CN102436630A - 电力需求/供应计划装置以及用于该装置的方法 - Google Patents

电力需求/供应计划装置以及用于该装置的方法 Download PDF

Info

Publication number
CN102436630A
CN102436630A CN2011102227092A CN201110222709A CN102436630A CN 102436630 A CN102436630 A CN 102436630A CN 2011102227092 A CN2011102227092 A CN 2011102227092A CN 201110222709 A CN201110222709 A CN 201110222709A CN 102436630 A CN102436630 A CN 102436630A
Authority
CN
China
Prior art keywords
electric power
demand
controllable electric
supply
power supply
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
CN2011102227092A
Other languages
English (en)
Inventor
小坂叶子
小林武则
村上好树
草野日出男
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.)
Toshiba Corp
Original Assignee
Toshiba Corp
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 Toshiba Corp filed Critical Toshiba Corp
Publication of CN102436630A publication Critical patent/CN102436630A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/84—Greenhouse gas [GHG] management systems
    • 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

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

Abstract

一种电力需求/供应计划装置具有初始需求/供应计划生成部分、需求/发电量概率密度分布生成部分、经济负荷分派计算部分和显示部分。初始需求/供应计划生成部分基于需求预测值、自然能电源发电输出量的预测值以及电源设备数据而在引入了自然能电源的电力***中生成可控电源的初始需求/供应计划。需求/发电量概率密度分布生成部分通过使用提前设置的需求和自然能电源发电输出量的波动带在每一个预定的处理时间处生成需求的概率密度分布和自然能电源发电输出量的概率密度分布。经济负荷分派计算部分计算输出分配，以最小化可控电源的总燃料成本，从而生成可控电源的发电输出的预测分布。显示部分显示生成的可控电源的发电输出的预测分布。

Description

电力需求/供应计划装置以及用于该装置的方法
交叉申请
本申请基于2010年7月28日提交的在先日本专利申请No.2010-169636并且要求该申请的优先权；在这里以引用的方式将其全部内容并入本文。
技术领域
这里描述的实施例总体上涉及一种显示电力***的电力需求/供应计划并且从而支持评估的电力需求/供应计划装置，以及用于所述装置的方法，其中将自然能电源引入所述电力***。
背景技术
在仅由其中电力发电输出可控、诸如传统的核力发电和热力发电的电源构成的电力***的需求/供应操作中，按照如下方式生成需求/供应计划。即，电力公司与核力发电，热力发电等等的每一个发电机的操作特性相对应地计算输出分配，所述每一个发电机是与所估计的电力需求的改变相对应地可控的电源。结果，生成了维持和确保稳定的供应以及经济的操作的需求/供应计划。
近年来，为了应对全球环境问题或者为了提升非化石燃料的利用，促进了将诸如太阳能发电和风力发电之类的自然能电源引入到电力***。由于这种自然能电源的发电输出量会由于天气的改变而明显波动，因此预测很困难。因此，在其中引入自然能电源的电力***作为对象的情况下，难于通过用于生成需求/供应计划的传统方法适当地计算作为可控电源的发电机的输出分配。
在自然能电源中，认为诸如家庭太阳能发电设备等等的多种电源不仅安装在大容量电力***侧而且还安装在配电***侧。由于太阳能发电的发电输出根据太阳的光照和天气而改变，因此不容易掌握改变。此外，在太阳能发电中，存在确保备用发电输出(备用功率)和电流的频率改变变为必需以准备需求改变的可能性。
在上述用于生成需求/供应计划的传统方法中，在将大量的自然能电源安装在电力***中时，由于自然能电源的发电输出的波动，难以适当地计算可控电源的发电机的输出分配。此外，存在通过用于生成需求/供应计划的传统方法生成的电力需求/供应计划不能够满足关于用于准备需求改变的备用功率的限制以及其中考虑电力传输线路的电流的频率改变的电流改变的限制的可能性。
然而，常规地，难于适当地评估针对其中引入了自然能电源的电力***生成的电力需求/供应计划，例如针对其中引入了自然能电源的电力***生成的电力需求/供应计划是否满足关于备用功率的限制以及电流改变的限制。
发明内容
本发明的目的在于使得能够适当地评估针对其中引入了自然能电源的电力***生成的电力需求/供应计划。
在一个实施例中，一种电力需求/供应计划装置具有初始需求/供应计划生成部分、需求/发电量概率密度分布生成部分、经济负荷分派计算部分和显示部分。所述初始需求/供应计划生成部分基于需求预测值、自然能电源发电输出量的预测值以及电源设备数据而在其中引入了自然能电源的电力***中生成可控电源的初始需求/供应计划。所述需求/发电量概率密度分布生成部分通过使用提前设置的需求和自然能电源发电输出量的波动带而在每一个预定的处理时间处生成所述需求的概率密度分布和所述自然能电源发电输出量的概率密度分布。所述经济负荷分派计算部分基于在所述初始需求/供应计划生成部分中生成的所述初始需求/供应计划、在所述需求/发电量概率密度分布生成部分中生成的所述需求的概率密度分布和所述自然能电源发电输出量的概率密度分布来计算输出分配，以最小化所述可控电源的总燃料成本，从而生成所述可控电源的发电输出的预测分布。所述显示部分显示在所述经济负荷分派计算部分中生成的所述可控电源的所述发电输出的所述预测分布。
所述电力需求/供应计划装置使得能够适当地评估针对其中引入了自然能电源的电力***生成的电力需求/供应计划。
附图说明
图1是示出了根据实施例其中引入了自然能电源的电力***的配置的示图。
图2是示出了每一个实施例的电力需求/供应计划装置的硬件配置的示图。
图3是示出了每一个实施例的电力需求/供应计划装置的配置的功能方框图。
图4是示出了每一个实施例的电力需求/供应装置的操作的流程图。
图5A和5B是分别表示需求的概率密度分布和自然能电源发电输出量的概率密度分布的示例的示图。
图6是示出了包括在电力需求/供应计划中的表明由于自然能电源的输出波动导致的不确定性的信息示例的示图。
图7是示出了第三实施例的电力需求/供应计划装置的配置的功能方框图。
图8是示出了第三实施例的电力需求/供应计划装置的操作的流程图。
图9到图15是表示在所述实施例中使用的数学表达式的表格。
具体实施方式
在下文中，将参考附图具体描述实施例。
(第一实施例)
将参考图1到图6描述第一实施例。图1是示出了引入了自然能电源的电力***的配置的示图。
所述电力***由大容量电力***10、配电***20、将来自大容量电力***10的电力供应至配电***20的配电站30构成。对于大容量电力***10，连接可控电源1、大规模太阳能发电设备(兆太阳能)2、风力发电设备3。对于配线***20，连接用户4和用户5。用户4具有家庭太阳能发电设备。用户5不具有发电设备。可控电源1例如不仅包括诸如核力发电机、热力发电机和水力发电机的电源，而且还包括诸如提水(pumping)发电机和二次电池的执行充电的电源。大规模太阳能发电设备2、风力发电设备3和用户4的家庭太阳能发电设备是自然能电源。
以能够经由通信网络40与可控电源1进行通信的方式来安装电力需求/供应计划装置100。
图2示出了对于每一个实施例通用的电力需求/供应计划装置的硬件配置的示例。图2所示的电力需求/供应计划装置100包括CPU 110、存储器120，输入设备130和显示设备140。图3示出了示出对于每一个实施例通用的电力需求/供应计划装置的功能示例的功能方框图。如图3所示出的，电力需求/供应计划装置100具有参数设置部分101、需求/发电量概率密度分布生成部分102、初始需求/供应生成部分103、经济负荷分派计算部分104和显示控制部分105(在下文中，将其称为“参数设置部分101等等”)。将这些参数设置部分101等等的功能和处理过程作为计算机程序存储在存储器120中。CPU 110根据需要读取存储在存储器120中的计算机程序并且执行该计算机程序，从而实现参数设置部分101等等。
接下来，将参考图4描述根据当前实施例的电力需求/供应计划装置100的具体操作的示例。图4是示出了显示针对其中引入了自然能电源的电力***生成的电力需求/供应计划的不确定性的处理过程的流程图。
首先，参数设置部分101执行参数设置步骤S101。参数设置部分101将需求的波动带、自然能电源发电输出量的波动带、概率密度分布函数的类型以及计算试验次数设置为生成需求/自然能电源的概率密度分布必需的参数。例如，作为参数，将需求的波动带设置为“标准偏差”，将自然能电源发电输出量的波动带设置为“标准偏差”，将概率密度分布函数的类型设置为“正态分布”，并且将计算试验次数设置为“10000”。应该注意到，可以在下面描述的处理时间判断步骤S103中的每一个处理时间处设置参数。
接下来，初始需求/供应计划生成部分103执行初始需求/供应计划生成步骤S102。初始需求/供应计划生成部分103通过使用需求预测值、自然能发电输出量的预测值以及电源设备数据生成一天的初始需求/供应计划，以使得最小化可控电源1的总发电成本。在这里，自然能发电输出量的预测值包括大规模太阳能发电设备2、风力发电设备3以及用户4的家庭太阳能发电设备的各自发电输出量的预测值。电源设备数据是关于可控电源1的每一个设备的数据并且包括发电机的发电输出能力的数据、发电成本等等。应该注意到，将电源设备数据提前存储在电力需求/供应计划装置100的存储器120中。此外，通过初始需求/供应计划生成部分103获得来自中央电力馈送指令中心(未示出)的需求预测值和自然能电源发电输出量的预测值。
在可控电源1的每一个电源的离散时间(t＝1，……，T)处的输出为“Pi(t)”(i＝1，……，M)并且表明开始(＝1)和停止(＝0)状态的变量为“ui(t)”时，由图9所示的公式(1)表示可控电源1的总发电成本F。在这里，离散时间例如是具有60分钟间隔的时间，并且是1点钟、2点钟、3点钟，……，23点钟、24点钟。
在这里，分别通过图10的公式(2)和公式(3)表示燃料成本fi(p)和开始成本si。“Cf”表明燃料的热单价(￥/MJ)，“τ”表明操作停止时段，“ai”、“bi”、“ci”、“di”和“ei”表明电源参数(在可控电源1的各自电源(i＝1，……，M)的离散时间(t＝1，……，T)处的输出)。
初始需求/供应计划生成部分103找到最小化公式(1)的总发电成本的方案以使得需求/供应均衡、电源最大输出、电源最小输出和备用功率满足限制条件，并且从而生成关于可控电源1的一天的初始需求/供应计划。从而，获得在每一个离散时间“1点钟、2点钟、3点钟，……，23点钟、24点钟”处的初始需求/供应计划。图11的公式(4)到公式(6)分别表示“时间t处总需求D(t)的需求/供应均衡”、“电源最大输出PMAX，电源最小输出PMIN”以及“备用功率R”。
在执行步骤S102之后，在每次由步骤S103判断当前时间已经变为提前确定的预定处理时间时，执行步骤S104到步骤S107。在这里，处理时间是与在上述的初始需求/供应计划生成步骤S102中的离散时间t相同的时间，并且例如是“1点钟、2点钟、3点钟，……，23点钟、24点钟”。
在步骤S103中，需求/发电量概率密度分布生成部分102判断是否变为处理时间。在判断当前时间变为处理时间时，需求/发电量概率密度分布生成部分102执行需求/发电量概率密度分布生成步骤S104。
在步骤S104中，需求/发电量概率密度分布生成部分102通过蒙特卡洛方法在步骤S103中判断的处理时间处生成需求的概率密度分布并且在步骤S103中判断的处理时间处生成自然能电源发电输出量的概率密度分布。该生成基于参数(参数设置部分101在参数设置步骤S101中设置的波动带(例如，需求和自然能电源发电输出量的“标准偏差σ”)、概率密度分布函数的类型(例如“正态分布”))、在步骤S103中判断的处理时间处的需求预测值、以及自然能电源发电输出量的预测值。
例如，如果在步骤S103中判断当前时间已经变为处理时间“1点钟”，则在步骤S104中需求/发电量概率密度分布生成部分102基于参数设置部分101在参数设置步骤S101中设置的参数、“1点钟”处的需求预测值以及自然能电源发电输出量的预测值而通过蒙特卡洛方法生成“1点钟”处需求的概率密度分布以及“1点钟”处自然能电源发电输出量的概率密度分布。类似地，如果在步骤S103中判断当前时间已经变为“2点钟”的处理时间，则在步骤S104中需求/发电量概率密度分布生成部分102基于参数设置部分101在参数设置步骤S101中设置的参数、“2点钟”处的需求预测值以及自然能电源发电输出量的预测值而通过蒙特卡洛方法生成“2点钟”处需求的概率密度分布以及“2点钟”处自然能电源发电输出量的概率密度分布。如果当前时间还变为“3点钟”之后的处理时间，则执行与上述“1点钟”和“2点钟”类似的处理。
图5A表示需求/发电量概率密度分布生成部分102生成的需求的概率密度分布的示例。图5B表示需求/发电量概率密度分布生成部分102生成的自然能电源发电输出量的概率密度分布的示例。
基于需求预测值和自然能电源发电输出量的预测值而通过蒙特卡洛方法生成分别在图5A和图5B中表示的需求和自然能电源发电输出量的概率密度分布。在这种情况下，假设需求预测数据和自然能电源发电输出量的预测值是平均值并且遵照具有在参数设置步骤S101中设置的波动带的正态偏差(在该示例中，假设设置标准偏差σ)，并且使用与在参数设置步骤S101中设置的计算试验次数相对应的数字的随机数。应该注意到，概率密度分布并不限制于正态偏差。
接下来，经济负荷分派计算部分104执行受限制的输出分配计算步骤S105。经济负荷分派计算部分104计算电源的输出分配，以用于最小化电源的总燃料成本。要作为其对象的电源是可控功率源1中处于初始需求/供应计划生成部分103生成的一天的初始需求/供应计划中的开始状态(ui(t)＝1)的电源(i＝1，……，N)。对于这种计算，使用电源设备数据、***常数、CO2排放基本单元、在需求/发电量概率密度分布生成部分102中生成的处理时间处需求的概率密度分布和该处理时间处自然能电源发电输出量的概率密度分布、以及初始需求/供应计划生成部分103生成的离散时间处的各自初始需求/供应计划中与在步骤S103中判断的处理时间相对应的时间的初始需求/供应计划。
这里计算的电源的输出分配是可控电源1在步骤S103中判断的处理时间处的输出分配。可控电源1的总燃料成本Ft由图12的公式(7)表示。
在这里，“Pi”表示在可控电源1的每一个电源(i＝1，……，M)的离散处理时间(t＝1，……，T)处的输出，并且“ai”、“bi”和“ci”表示电源参数。
换句话说，经济负荷分派计算部分104找到最小化公式(7)的总燃料成本的方案以使得处理时间处的需求/供应均衡(公式(4))、电源最大输出/最小输出(公式(5))以及备用功率(公式(6))满足限制条件，并且从而计算可控电源1的输出分配。应该注意到，将电源设备数据、***常数以及CO2排放基本单元提前存储在电力需求/供应计划装置100的存储器120中。
接下来，经济负荷分派计算部分104判断输出分配的计算次数是否达到了由参数设置部分101设置(步骤S106)的计算试验次数(例如“10000”)。作为判断的结果，如果经济负荷分派计算部分104判断没有达到计算试验次数(步骤S106中为否)，则再次执行需求/发电量概率密度分布生成步骤S104和受限制的输出分配计算步骤S105。如上所述，重复需求/发电量概率密度分布生成步骤S104和受限制的输出分配计算步骤S105，直到在步骤S106中判断达到计算尾随次数。对需求/发电量概率密度分布生成步骤S104和受限制的输出分配计算步骤S105重复所述计算试验次数。结果，在经济负荷分派计算部分104中获得可控电源1的每一个电源的发电输出的预测分布。
如果在步骤S106中经济负荷分派计算部分104判断达到了计算试验次数(步骤S106为“是”)，则进行到不确定性显示步骤S107。在不确定性显示步骤S107中，显示控制部分105在显示设备140中显示诸如在经济负荷分派计算部分104中获得的可控电源1的每一个电源的发电输出的预测分布的信息。显示设备140中显示的信息是表明由于针对其中存在自然能电源的电力***中的可控电源设备生成的电力需求/供应计划中包括的自然能电源的输出波动导致的不确定性的信息。
图6表示表明要在显示设备140中显示的不确定性的信息的示例。如图6所示，例如，显示下面的信息IN1到IN4。此外，也显示信息IN5。可以将信息IN1到IN3表示为具有垂直轴和水平轴的图形，并且可以将信息IN4和IN5表示为表明图形中水平轴的位置的线段。
IN1：在经济负荷分派计算部分104中获得的“可控电源1的每一个电源的发电输出的预测分布”。
IN2：根据每一个电源的发电输出的预测分布获得的“在可控电源1的每一个处理时间处燃料成本的预测分布”
IN3：根据在每一个处理时间处燃料成本的预测分布获得的“针对可控电源1的一天的总燃料成本”
IN4：在初始需求/供应计划中计算的“可控电源1的总燃料成本”
IN5：总燃料成本的预测分布的期望值
如上所述，在显示设备140中显示诸如“可控电源1的每一个电源的发电输出的预测分布”的不确定性。结果，用户能够容易地掌握由于包括在针对其中存在自然能电源的电力***中的可控电源设备生成的电力需求/供应计划中的自然能电源的输出波动(自然能电源发电输出量的波动)引起的不确定性。此外，关于指定的处理时间给出自然能电源的输出波动，并且用户能够容易地掌握对可控电源1的一天的总燃料成本的影响程度。因此，用户能够针对其中引入了自然能电源的电力***适当地评估电力需求/供应计划。
(第二实施例)
接下来，将描述第二实施例。第二实施例的电力需求/供应计划装置的配置与在图2和图3中示出的第一实施例的配置相同。
在第二实施例中，在图4的受限制的输出分配计算步骤S105中，除了可控电源1的输出分配，经济负荷分派计算部分104计算电力传输线路的电流的预测值。在该计算中，方案是最小化总燃料成本(公式(7))以使得除了处理时间处的需求/供应均衡(公式(4))、电源最大输出/最小输出(公式(5))和备用功率(公式(6))之外，需求/供应平衡的第二限制、功率传输容量限制和基准母线(bus bar)的相位角限制满足限制条件。图13的公式(8)到公式(10)分别表示“需求/供应平衡的第二限制”，“电源最大输出/最小输出”和“基准母线的相位角限制”。
需求/发电量概率密度分布生成步骤S104和受限制的输出分配计算步骤S105重复所述计算试验次数。结果，在经济负荷分派计算部分104中，除了“可控电源1的每一个电源的发电输出的预测分布”，还获得“电力传输线路的电流的预测分布”。在不确定性显示步骤S107中，显示控制设备105除了显示“可控电源1的每一个电源的发电输出的预测分布”之外，还在显示设备140中显示“电力传输线路的电流的预测分布”。
如上所述，在第二实施例中，显示其中由于自然能电源发电输出量的波动产生受限制的“电力传输线路的电流的预测分布”。结果，用户能够在考虑电力传输线路的容量受限制的情况下容易掌握自然能电源发电输出量关于可控电源1的每一个电源的发电输出和总燃料成本的影响。因而，用户能够针对其中引入了自然能电源的电力***适当地评估电力需求/供应计划。
(第三实施例)
接下来，将参考图7和图8描述第三实施例。如图7所示出的，第三实施例的电力需求/供应计划装置具有添加到第一实施例的电力需求/供应计划装置的CO2排放量计算部分106。此外，如图8所示出的，第三实施例的电力需求/供应计划装置与第一实施例相比较还执行CO2排放量计算步骤S108。
在CO2排放量计算步骤S108中，CO2排放量计算部分106计算从可控电源1的每一个电源排放的CO2排放量以及作为其总量的总CO2排放量。在该计算中，通过使用图14的公式(11)，使在经济负荷分派计算部分104中计算的可控电源1的每一个电源的发电输出乘以关于可控电源1的每一个电源的CO2排放基本单元gi。
重复需求/发电量概率密度分布生成步骤S104、受限制的输出分配计算步骤S105以及CO2排放量计算步骤S108所述计算试验次数。结果，在CO2排放量计算步骤106中，获得“可控电源1的每一个电源的CO2排放量的预测分布”以及“可控电源1的总CO2排放量的预测分布”。
在不确定性显示步骤S107中，显示控制部分105在显示设备104中按照与下面的信息3)到6)可比较的方式显示下面的信息1)和2)。
1)“可控电源1的每一个电源的CO2排放量的预测分布”
2)“可控电源1的总CO2排放量的预测分布”
3)根据经济负荷分派计算部分104的计算结果获得的“可控电源1的每一个电源的发电输出的预测分布”
4)“在可控电源1的每一个处理时间处燃料成本的预测分布”
5)“可控电源1的一天的总燃料成本”
6)在初始需求/供应计划中计算的“可控电源1的总燃料成本”。
如上所述，在第三实施例中，显示信息1)和2)并且用户能够执行与信息3)到5)等等的比较评估。因此，用户能够针对其中引入了自然能电源的电力***适当地评估电力需求/供应计划。
(第四实施例)
接下来，将描述第四实施例。第四实施例的电力需求/供应计划装置的配置与在图2和图3中说明的第一实施例的相同。
在第四实施例中，在图4的受限制的输出分配计算步骤S105中，经济负荷分派计算部分104找到最小化总燃料成本(公式(7))的方案，以使得可控电源1排放的CO2排放量(图15的公式(12))满足限制条件并且从而计算可控电源1的每一个电源的输出分配。
重复需求/发电量概率密度分布生成步骤S104和受限制的输出分配计算步骤S105所述计算试验次数。结果，在经济负荷分派计算步骤104中，获得“满足CO2排放量的限制条件的可控电源1的每一个电源的发电输出的预测分布”。
在不确定性显示步骤S107中，显示控制部分105在显示设备140中显示下面的信息1)到3)。
1)“满足CO2排放量的限制条件的可控电源1的每一个电源的发电输出的预测分布”
2)根据每一个电源的发电输出的上述预测分布获得的“满足CO2排放量的限制条件的在可控电源1的处理时间处的燃料成本的预测分布”
3)根据在每一个处理时间处的燃料成本的上述预测分布获得的“满足CO2排放量的限制条件的可控电源1的一天的总燃料成本”
如上所述，在第四实施例中，在自然能电源的发电输出量的不确定性下，关于可控电源1的每一个电源的发电输出，显示维持其中限制CO2排放量的环境友好且在经济效率方面良好的输出分配，以使得用户能够容易地掌握。因此，用户能够针对其中引入了自然能电源的电力***适当地评估电力需求/供应计划。
(第五实施例)
接下来，将描述第五实施例。第五实施例的电力需求/供应计划装置的配置与在图2和图3中说明的第一实施例的相同。
在第五实施例中，在图4的受限制的输出分配计算步骤S105中，经济负荷分派计算部分104找到最小化总CO2排放量的方案(公式(11))，以使得需求/供应平衡(公式(4))、电源最大输出最小输出(公式(5))、备用功率限制(公式(6))、总燃料成本(公式(7))、需求/供应平衡的第二限制(公式(8))、电力传输容量限制(公式(9))以及标准母线的相位角限制(公式(10))满足限制条件，并且从而计算可控电源1的输出分配。
重复需求/发电量概率密度分布生成步骤S104和受限制的输出分配计算步骤S105所述计算试验次数。结果，在经济负荷分派计算部分104中获得其中环境友好为给定优先级的“在最小化总CO2排放量时可控电源1的每一个电源的发电输出的预测分布”。
在不确定性显示步骤S107中，显示控制部分105例如在显示设备140中显示下面的信息。
1)“在最小化总CO2排放量时可控电源1的每一个电源的发电输出的预测分布”
2)根据上面的“在最小化总CO2排放量时可控电源1的每一个电源的发电输出的预测分布”获得的“在最小化总COx排放量时在可控电源1的每一个处理时间处燃料成本的预测分布”
3)根据上面的“在最小化总CO2排放量时在可控电源1的每一个处理时间处燃料成本的预测分布”获得的“在最小化总CO2排放量时可控电源1的一天的总燃料成本”。
顺带地，在受限制的输出分配计算步骤S105中，由于经济负荷分派计算部分104找到最小化总CO2排放量的方案(公式(11))以使得需求/供应平衡(公式(4))、电源最大输出/最小输出(公式(5))、备用功率限制(公式(6))、总燃料成本(公式(7))、需求/供应平衡的第二限制(公式(8))、电力传输容量限制(公式(9))以及标准母线的相位角限制(公式(10))满足限制条件，因此获得“在最小化其中环境友好优先的总CO2排放量时可控电源1的每一个电源的发电输出的预测分布”。同时，经济负荷分派计算部分104能够找到最小化总燃料成本(公式(7))的方案，以使得满足与上面的限制条件(公式(5)到公式(10))相同的限制，从而获得“在最小化其中经济效率优先的总CO2排放量时可控电源1的每一个电源的发电输出的预测分布”。
在这种情况下，在不确定性显示步骤S107中，显示控制部分105在显示设备140中显示下面的信息4)到6)连同下面的信息1)到3)。
1)“在最小化其中环境友好优先的总CO2排放量时可控电源1的每一个电源的发电输出的预测分布”
2)“在最小化其中环境友好优先的总CO2排放量时在可控电源1的每一个处理时间处燃料成本的预测分布”
3)“在最小化其中环境友好优先的总CO2排放量时可控电源1的一天的总燃料成本”
4)“在最小化经济效率优先的总CO2排放量时可控电源1的每一个电源的发电输出的预测分布”
5)“在最小化其中经济效率优先的总CO2排放量时在可控电源1的每一个处理时间处燃料成本的预测分布”
6)“在最小化其中经济效率优先的总CO2排放量时可控电源1的一天的总燃料成本”
如上所述，在第五实施例中，在自然能电源的发电输出量的不确定性下，显示输出分配的各种预测分布，以最小化其中环境优化优先的CO2排放量以及其中经济效率优先的输出分配的预测分布。结果，用户能够容易地掌握并且执行比较性评估或者分析。因此，用户能够针对其中引入了自然能电源的电力***适当地评估电力需求/供应计划。
(第六实施例)
将描述第六实施例。第六实施例的电力需求/供应计划装置的配置与在图2和图3中示出的第一实施例的相同。
在第六实施例中，在图4的参数设置步骤S101中，作为用于生成需求/自然能电源的概率密度分布必需的参数，除了需求的波动带、自然能电源发电输出量的波动带、概率密度分布函数的类型以及计算试验次数之外，还设置自然能电源的各自多样化的电源中波动的相关系数以及各自多样化的电源和用户中波动的相关系数。此外，在需求/发电量概率密度分布生成步骤S104中，需求/发电量概率密度分布生成部分102基于包括在参数设置部分101中设置的自然能电源的各自多样化的电源中波动的相关系数以及各自多样化的电源和用户中波动的相关系数的参数，来生成需求的概率密度分布以及自然能电源发电输出量的概率密度分布。重复需求/发电量概率密度分布生成步骤S104和受限制的输出分配计算步骤S105，直到在步骤S106中判断达到计算试验次数。结果，在经济负荷分派计算步骤104中，获得“其中更加现实地模拟自然能电源输出量的波动的可控电源1的每一个电源的发电输出的预测分布”。该概率分布是其中反映了自然能电源的各自多样化的电源中的波动以及各自多样化的电源和用户中的波动的可控电源1的每一个电源的发电输出的概率分布。
在不确定性显示步骤S107中，显示控制部分105在显示设备140中显示下面的信息1)到3)等等。
1)“其中更现实地模拟自然能电源输出量的波动的可控电源1的每一个电源的发电输出的预测分布”
2)“其中更现实地模拟自然能电源输出量的波动的可控电源1的每一个处理时间的燃料成本的预测分布”
3)“其中更现实地模拟自然能电源输出量的波动的可控电源1的一天的总燃料成本”
如上所述，根据第六实施例，显示其中更现实地模拟自然能电源输出量的波动的各种预测分布，以使得用户能够容易地掌握。因此，用户能够针对其中引入了自然能电源的电力***适当地评估电力需求/供应计划。
尽管已经描述了某些实施例，但是这些实施例仅通过示例的方式表示，并且并非旨在限制本发明的范围。实际上，可以通过各种其它形式实施这里描述的新颖实施例；此外，可以在不偏离本发明的精神的情况下对这里描述的实施例的形式进行各种省略、代替和改变。所附权利要求及其等同物旨在覆盖落入本发明的范围和精神内的这样的形式或者变型。

Claims (16)

1.一种电力需求/供应计划装置，包括：
初始需求/供应计划生成部分，基于需求预测值、自然能电源发电输出量的预测值以及电源设备数据而在其中引入了自然能电源的电力***中生成可控电源的初始需求/供应计划；
需求/发电量概率密度分布生成部分，通过使用提前设置的需求和自然能电源发电输出量的波动带而在每一个预定的处理时间处生成所述需求的概率密度分布和所述自然能电源发电输出量的概率密度分布；
经济负荷分派计算部分，基于在所述初始需求/供应计划生成部分中生成的所述初始需求/供应计划、在所述需求/发电量概率密度分布生成部分中生成的所述需求的概率密度分布和所述自然能电源发电输出量的概率密度分布，来计算输出分配，以最小化所述可控电源的总燃料成本，从而生成所述可控电源的发电输出的预测分布；以及
显示部分，显示在所述经济负荷分派计算部分中生成的所述可控电源的所述发电输出的所述预测分布。
2.根据权利要求1所述的电力需求/供应计划装置，
其中所述显示部分显示在所述可控电源的每一个预定的处理时间处从所述经济负荷分派计算部分中生成的所述可控电源的所述发电输出的所述预测分布获得的燃料成本的预测分布。
3.根据权利要求1所述的电力需求/供应计划装置，
其中所述显示部分显示从所述经济负荷分派计算部分中生成的所述可控电源的所述发电输出的所述预测分布获得的所述可控电源的所述总燃料成本。
4.根据权利要求1所述的电力需求/供应计划装置，
其中所述经济负荷分派计算部分通过计算所述输出分配以最小化所述可控电源的所述总燃料成本，从而满足作为限制条件的传输容量限制，来生成电力传输线路的电流的预测分布。
5.根据权利要求1所述的电力需求/供应计划装置，还包括：
CO2排放量计算部分，通过基于所述经济负荷分派计算部分中计算的所述可控电源的所述发电输出以及关于所述可控电源的CO2排放基本单元，来计算所述可控电源的CO2排放量，从而生成所述可控电源的CO2排放量的预测分布，
其中所述显示部分显示通过所述CO2排放量计算部分生成的所述可控电源的所述CO2排放量的所述预测分布。
6.根据权利要求1所述的电力需求/供应计划装置，
其中所述经济负荷分派计算部分通过计算输出分配以最小化所述可控电源的所述总燃料成本，从而满足所述可控电源排放的所述CO2排放量的限制，来生成所述可控电源的所述发电输出的所述预测分布。
7.根据权利要求1所述的电力需求/供应计划装置，
其中所述经济负荷分派计算部分通过计算输出分配以最小化所述可控电源排放的所述CO2的总CO2排放量，来生成所述可控电源的所述发电输出的所述预测分布。
8.根据权利要求1所述的电力需求/供应计划装置，
其中所述需求/发电量概率密度分布生成部分通过使用提前设置的所述需求和所述自然能电源发电输出量的所述波动带、自然能电源的各自多样化的电源中的波动的相关系数以及各自多样化的电源和用户中波动的相关系数，在每一个预定的处理时间处生成需求的概率密度分布和自然能电源发电输出量的概率密度分布。
9.一种用于显示电力需求/供应计划的方法，包括：
基于需求预测值、自然能电源发电输出量的预测值以及电源设备数据，为其中引入了自然能电源的电力***生成可控电源的初始需求/供应计划；
通过使用提前设置的需求和自然能电源发电输出量的波动带，在每一个预定的处理时间处生成所述需求的概率密度分布和所述自然能电源发电输出量的概率密度分布；
基于所生成的所述初始需求/供应计划、所生成的所述需求的概率密度分布和所述自然能电源发电输出量的概率密度分布来计算输出分配，以最小化所述可控电源的总燃料成本并且生成所述可控电源的发电输出的预测分布；以及
显示所生成的所述可控电源的所述发电输出的所述预测分布。
10.根据权利要求9所述的用于显示电力需求/供应计划的方法，
其中在所述显示中，显示在所述可控电源的每一个预定的处理时间处从所生成的所述可控电源的所述发电输出的所述预测分布获得的燃料成本的预测分布。
11.根据权利要求9所述的用于显示电力需求/供应计划的方法，
其中在所述显示中，显示从所生成的所述可控电源的所述发电输出的所述预测分布获得的所述可控电源的所述总燃料成本。
12.根据权利要求9所述的用于显示电力需求/供应计划的方法，
其中在所述生成所述预测分布步骤中，通过计算输出分配以最小化所述可控电源的所述总燃料成本，从而满足作为限制条件的传输容量限制，来生成电力传输线路的电流的预测分布。
13.根据权利要求9所述的用于显示电力需求/供应计划的方法，还包括：
通过基于在生成所述预测分布步骤中计算的所述可控电源的所述发电输出以及关于所述可控电源的CO2排放基本单元，计算所述可控电源的CO2排放量，从而生成所述可控电源的CO2排放量的预测分布，
其中在所述显示步骤中，显示所述可控电源的所述CO2排放量的所述预测分布。
14.根据权利要求9所述的用于显示电力需求/供应计划的方法，
其中在所述生成所述预测分布步骤中，通过计算输出分配以最小化所述可控电源的所述总燃料成本，从而满足所述可控电源排放的所述CO2排放量的限制，来生成所述可控电源的所述发电输出的所述预测分布。
15.根据权利要求9所述的用于显示电力需求/供应计划的方法，
其中在所述生成所述预测分布步骤中，通过计算输出分配以最小化所述可控电源排放的所述CO2的总CO2排放量，来生成所述可控电源的所述发电输出的所述预测分布。
16.根据权利要求9所述的用于显示电力需求/供应计划的方法，
其中在所述生成所述概率密度分布步骤中，通过使用提前设置的所述需求和所述自然能电源发电输出量的所述波动带、自然能电源的各自多样化的电源中的波动的相关系数以及各自多样化的电源和用户中波动的相关系数，在每一个预定的处理时间处生成需求的概率密度分布和自然能电源发电输出量的概率密度分布。
CN2011102227092A 2010-07-28 2011-07-28 电力需求/供应计划装置以及用于该装置的方法 Pending CN102436630A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP169636/2010 2010-07-28
JP2010169636A JP2012034444A (ja) 2010-07-28 2010-07-28 電力需給計画装置及びその方法

Publications (1)

Publication Number Publication Date
CN102436630A true CN102436630A (zh) 2012-05-02

Family

ID=44759413

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011102227092A Pending CN102436630A (zh) 2010-07-28 2011-07-28 电力需求/供应计划装置以及用于该装置的方法

Country Status (4)

Country Link
US (1) US8706311B2 (zh)
EP (1) EP2413276A1 (zh)
JP (1) JP2012034444A (zh)
CN (1) CN102436630A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102662325A (zh) * 2012-05-04 2012-09-12 重庆邮电大学 一种改进自适应学习树电源管理方法
CN104537438A (zh) * 2014-12-26 2015-04-22 国家电网公司 一种用电高峰的预测及监控方法
TWI757691B (zh) * 2019-02-26 2022-03-11 日商三菱重工業股份有限公司 運轉指標提示裝置、運轉指標提示方法及程式

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8345546B2 (en) * 2010-07-13 2013-01-01 Verizon Patent And Licensing Inc. Dynamic machine-to-machine communications and scheduling
US10387985B2 (en) * 2011-10-07 2019-08-20 Lennox Industries, Inc. Distributed renewable energy metering
JP2013176226A (ja) * 2012-02-24 2013-09-05 Toshiba Corp 蓄電池空き能力借用方法、電力系統の運用方法、電力運用システム、需要家側制御装置、需要家側制御装置に用いるプログラム、系統側制御装置及び系統側制御装置に用いるプログラム
JP2013182448A (ja) * 2012-03-02 2013-09-12 Tokyo Gas Co Ltd 最大供給量予測システム、及び最大供給量予測方法
JP2013192401A (ja) * 2012-03-14 2013-09-26 Toshiba Corp 電力需給制御装置
JP2014143835A (ja) * 2013-01-24 2014-08-07 Toshiba Corp 電力系統の制御システム
JP5998081B2 (ja) * 2013-03-08 2016-09-28 株式会社日立製作所 電力需要調整システム及び需要調整実行システム
CN103164625B (zh) * 2013-03-21 2016-03-30 国家电网公司 一种通过实测数据估计pas***中各参数的方法
CN103683274B (zh) * 2013-07-16 2016-06-15 国家电网公司 区域中长期风电发电量概率预测方法
US9760957B2 (en) * 2013-07-17 2017-09-12 Carnegie Mellon University Distributed methods and software for balancing supply and demand in an electric power network
JP6173946B2 (ja) * 2014-02-28 2017-08-02 株式会社日立製作所 電力系統監視装置、電力系統制御装置及び電力系統監視方法
JP6401553B2 (ja) * 2014-09-17 2018-10-10 一般財団法人電力中央研究所 運用計画策定装置、運用計画策定方法および運用計画策定プログラム
JP6259783B2 (ja) * 2015-02-24 2018-01-10 株式会社日立製作所 送電設備計画支援システム及び方法
JP6515640B2 (ja) * 2015-04-01 2019-05-22 富士電機株式会社 潮流計算装置、潮流計算方法、及びプログラム
KR101977399B1 (ko) * 2015-07-28 2019-05-13 엘에스산전 주식회사 전력량 정보 제공 시스템 및 방법
CN106777740A (zh) * 2016-12-28 2017-05-31 江苏云上电力科技有限公司 一种风电出力概率分布特性快速判别方法
CN106786800B (zh) * 2017-01-10 2020-04-21 国网新疆电力公司电力科学研究院 基于大数据处理含光伏发电的电力***经济调度分析方法
US11875371B1 (en) * 2017-04-24 2024-01-16 Skyline Products, Inc. Price optimization system
US10984433B1 (en) * 2017-04-24 2021-04-20 Skyline Products, Inc. Price optimization system
JP2019193539A (ja) * 2018-04-27 2019-10-31 株式会社日立製作所 電力系統制御システム、及び、電力系統制御方法
JP7104561B2 (ja) * 2018-05-31 2022-07-21 株式会社日立製作所 エネルギー運用装置及び方法並びにシステム
JP7217074B2 (ja) * 2018-06-01 2023-02-02 株式会社日立製作所 電力需給管理システム、電力需給管理方法、および電力需給管理装置
CN110580538B (zh) * 2018-06-11 2024-03-08 华北电力大学 一种电力***备用需求的预测方法及装置
JP7048472B2 (ja) * 2018-10-17 2022-04-05 株式会社東芝 発電計画決定システム、発電計画決定方法、およびプログラム
CN111461377B (zh) * 2019-01-18 2024-02-02 中国科学院上海高等研究院 用于能源总需求量的预测方法/***、存储介质及设备
CN109980636B (zh) * 2019-03-21 2022-11-29 上海电力学院 基于改进Benders分解法的风水火协调优化调度方法
US11349306B2 (en) 2019-06-19 2022-05-31 King Fahd University Of Petroleum And Minerals Distribution grid fault analysis under load and renewable energy uncertainties
JP6987331B1 (ja) * 2020-01-20 2021-12-22 三菱電機株式会社 電力制御装置、電力制御方法およびプログラム
CN111769599B (zh) * 2020-05-22 2022-04-26 国电南瑞南京控制***有限公司 一种电力现货市场下的新能源有功控制方法和装置
CN113159516B (zh) * 2021-03-24 2023-07-14 国网浙江省电力有限公司宁波供电公司 一种基于电网运行数据的三维可视化信息分析***
CN113205250B (zh) * 2021-04-28 2022-08-19 河海大学 一种考虑水库调度风险的风光水互补发电计划编制方法
CN114169643A (zh) * 2021-12-31 2022-03-11 重庆跃达电力设备有限公司 基于大数据预测的光伏集成方案生成方法及***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101179195A (zh) * 2007-11-15 2008-05-14 上海交通大学 配电网规划方案辅助决策***
CN101252280A (zh) * 2008-04-08 2008-08-27 昆明理工大学 一种城市电网最大供电能力在线评估方法
CN101401403A (zh) * 2006-03-23 2009-04-01 索尼爱立信移动通讯有限公司 动态电池提示器

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5347466A (en) * 1991-07-15 1994-09-13 The Board Of Trustees Of The University Of Arkansas Method and apparatus for power plant simulation and optimization
US20020084655A1 (en) * 2000-12-29 2002-07-04 Abb Research Ltd. System, method and computer program product for enhancing commercial value of electrical power produced from a renewable energy power production facility
US7454270B2 (en) * 2003-05-13 2008-11-18 Siemens Power Transmission & Distribution, Inc. Dynamic economic dispatch for the management of a power distribution system
US7058522B2 (en) * 2003-05-13 2006-06-06 Siemens Power Transmission & Distribution, Inc. Very short term load prediction
US7085660B2 (en) * 2003-05-13 2006-08-01 Siemens Power Transmission & Distribution, Inc. Energy management system in a power and distribution system
US7092798B2 (en) * 2003-05-13 2006-08-15 Siemens Power Transmission & Distribution, Inc. System for control performance standards
US8069077B2 (en) * 2003-06-11 2011-11-29 Kabushiki Kaisha Toshiba Electric-power-generating-facility operation management support system, electric-power-generating-facility operation management support method, and program for executing support method, and program for executing operation management support method on computer
US7243044B2 (en) * 2005-04-22 2007-07-10 Johnson Controls Technology Company Method and system for assessing energy performance
JP2009037388A (ja) * 2007-08-01 2009-02-19 Hitachi Ltd エネルギーシステム評価装置、エネルギーシステム評価方法、および、エネルギーシステム評価プログラム
JP5190311B2 (ja) 2008-07-09 2013-04-24 株式会社東芝 取引対象物に関する将来需要の予測シナリオ作成方法およびその作成装置
US8694409B2 (en) * 2008-09-29 2014-04-08 Battelle Memorial Institute Using bi-directional communications in a market-based resource allocation system
JP5248372B2 (ja) 2009-03-11 2013-07-31 株式会社東芝 発電計画作成方法、装置、プログラムおよび記憶装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101401403A (zh) * 2006-03-23 2009-04-01 索尼爱立信移动通讯有限公司 动态电池提示器
CN101179195A (zh) * 2007-11-15 2008-05-14 上海交通大学 配电网规划方案辅助决策***
CN101252280A (zh) * 2008-04-08 2008-08-27 昆明理工大学 一种城市电网最大供电能力在线评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
W.CHARYTONIUK等: "Demand Forecasting in Distribution Systems Using Nonparametric Probability Density Estimation", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 *
姜克隽等: "中国2050年低碳情景和低碳发展之路", 《中外能源》 *
陈昌松等: "基于发电预测的分布式发电能量管理***", 《电工技术学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102662325A (zh) * 2012-05-04 2012-09-12 重庆邮电大学 一种改进自适应学习树电源管理方法
CN102662325B (zh) * 2012-05-04 2014-10-15 重庆邮电大学 一种改进自适应学习树电源管理方法
CN104537438A (zh) * 2014-12-26 2015-04-22 国家电网公司 一种用电高峰的预测及监控方法
CN104537438B (zh) * 2014-12-26 2018-03-02 国家电网公司 一种用电高峰的预测及监控方法
TWI757691B (zh) * 2019-02-26 2022-03-11 日商三菱重工業股份有限公司 運轉指標提示裝置、運轉指標提示方法及程式

Also Published As

Publication number Publication date
JP2012034444A (ja) 2012-02-16
EP2413276A1 (en) 2012-02-01
US8706311B2 (en) 2014-04-22
US20120109393A1 (en) 2012-05-03

Similar Documents

Publication Publication Date Title
CN102436630A (zh) 电力需求/供应计划装置以及用于该装置的方法
Chamandoust et al. Tri-objective scheduling of residential smart electrical distribution grids with optimal joint of responsive loads with renewable energy sources
Amrollahi et al. Techno-economic optimization of hybrid photovoltaic/wind generation together with energy storage system in a stand-alone micro-grid subjected to demand response
Ahmadi et al. Security-constrained unit commitment in presence of lithium-ion battery storage units using information-gap decision theory
Nguyen et al. Dynamic pricing design for demand response integration in power distribution networks
Kandil et al. A combined resource allocation framework for PEVs charging stations, renewable energy resources and distributed energy storage systems
KR102346944B1 (ko) 태양광 발전량 및 부하량 예측을 통한 전기 에너지 충/방전 관리 시스템 및 방법
Wang et al. Hierarchical market integration of responsive loads as spinning reserve
Mbungu et al. Smart energy coordination of autonomous residential home
US9576259B2 (en) Systems, methods and apparatus for optimizing fuel mix, fuel allocation and scheduling of generator resources
Badakhshan et al. Impact of solar energy on the integrated operation of electricity-gas grids
Bourbon et al. Energy management optimization of a smart wind power plant comparing heuristic and linear programming methods
Koltsaklis et al. Optimal scheduling of interconnected power systems
Amicarelli et al. Optimization algorithm for microgrids day-ahead scheduling and aggregator proposal
Chen et al. Profit-seeking energy-intensive enterprises participating in power system scheduling: Model and mechanism
Damisa et al. A robust energy and reserve dispatch model for prosumer microgrids incorporating demand response aggregators
WO2022136186A1 (en) Power grid resource allocation
Nikoobakht et al. Interval based robust chance constrained allocation of demand response programs in wind integrated power systems
Dengiz et al. Demand response through decentralized optimization in residential areas with wind and photovoltaics
Song et al. Planning shared energy storage systems for the spatio-temporal coordination of multi-site renewable energy sources on the power generation side
Infante et al. Multistakeholder planning and operational strategy for electric vehicle battery swapping stations
El Kafazi et al. Multiobjective scheduling-based energy management system considering renewable energy and energy storage systems: A case study and experimental result
Zeinal-Kheiri et al. Robust energy management of a microgrid with uncertain price, renewable generation, and load using Taguchi’s orthogonal array method
Qi et al. Towards optimal coordinated operation of distributed internet data center microgrids
Eni et al. Flexibility evaluation of integrating solar power into the Nigerian electricity grid

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20120502