调整模型以第一阶段的决策方案为参考，根据系统实时运行情况快速调整设备运行状态，能够有效降低优化过程中分布式风、光出力预测不确定性对系统带来的不利影响。
在本说明书中，对本发明的示意性表述不是必须针对的是相同的实施例或示例,本领域的技术人员可以将本说明书中描述的不同实施例或示例进行结合和组合。此外，本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施案例所陈述的具体形式，本发明的保护范围也包括本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (6)
1.一种含多微网主动配电系统的定价与最优能量调度方法，其特征在于，包括以下步骤：
S1：构建联网运行的主动配电系统，该系统包含分布式电源，补偿分布式电源的储能系统，参与系统功率动态调整的主动负荷，调节系统电压的有载调压器(On-Load TapConverter，OLTC)，改善系统潮流状况的智能软开关(Soft Open Point，SOP)，综合考虑系统各主动设备的运行特性，建立对应的模型，其中对系统的潮流模型采用支路潮流模型；
S2：将一天连续24h的时间进行离散化处理，均分为NT个时段，对于任意第t时段，有t∈{1,2,...,NT}，且第t时段的时长为Δt；
S3：对于任意第t时段，配电网运营商(Distribution Network Operator，DNO)收集系统内部分布式可再生能源出力信息和需求侧用电信息，制定动态电价引导各响应主体改善自身用能策略，DNO根据系统实际运行情况通过SOP改善系统潮流状况，降低系统网络传输功率损耗，通过OLTC档位的调整来保障系统的电压波动情况在预设范围内，构建主从博弈模型对系统能量进行优化调度决策；
S4：在任意第t时段内系统各响应主体对决策进行动态调整，将第t时段的时长Δt均分为T个时段，各响应主体综合考虑实时运行过程中的自身运行情况和系统内部实时动态电价情况调整自身用能策略，通过决策的精细化调整来应对分布式可再生能源出力和主动负荷的随机性和波动性；
S5：重复步骤S1～S4，直至优化区间结束。
2.如权利要求1所述的一种含多微网主动配电系统的定价与最优能量调度方法，其特征在于：
步骤S1所述的分布式可再生能源包括风机、光伏，实现清洁低碳发电，优化系统能源结构；
步骤S1所述的储能系统包括蓄电池和超级电容，补偿分布式可再生能源出力的间歇性和随机性的缺点；
步骤S1所述的主动负荷是多种类型的可调度负荷；
步骤S1所述的有载调压器调整系统电压状况的变压器设备，设有变压器抽头以改变设备的变压比；
步骤S1所述的智能软开关是安装于传统联络开关处的电力电子装置，准确控制其所连接两侧馈线的有功与无功功率，实现馈线间常态化柔性互联。
3.如权利要求1所述的一种含多微网主动配电系统的定价与最优能量调度方法，其特征在于：
步骤S1所述的储能系统模型包括：储能系统是一种蓄放能设备，主要用途是作为主动需求侧资源参与系统能源调度调控，依据对负荷情况和分布式可再生能源的出力预测分析，各储能系统调整自身蓄放能方案来维持系统功率动态平衡特性，因此接入MG的各ESS均需要满足更加严格的时间与能量约束。设该含多微电网配电系统接入的储能系统总数为NE，对于任意储能系统e∈NE，其相关参数为：
式中，
分别表示储能系统e的蓄能功率和放能功率；St,e,S1,e分别表示储能系统e电池每个时刻的荷电状态(State Of Charge，SOC)和起始SOC，SOC表示电池剩余能量与电池容量的比值，因此有0≤St,e≤1、0≤S1,e≤1，其中S1,e已知；ηc,ηd分别表示额定充、放电效率；ρE表示ESS充放电损耗成本；Cape表示ESS电池容量；
分别表示额定充、放电功率。
ESS运行时的约束条件如式(2)-(4)所示。
步骤S1所述的主动负荷模型包括：将含多微电网主动配电系统中数量繁多的负荷分别对待，会导致调度过程中灵活性较差，因此，为方便分析，建立统一主动负荷模型，将各连接入网的各类负荷归纳为具备一致属性的统一物理模型进行描述。
第t个时刻的第i个节点的主动负荷的特征描述如下：
式中，t∈NT，NT表示调度时域内的调度区间数量；i∈NN，NN表示该含多微电网主动配电系统所有的节点集合；
pfi分别表示主动负荷At,i既定负荷功率、实际运行过程中负荷功率(包括有功和无功功率)、负荷功率因数；
分别表示主动负荷At,i的固定负荷和可调功率范围上下限；
分别表示主动负荷At,i在优化决策过程中的增加负荷量和削减负荷量；λDr表示主动负荷需求响应调度成本。
主动负荷运行条件约束满足式(6)-(8)。
步骤S1所述的有载调压器模型包括：有载调压器是一种电压调节设备，主要功能是通过改变变压器档位来维持电网系统电压在正常的电压范围内，保障电能质量。
设该含多微电网配电系统的OLTC相关参数为：
其中kij,0是OLTC的初始档位状态；Kt,ij是OLTC实际运行过程中在t时刻的档位状态；Δkij为OLTC档位调节幅度；
为OLTC调节档位数量上限；
为OLTC在给定时间范围内调节档位动作次数的限制。
OLTC运行过程中满足约束条件(10)
步骤S1所述的智能软开关模型包括：SOP是安装于传统联络开关处的电力电子装置，它能够准确控制其所连接两侧馈线的有功与无功功率。与基于联络开关的常规网络连接方式相比，SOP实现了馈线间常态化柔性互联，避免了开关频繁变位造成的安全隐患，大大提高了配电网控制的灵活性和快速性，使配电网同时具备了开环运行与闭环运行的优势，大大提高了配电网控制的实时性与快速性，同时给配电网的运行带来了诸多益处。
设该含多微电网主动配电系统SOP的相关参数为：
其中
为SOP的额定容量；
分别为SOP两侧传输的有功功率；
为SOP传输功率损耗系数；
分别为SOP两侧传输的有功功率损耗；
分别为SOP两侧传输的无功功率；
SOP运行过程中满足约束条件(12)-(15)
步骤S1所述的支路潮流模型包括：
其中rji,xji分别为第j个节点到第i个节点支路的电阻值和电抗值；Pt,ji,Qt,ji分别为第j个节点到第i个节点支路流过的有功功率和无功功率；
分别为OLTC支路第j个节点到第i个节点支路流过的有功功率和无功功率；
分别为第i个节点的电压值平方和第j个节点到第i个节点支路流过电流的平方；
分别为第i个节点的风机有功和无功功率值以及光伏有功和无功功率值。
4.如权利要求1所述的一种含多微网主动配电系统的定价与最优能量调度方法，其特征在于：步骤S3所述的构建主从博弈模型包括：
对于任意第t时段，DNO收集系统内部分布式可再生能源出力信息和需求侧用电信息，分析系统功率特性，制定动态电价引导各响应主体改善自身用能策略，构建主从博弈模型对系统能量进行优化调度决策，针对该主从博弈模型的双层问题求解困难问题和非线性问题，运用KKT条件对该模型进行简化求解，具体过程如下：
(1)构建DNO原始目标函数；
式中
为DNO制定的动态电价，且满足约束条件(17)
(2)将目标函数线性化；
等式约束条件：
不等式约束条件：
x⊥y表示标量x与y中至多有一个可以严格大于0，互补松弛条件(A10)-(A19)采用大M法进行线性化处理，如式(18)所示。
记μ和λ分别为优化问题中不等式约束对偶变量和等式约束对偶变量，h(x)为不等式约束条件，κ为0-1变量，M为充分大的正数。
最终得到DNO能量优化调度的目标函数为：
式中，fGrid表示DNO向上层电网购电的购能成本，
Pt H分别表示上层电网的售电价格和DNO向上层电网购买的电能功率；fDR表示用户需求响应成本，
分别表示第t时刻第i个节点的固定负荷，风机功率以及光伏功率；
分别表示第t时刻第i个节点增加和削减负荷的功率上限，
表示与第t时刻第i个节点增加和削减负荷的功率相对应的不等式约束对偶变量，
是预设定值；fESS是ESS的使用成本，
分别表示ESS的额定充电功率和额定放电功率；
分别表示与ESS的额定充电功率和额定放电功率相对应的不等式约束对偶变量；
分别表示ESS额定荷电状态的下限和上限；
分别表示与ESS额定荷电状态的下限和上限相对应的不等式约束对偶变量；S1,e,λ2,e分别表示ESS的初始SOC和与之对应的等式对偶变量；fOLTC表示OLTC的动作成本，ctap表示OLTC动作的成本系数，Kt,ij表示OLTC在t时刻的状态；floss表示配电系统总有功损耗，包括线路传输过程产生的有功损耗和SOP传输有功功率过程中产生的有功损耗，closs表示有功功率损耗成本系数，rijI2 t,ij表示第i个节点和第j个节点之间的线路产生的有功损耗功率，
表示SOP产生的有功损耗功率；fAux表示系统电压偏移成本，cAux表示电压偏移成本系数，
表示t时刻第i个节点产生的电压偏移。
5.如权利要求1所述的一种含多微网主动配电系统的定价与最优能量调度方法，其特征在于：步骤S4所述的决策的动态调整包括：
S4-1.采用多时间尺度模型预测控制方法(Model Predictive Control，MPC)应对可再生能源的随机性问题，具体包括：
由于传统集中式能量调度管理模式对可再生能源的高渗透率接入、动态电价等因素缺乏综合性考虑，无法有效处理预测误差带来的影响，随着预测不确定等级的升高，能量优化策略的性能将会迅速下降。MPC方法是解决这一问题的有效途径，在工业过程领域一直被广泛采用，该方法能够根据系统的最新状态对决策值进行实时更新，相比传统集中式能量调度管理策略具有更强的鲁棒性。动态优化是MPC方法的核心，与全局优化不同，它的优化时域会随时间不断向前推移。在每一优化周期，响应主体控制器以当前时刻的系统状态作为初始状态，基于预测模型对未来一段时间的预测结果，通过相应优化算法动态求解有限时长内的优化控制问题。该过程将滚动进行，直到达到要求的仿真时域。
单个优化周期内目标函数如下：
式中：k+σ∈[k+1,k+T+1]，T≤K；
为仿真时域内目标函数预测值；
为k+σ时段综合成本预测值；γk+σ∈(0,1)，其值取决于为k+σ时段下预测不确定度，用于调整预测不确定性所带来的影响。
6.实施如权利要求1所述的一种含多微网主动配电系统的定价与最优能量调度方法的系统，其特征在于：包括依次连接的：主动配电系统构建模块、时间离散化处理模块、优化调度模块、响应主体反馈模块、循环模块；其中，
主动配电系统构建模块，构建联网运行的主动配电系统，该主动配电系统包含分布式电源，补偿分布式电源的储能系统，参与系统功率动态调整的主动负荷，调节系统电压的有载调压器(On-Load Tap Converter，OLTC)，改善系统潮流状况的智能软开关(Soft OpenPoint，SOP)，综合考虑系统各主动设备的运行特性，建立对应的模型，其中对系统的潮流模型采用支路潮流模型；
时间离散化处理模块，将一天连续24h的时间进行离散化处理，均分为NT个时段，对于任意第t时段，有t∈{1,2,...,NT}，且第t时段的时长为Δt；
优化调度模块，对于任意第t时段，DNO收集系统内部分布式可再生能源出力信息和需求侧用电信息，制定动态电价引导各响应主体改善自身用能策略，DNO根据系统实际运行情况通过SOP改善系统潮流状况，降低系统网络传输功率损耗，通过OLTC档位的调整来保障系统的电压波动情况在预设范围内，构建主从博弈模型对系统能量进行优化调度决策；
响应主体反馈模块，在任意第t时段内系统各响应主体对决策进行动态调整，将第t时段的时长Δt均分为T个时段，各响应主体综合考虑实时运行过程中的自身运行情况和系统内部实时动态电价情况调整自身用能策略，通过决策的精细化调整来应对分布式可再生能源出力和主动负荷的随机性和波动性；
循环模块，重复启动主动配电系统构建模块、时间离散化处理模块、优化调度模块、响应主体反馈模块，直至优化区间结束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110980331.6A CN113794244B (zh) | 2021-08-25 | 2021-08-25 | 含多微网主动配电系统的定价与最优能量调度方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110980331.6A CN113794244B (zh) | 2021-08-25 | 2021-08-25 | 含多微网主动配电系统的定价与最优能量调度方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113794244A true CN113794244A (zh) | 2021-12-14 |
| CN113794244B CN113794244B (zh) | 2022-11-25 |
Family
ID=79182133
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110980331.6A Active CN113794244B (zh) | 2021-08-25 | 2021-08-25 | 含多微网主动配电系统的定价与最优能量调度方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113794244B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114614492A (zh) * | 2022-03-17 | 2022-06-10 | 南京师范大学 | 一种有源配电网的集中-分布式储能选址定容方法 |
| CN114709856A (zh) * | 2022-04-20 | 2022-07-05 | 国网宁夏电力有限公司吴忠供电公司 | 基于智能储能装置的电网动态增容控制方法 |
| CN115133573A (zh) * | 2022-06-24 | 2022-09-30 | 浙江工业大学 | 一种考虑负荷光伏随机性的配电网故障恢复滚动优化方法 |
| CN115967084A (zh) * | 2022-12-22 | 2023-04-14 | 武汉工程大学 | 电池储能和需求侧响应的交直流混合配电网动态重构方法 |
| CN118316039A (zh) * | 2024-06-11 | 2024-07-09 | 华东交通大学 | 一种多微电网储能云管理优化调度方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160043548A1 (en) * | 2013-08-15 | 2016-02-11 | Nec Laboratories America, Inc. | Rolling stochastic optimization based operation of distributed energy systems with energy storage systems and renewable energy resources |
| CN107545325A (zh) * | 2017-08-21 | 2018-01-05 | 浙江工业大学 | 一种基于博弈论的多微网互联运行优化方法 |
| CN107958300A (zh) * | 2017-08-21 | 2018-04-24 | 浙江工业大学 | 一种考虑互动响应的多微网互联运行协调调度优化方法 |
| CN108876040A (zh) * | 2018-06-21 | 2018-11-23 | 广州供电局有限公司 | 园区能源互联网运营商的多类能源定价与能量管理方法 |
| CN109934487A (zh) * | 2019-03-11 | 2019-06-25 | 国网福建省电力有限公司 | 一种考虑多主体利益博弈的主动配电网协调规划方法 |
| AU2019101317A4 (en) * | 2019-10-30 | 2019-12-05 | Southeast University | A Bi-level Game-Based Planning Framework for Distribution Networks with multiple Micro-girds |
-
2021
- 2021-08-25 CN CN202110980331.6A patent/CN113794244B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160043548A1 (en) * | 2013-08-15 | 2016-02-11 | Nec Laboratories America, Inc. | Rolling stochastic optimization based operation of distributed energy systems with energy storage systems and renewable energy resources |
| CN107545325A (zh) * | 2017-08-21 | 2018-01-05 | 浙江工业大学 | 一种基于博弈论的多微网互联运行优化方法 |
| CN107958300A (zh) * | 2017-08-21 | 2018-04-24 | 浙江工业大学 | 一种考虑互动响应的多微网互联运行协调调度优化方法 |
| CN108876040A (zh) * | 2018-06-21 | 2018-11-23 | 广州供电局有限公司 | 园区能源互联网运营商的多类能源定价与能量管理方法 |
| CN109934487A (zh) * | 2019-03-11 | 2019-06-25 | 国网福建省电力有限公司 | 一种考虑多主体利益博弈的主动配电网协调规划方法 |
| AU2019101317A4 (en) * | 2019-10-30 | 2019-12-05 | Southeast University | A Bi-level Game-Based Planning Framework for Distribution Networks with multiple Micro-girds |
Non-Patent Citations (5)
| Title |
|---|
| FARHAD SAMADI GAZIJAHANI: "Game_Theory_Based_Profit_Maximization_Model_for_Microgrid_Aggregators_With_Presence_of_EDRP_Using_Information_Gap_Decision_Theory", 《IEEE SYSTEMS JOURNAL》 * |
| XIAODONG YANG: "Real-Time_Demand_Side_Management_for_a_Microgrid_Considering_Uncertainties", 《IEEE TRANSACTIONS ON SMART GRID》 * |
| 徐崇博: "考虑风险管控的含智能软开关主动配电网随机运行优化方法", 《电力系统自动化》 * |
| 杨晓东: "需求响应参与的微电网系统调控模型与方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 陈磊等: "基于主从博弈的多微网能量调度策略", 《电力系统保护与控制》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114614492A (zh) * | 2022-03-17 | 2022-06-10 | 南京师范大学 | 一种有源配电网的集中-分布式储能选址定容方法 |
| CN114709856A (zh) * | 2022-04-20 | 2022-07-05 | 国网宁夏电力有限公司吴忠供电公司 | 基于智能储能装置的电网动态增容控制方法 |
| CN114709856B (zh) * | 2022-04-20 | 2024-08-27 | 国网宁夏电力有限公司吴忠供电公司 | 基于智能储能装置的电网动态增容控制方法 |
| CN115133573A (zh) * | 2022-06-24 | 2022-09-30 | 浙江工业大学 | 一种考虑负荷光伏随机性的配电网故障恢复滚动优化方法 |
| CN115967084A (zh) * | 2022-12-22 | 2023-04-14 | 武汉工程大学 | 电池储能和需求侧响应的交直流混合配电网动态重构方法 |
| CN118316039A (zh) * | 2024-06-11 | 2024-07-09 | 华东交通大学 | 一种多微电网储能云管理优化调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113794244B (zh) | 2022-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113794244B (zh) | 含多微网主动配电系统的定价与最优能量调度方法和系统 | |
| Liu et al. | Residential energy scheduling for variable weather solar energy based on adaptive dynamic programming | |
| Ma et al. | A review of forecasting algorithms and energy management strategies for microgrids | |
| CN108683179B (zh) | 基于混合整数线性规划的主动配电网优化调度方法及系统 | |
| Ranamuka et al. | Flexible AC power flow control in distribution systems by coordinated control of distributed solar-PV and battery energy storage units | |
| CN107634518B (zh) | 一种“源-网-荷”相协调的主动配电网经济调度方法 | |
| CN110782363A (zh) | 一种计及风电不确定性的交直流配电网调度方法 | |
| CN113241757B (zh) | 一种考虑柔性负荷与ess-sop的多时间尺度优化调度方法 | |
| Huang et al. | A mixed integer optimization method with double penalties for the complete consumption of renewable energy in distributed energy systems | |
| CN114597969B (zh) | 计及智能软开关和虚拟电厂技术的配电网双层优化方法 | |
| Guo et al. | Microgrid source-network-load-storage master-slave game optimization method considering the energy storage overcharge/overdischarge risk | |
| Dong et al. | Optimal scheduling framework of electricity-gas-heat integrated energy system based on asynchronous advantage actor-critic algorithm | |
| CN111884263A (zh) | 多目标配电网优化方法 | |
| Wang et al. | Bi-stage operation optimization of active distribution networks with soft open point considering violation risk | |
| CN112085327A (zh) | 一种配电商参与的主动配电网多层分区调控方法及系统 | |
| Kamarposhti et al. | Optimal energy management of distributed generation in micro-grids using artificial bee colony algorithm | |
| Zhu et al. | Cooperative game-based energy storage planning for wind power cluster aggregation station | |
| Fan et al. | A multilayer voltage intelligent control strategy for distribution networks with V2G and power energy Production-Consumption units | |
| Huang et al. | A discrete optimal control model for the distributed energy system considering multiple disturbance inputs | |
| CN116961008A (zh) | 计及电力弹簧与负荷需求响应的微电网容量双层优化方法 | |
| Qian et al. | Low carbon optimization dispatching of energy intensive industrial park based on adaptive stepped demand response incentive mechanism | |
| Liu et al. | Simulation analysis of distributed micro-energy clusters participating in voltage regulation and peak regulation | |
| Piao et al. | Coordinated optimal dispatch of composite energy storage microgrid based on double deep Q-network | |
| CN113852121B (zh) | 一种电氢多能互补型综合能源系统的实时能量管理方法 | |
| Feng et al. | Flexible Coordinated Optimal Operation Model of" source-grid-load-storage" in Smart Distribution Network |
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 |