CN104239967A - 一种含风电场的电力***多目标经济调度方法 - Google Patents
一种含风电场的电力***多目标经济调度方法 Download PDFInfo
- Publication number
- CN104239967A CN104239967A CN201410433338.6A CN201410433338A CN104239967A CN 104239967 A CN104239967 A CN 104239967A CN 201410433338 A CN201410433338 A CN 201410433338A CN 104239967 A CN104239967 A CN 104239967A
- Authority
- CN
- China
- Prior art keywords
- generating unit
- fired power
- power generating
- scene
- max
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- 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
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种含风电场的电力***多目标经济调度方法,包括步骤:步骤S1,生成调度周期内可能的风电出力场景并将场景缩减为S个;步骤S2,建立所述方法的数学模型,目标函数包括总发电费用、各场景下各时刻的功率平衡水平和旋转备用水平,约束条件包括火电机组的出力上下限约束、爬坡率约束和最小开停机时间约束;步骤S3,通过建立各目标函数的隶属度函数来进行模糊化处理;步骤S4,取各隶属度函数的最小值为全局满意度指标;步骤S5,求解满足步骤S2所述约束条件并使得步骤S4所述全局满意度指标最大的经济调度结果。发明提供的经济调度方法,适合于求解含风电场和火电机组的电力***经济调度问题,调度结果权衡了多个优化目标。
Description
技术领域
本发明涉及电力***调度自动化技术领域,具体涉及一种含风电场的电力***多目标经济调度方法。
背景技术
由于风电具有波动性和间歇性的特点,风电的大规模并网给电力***经济调度带来了巨大挑战。含风电场的经济调度问题主要涉及火电机组和风电场,由于现有技术难以对风电场出力准确预测,因此,在进行经济调度时需要保证调度结果能很好地应对调度周期内风电的各种出力可能,同时保证调度结果具有良好的经济性。
模糊建模法是解决这一问题的重要方法之一,采用模糊建模解决该问题的基本思想是决策者认为风电出力预测精度不高,因此在进行调度安排时考虑其波动性,通过建立各优化目标的隶属度函数从而使总发电费用、***功率平衡情况和旋转备用水平等以满足决策者的期望,实现多目标优化目的。然而,由于波动范围难以确定,因此调度结果的精确性很大程度上取决于隶属度函数的选择是否合理,而隶属度函数的参数确定又没有一套相对成熟的方法,一旦隶属度函数参数选择不当,将导致调度结果很难适应风电出力的较大范围波动。
场景法是解决含风电场经济调度问题的另一种常用方法,场景法主要根据历史数据或预测数据,将调度周期内风电的可能出力情况抽样成若干典型场景,可以在较大范围内模拟风电的可能出力,因此调度结果对于风电各种出力可能的适应性较强。在使用场景法时,场景规模过大会使得计算量太大而难于求解或无法求解,因此常通过场景缩减来简化计算。但场景缩减的同时,会造成调度结果的精度下降,且缩减后的场景只能代表调度周期内的典型出力,不能完全模拟各种可能的出力情况。
发明内容
为解决以上述现有技术的不足,本发明提供一种含风电场的电力***多目标经济调度方法,本发明所述的调度方法综合了模糊建模法和场景法的优点,首先通过生成风电场的典型出力场景来模拟调度时段内典型的风电出力可能,然后通过模糊建模法在满足火电机组出力限制和爬坡率限制以及火电机组开停机时间限制等约束条件下寻找各火电机组的最优出力组合,使总发电费用、各场景下的功率平衡和旋转备用水平的满意度最高,既实现了调度结果对多个目标的权衡,又保证了调度结果对各种风电出力可能的适应。
为实现上述目的,本发明的目的可以通过以下技术方案来实现:
一种含风电场的电力***多目标经济调度方法,所述的方法具体包括以下步骤:
步骤S1,根据调度周期内风功率预测数据和风功率预测误差的概率分布特性,生成调度周期内风电可能的出力场景,并将场景缩减为S个。
步骤S2,建立所述含风电场的电力***多目标经济调度方法的数学模型,模型包括目标函数和约束条件,其中,目标函数包括总发电费用、各场景下各时刻的功率平衡水平和各场景下各时刻的旋转备用水平,约束条件包括火电机组出力上下限约束、火电机组爬坡率约束、火电机组最小开停机时间约束。
步骤S3,对各目标函数进行模糊化,分别建立总发电费用的隶属度函数μTC、各场景下各时刻的功率平衡隶属度函数μLD,s(t)和各场景下各时刻的旋转备用隶属度函数μSR,s(t)。
步骤S4,通过建立所述经济调度方法数学模型的全局满意度指标λ将多目标优化问题转化为单目标优化问题,全局满意度指标为各隶属度函数的最小值,即:
λ=min[μTC,μLD,s(t),μSR,s(t)],其中,时刻t=1,2,…,T,场景数s=1,2,…,S,则优化的目标就变成了使全局满意度指标λ最大。
步骤S5,求解满足步骤S2所述约束条件并使得步骤S4所述全局满意度指标λ最大的经济调度结果。
所述的火电机组出力上下限约束为:其中,Pi(t)为火电机组i在时刻t的出力,和分别为火电机组i的最小出力和最大出力。
所述的火电机组爬坡率约束为:Pi(t-1)-DRi≤Pi(t)≤Pi(t-1)+URi,其中,DRi和URi分别为火电机组i的向下爬坡率限制和向上爬坡率限制。
所述的火电机组最小开停机时间约束为: 其中,和分别为火电机组i在时刻t的连续开机时间和连续停机时间,和分别为火电机组i的最小连续开机时间和最小连续停机时间。
总发电费用的隶属度函数μTC表达为:
其中,μTC表示在该时刻对应于总发电费用TC的总发电费用隶属度,TC0为理想的总发电费用值,TCmax为最大可接受的总发电费用值,理想的总发电费用值和最大可接受的总发电费用值通常根据运行经验得到。
总发电费用TC,包括火电机组的运行费用和启动费用两部分,其表达为:
其中,T为调度周期内的时段数,N为***内火电机组数量,πs表示场景s出现的概率;Ui(t)为火电机组i在时刻t的启停状态,“1”表示启动,“0”表示停机;OCi[Pi(t)]表示火电机组i在时刻t的运行费用;SCi(t)表示火电机组i在时t的启停费用。
运行费用OCi主要指在发电过程中消耗的燃料费用,目前常用二次函数进行拟合:
其中,ai、bi和ci均为燃料费用系数。
启动费用SCi主要指停运火电机组在启动时所消耗的燃料费用,根据火电机组停运时间长短可以将启动成本分为冷启动费用和热启动费用,火电机组的启动费用可表达为:
其中, 为火电机组i的冷启动时间,为火电机组i的热启动费用,表示火电机组i的冷启动费用。
各场景下各时刻的功率平衡隶属度函数μLD,s(t)表达为:
其中,μLD,s(t)表示场景s下在t时刻对应于出力PD(t)的旋转备用隶属度,PD(t)为所有火电机组和风电场的出力总和,即D(t)为当前的实际负荷需求,Dmin(t)和Dmax(t)为可接受的最大负荷波动下限和上限。
各场景下各时刻的旋转备用隶属度函数μSR,s(t)表达为:
其中,μSR,s(t)表示场景s下在t时刻对应于旋转备用容量R(t)的旋转备用隶属度,旋转备用容量R(t)可根据确定;Rmin(t)为场景s下在t时刻可接受的最小旋转备用值,可根据Rmin(t)=ΔD(t)确定;ΔD(t)可取一定比例的当前负荷值,通常取10%,即ΔD(t)=0.1×D(t);R0,s(t)为场景s下的理想旋转备用值,可根据R0,s(t)=ΔD(t)+Wj,s(t)确定。
所述调度方法数学模型的可用求解算法包括:混合整数规划法、遗传算法、粒子群算法等。
本发明具有以下显著优点和有益效果:
(1)本发明针对含并网风电的电力***经济调度问题,提出了一种基于场景集的模糊建模方法,该方法在模拟典型风电出力场景的基础上,分别建立总发电费用的隶属度函数、各场景下的功率平衡和各场景下的旋转备用隶属度函数,并通过全局满意度指标将多目标优化问题转化为了单目标优化问题。
(2)本发明提出的经济调度方法通过场景模拟保证了优化结果对调度周期内各种风电出力的适应性,通过模糊建模法实现了调度周期内功率平衡情况、备用容量水平和总发电费用多个目标的权衡,平衡了调度结果的安全性和经济性。
附图说明
图1为本发明所述一种含并网风电场电力***经济调度问题的多目标模糊求解方法的算法流程图。
图2为本发明所述的总发电费用的隶属度函数图。
图3为本发明所述的功率平衡的隶属度函数图。
图4为本发明所述的旋转备用的隶属度函数图。
具体实施方式
一种含风电场的电力***多目标经济调度方法,具体下步骤:
步骤S1,根据调度周期内风功率预测数据和风功率预测误差的概率分布特性,生成调度周期内风电场可能的出力场景,并将场景缩减为S个。其中场景生成可采用蒙特卡洛抽样方法或拉丁超立方抽样方法,场景缩减可采用基于概率距离的场景缩减方法。
步骤S2,建立所述含风电场的电力***多目标经济调度方法的数学模型,模型包括目标函数和约束条件,其中,目标函数包括总发电费用、各场景下各时刻的功率平衡水平和各场景下各时刻的旋转备用水平,约束条件包括火电机组出力上下限约束、火电机组爬坡率约束、火电机组最小开停机时间约束。
步骤S3,对各目标函数进行模糊化,分别建立总发电费用的隶属度函数μTC、各场景下各时刻的功率平衡隶属度函数μLD,s(t)和各场景下各时刻的旋转备用隶属度函数μSR,s(t)。
步骤S4,通过建立所述电力***经济调度方法的全局满意度指标将多目标优化问题转化为单目标优化问题:λ=min[μTC,μLD,s(t),μSR,s(t)],其中,时刻t=1,2,…,T,场景数s=1,2,…,S。
步骤S5,求解满足步骤S2所述约束条件并使得步骤S4所述全局满意度最大的火电机组启停安排和负荷分配结果。
调度结果需要满足以下约束:
火电机组出力上下限约束为:其中,Pi(t)为火电机组i在时刻t的出力,和分别为火电机组i的最小出力和最大出力。
火电机组爬坡率约束为:
Pi(t-1)-DRi≤Pi(t)≤Pi(t-1)+URi,其中,DRi和URi分别为火电机组i的向下爬坡率限制和向上爬坡率限制。
所述的火电机组最小开停机时间约束为:
其中,和分别为火电机组i在时刻t的连续开机时间和连续停机时间,和分别为火电机组i的最小连续开机时间和最小连续停机时间。
总发电费用的隶属度函数μTC表达为:
其中,μTC表示在该时刻对应于总发电费用TC的总发电费用隶属度,TC0为理想的总发电费用值,TCmax为最大可接受的总发电费用值,理想的总发电费用值和最大可接受的总发电费用值通常根据运行经验得到。
总发电费用TC,其特征在于,包括火电机组运行费用和启动费用两部分,其表达为:
其中,T为调度周期内的时段数,N为***内火电机组数量,πs表示场景s出现的概率;Ui(t)为火电机组i在时刻t的启停状态,“1”表示启动,“0”表示停机;OCi[Pi(t)]表示火电机组i在时刻t的运行费用;SCi(t)表示火电机组i在时t的启停费用。
运行费用OCi主要指在发电过程中消耗的燃料费用,目前常用二次函数进行拟合:
其中,ai、bi和ci均为燃料费用系数。
火电机组的启动费用SCi主要指停运火电机组在启动时所消耗的燃料费用,根据火电机组停运时间长短可以将启动成本分为冷启动费用和热启动费用,火电机组的启动费用可表达为:
其中, 为火电机组i的冷启动时间,为火电机组i的热启动费用,表示火电机组i的冷启动费用。
各场景下各时刻的功率平衡隶属度函数μLD,s(t)表达为:
其中,μLD,s(t)表示场景s下在t时刻对应于出力PD(t)的旋转备用隶属度,PD(t)为所有火电机组和风电场的出力总和,即D(t)为当前的实际负荷需求,和为可接受的最大负荷波动下限和上限。
各场景下各时刻的旋转备用隶属度函数μSR,s(t)表达为:
其中,μSR,s(t)表示场景s下在t时刻对应于旋转备用容量R(t)的旋转备用隶属度,Rmin(t)为场景s下在t时刻可接受的最小旋转备用值,可根据Rmin(t)=ΔD(t)确定;ΔD(t)可取一定比例的当前负荷值,通常取10%,即ΔD(t)=0.1×D(t);R0,s(t)为场景s下的理想旋转备用值,可根据R0,s(t)=ΔD(t)+Wj,s(t)确定。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种含风电场的电力***多目标经济调度方法,其特征在于,所述方法包括以下步骤:
步骤S1,根据调度周期内风功率预测数据和风功率预测误差的概率分布特性,生成调度周期内风电场可能的出力场景,并将场景缩减为S个。
步骤S2,建立所述含风电场的电力***多目标经济调度方法的数学模型,模型包括目标函数和约束条件,其中,目标函数包括总发电费用、各场景下各时刻的功率平衡水平和各场景下各时刻的旋转备用水平,约束条件包括火电机组出力上下限约束、火电机组爬坡率约束、火电机组最小开停机时间约束。
步骤S3,对各目标函数进行模糊化,分别建立总发电费用的隶属度函数μTC、各场景下各时刻的功率平衡隶属度函数μLD,s(t)和各场景下各时刻的旋转备用隶属度函数μSR,s(t)。
步骤S4,通过建立所述经济调度方法数学模型的全局满意度指标λ将多目标优化问题转化为单目标优化问题:λ=min[μTC,μLD,s(t),μSR,s(t)],其中,时刻t=1,2,…,T,场景数s=1,2,…,S。
步骤S5,求解满足步骤S2所述约束条件并使得步骤S4所述全局满意度指标λ最大的经济调度结果。
2.如权利要求1所述的方法,其特征在于,步骤S2所述的约束条件表达为:
所述的火电机组出力上下限约束为:
其中,Pi(t)为火电机组i在时刻t的出力,和分别为火电机组i的最小出力和最大出力。
所述的火电机组爬坡率约束为:
Pi(t-1)-DRi≤Pi(t)≤Pi(t-1)+URi
其中,DRi和URi分别为火电机组i的向下爬坡率限制和向上爬坡率限制。
所述的火电机组最小开停机时间约束为:
其中,和分别为火电机组i在时刻t的连续开机时间和连续停机时间,和分别为火电机组i的最小连续开机时间和最小连续停机时间。
3.如权利要求1所述的方法,其特征在于,步骤S3所述的总发电费用的隶属度函数μTC表达为:
其中,μTC表示在该时刻对应于总发电费用TC的总发电费用隶属度,TC0为理想的总发电费用值,TCmax为最大可接受的总发电费用值,理想的总发电费用值和最大可接受的总发电费用值通常根据运行经验得到。
4.如权利要求1所述的方法,其特征在于,步骤S3所述的各场景下各时刻的功率平衡隶属度函数μLD,s(t)表达为:
其中,μLD,s(t)表示场景s下在t时刻对应于总出力PD(t)的旋转备用隶属度,PD(t)为所有火电机组和风电场的出力总和,即D(t)为当前的实际负荷需求,Dmin(t)和Dmax(t)为可接受的最大负荷波动下限和上限。
5.如权利要求1所述的方法,其特征在于,步骤S3所述的各场景下各时刻的旋转备用隶属度函数μSR,s(t)表达为:
其中,μSR,s(t)表示场景s下在t时刻对应于旋转备用容量R(t)的旋转备用隶属度,Rmin(t)为场景s下在t时刻可接受的最小旋转备用值,可根据Rmin(t)=ΔD(t)确定;ΔD(t)可取一定比例的当前负荷值,例如通常可以取10%,即ΔD(t)=0.1×D(t);R0,s(t)为场景s下的理想旋转备用值,可根据R0,s(t)=ΔD(t)+Wj,s(t)确定。
6.如权利要求3所述的总发电费用TC,其特征在于,包括火电机组运行费用和启动费用两部分,其表达为:
其中,T为调度周期内的时段数,N为***内火电机组数量,πs表示场景s出现的概率;Ui(t)为火电机组i在时刻t的启停状态,“1”表示启动,“0”表示停机;OCi[Pi(t)]表示火电机组i在时刻t的运行费用;SCi(t)表示火电机组i在时t的启停费用。
运行费用OCi主要指在发电过程中消耗的燃料费用,目前常用二次函数进行拟合:
其中,ai、bi和ci均为燃料费用系数。
启动费用SCi主要指停运机组在启动时所消耗的燃料费用,根据机组停运时间长短可以将启动成本分为冷启动费用和热启动费用,启动费用可表达为:
其中, 为火电机组i的冷启动时间,为火电机组i的热启动费用,表示火电机组i的冷启动费用。
7.如权利要求5所述的旋转备用容量R(t),其特征在于,旋转备用容量R(t)表达为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410433338.6A CN104239967A (zh) | 2014-08-29 | 2014-08-29 | 一种含风电场的电力***多目标经济调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410433338.6A CN104239967A (zh) | 2014-08-29 | 2014-08-29 | 一种含风电场的电力***多目标经济调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104239967A true CN104239967A (zh) | 2014-12-24 |
Family
ID=52227989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410433338.6A Pending CN104239967A (zh) | 2014-08-29 | 2014-08-29 | 一种含风电场的电力***多目标经济调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104239967A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104682447A (zh) * | 2015-01-23 | 2015-06-03 | 华北电力大学 | 一种含多风电场的电力***经济调度方法 |
CN105162116A (zh) * | 2015-09-10 | 2015-12-16 | 大连理工大学 | 一种求解含风电的区间经济调度非线性对偶优化方法 |
CN105846425A (zh) * | 2016-04-08 | 2016-08-10 | 江苏省电力试验研究院有限公司 | 一种基于通用风电预测误差模型的经济调度方法 |
CN106058941A (zh) * | 2016-07-29 | 2016-10-26 | 武汉大学 | 一种基于场景分析的风电场随机优化调度方法 |
CN106505637A (zh) * | 2016-11-08 | 2017-03-15 | 南方电网科学研究院有限责任公司 | 一种电力***有功调度保守度的优化方法 |
CN106532781A (zh) * | 2016-12-01 | 2017-03-22 | 华北电力大学(保定) | 一种考虑风电爬坡特性的电力***调度方法 |
CN106602593A (zh) * | 2016-11-16 | 2017-04-26 | 东北电力大学 | 微电网多目标转化单目标的方法 |
CN107194514A (zh) * | 2017-05-27 | 2017-09-22 | 重庆大学 | 一种针对风电功率预测误差的需求响应多时间尺度调度方法 |
CN107196586A (zh) * | 2017-05-15 | 2017-09-22 | 国网安徽省电力公司电力科学研究院 | 含电动汽车接入的光柴储微网***优化运行方法 |
CN108009941A (zh) * | 2017-11-23 | 2018-05-08 | 武汉大学 | 求解水光互补电站机组组合问题的嵌套优化方法 |
CN109787294A (zh) * | 2019-02-25 | 2019-05-21 | 华中科技大学 | 一种电力***优化调度方法 |
CN110266058A (zh) * | 2019-05-31 | 2019-09-20 | 国网山东省电力公司济南供电公司 | 一种基于区间优化的机组组合模型的建模及求解方法 |
CN112182952A (zh) * | 2020-08-31 | 2021-01-05 | 广东工业大学 | 一种提升电力***弹性的多目标优化调度方法 |
CN113659633A (zh) * | 2021-08-12 | 2021-11-16 | 国网江苏省电力有限公司常州供电分公司 | 一种基于氢储能的***日前调度方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473604A (zh) * | 2013-08-22 | 2013-12-25 | 国家电网公司 | 一种日前发电计划综合性能评价方法 |
CN103699946A (zh) * | 2014-01-13 | 2014-04-02 | 国家电网公司 | 利用储能***平抑充换电站负荷和保证用电经济性的方法 |
-
2014
- 2014-08-29 CN CN201410433338.6A patent/CN104239967A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473604A (zh) * | 2013-08-22 | 2013-12-25 | 国家电网公司 | 一种日前发电计划综合性能评价方法 |
CN103699946A (zh) * | 2014-01-13 | 2014-04-02 | 国家电网公司 | 利用储能***平抑充换电站负荷和保证用电经济性的方法 |
Non-Patent Citations (2)
Title |
---|
肖国骏: "含风电***安全经济调度的多目标交互式模糊满意度决策方法", 《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》 * |
雷宇 等: "基于场景分析的含风电***机组组合的两阶段随机优化", 《电力***保护与控制》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104682447A (zh) * | 2015-01-23 | 2015-06-03 | 华北电力大学 | 一种含多风电场的电力***经济调度方法 |
CN105162116A (zh) * | 2015-09-10 | 2015-12-16 | 大连理工大学 | 一种求解含风电的区间经济调度非线性对偶优化方法 |
CN105162116B (zh) * | 2015-09-10 | 2018-01-30 | 大连理工大学 | 一种求解含风电的区间经济调度非线性对偶优化方法 |
CN105846425A (zh) * | 2016-04-08 | 2016-08-10 | 江苏省电力试验研究院有限公司 | 一种基于通用风电预测误差模型的经济调度方法 |
CN106058941A (zh) * | 2016-07-29 | 2016-10-26 | 武汉大学 | 一种基于场景分析的风电场随机优化调度方法 |
CN106505637A (zh) * | 2016-11-08 | 2017-03-15 | 南方电网科学研究院有限责任公司 | 一种电力***有功调度保守度的优化方法 |
CN106505637B (zh) * | 2016-11-08 | 2019-06-28 | 南方电网科学研究院有限责任公司 | 一种电力***有功调度保守度的优化方法 |
CN106602593A (zh) * | 2016-11-16 | 2017-04-26 | 东北电力大学 | 微电网多目标转化单目标的方法 |
CN106532781B (zh) * | 2016-12-01 | 2019-04-02 | 华北电力大学(保定) | 一种考虑风电爬坡特性的电力***调度方法 |
CN106532781A (zh) * | 2016-12-01 | 2017-03-22 | 华北电力大学(保定) | 一种考虑风电爬坡特性的电力***调度方法 |
CN107196586A (zh) * | 2017-05-15 | 2017-09-22 | 国网安徽省电力公司电力科学研究院 | 含电动汽车接入的光柴储微网***优化运行方法 |
CN107194514A (zh) * | 2017-05-27 | 2017-09-22 | 重庆大学 | 一种针对风电功率预测误差的需求响应多时间尺度调度方法 |
CN108009941A (zh) * | 2017-11-23 | 2018-05-08 | 武汉大学 | 求解水光互补电站机组组合问题的嵌套优化方法 |
CN108009941B (zh) * | 2017-11-23 | 2020-05-26 | 武汉大学 | 求解水光互补电站机组组合问题的嵌套优化方法 |
CN109787294A (zh) * | 2019-02-25 | 2019-05-21 | 华中科技大学 | 一种电力***优化调度方法 |
CN110266058A (zh) * | 2019-05-31 | 2019-09-20 | 国网山东省电力公司济南供电公司 | 一种基于区间优化的机组组合模型的建模及求解方法 |
CN112182952A (zh) * | 2020-08-31 | 2021-01-05 | 广东工业大学 | 一种提升电力***弹性的多目标优化调度方法 |
CN112182952B (zh) * | 2020-08-31 | 2024-07-19 | 广东工业大学 | 一种提升电力***弹性的多目标优化调度方法 |
CN113659633A (zh) * | 2021-08-12 | 2021-11-16 | 国网江苏省电力有限公司常州供电分公司 | 一种基于氢储能的***日前调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104239967A (zh) | 一种含风电场的电力***多目标经济调度方法 | |
CN108667052B (zh) | 一种面向虚拟电厂优化运行的多类型储能***规划配置方法及*** | |
Moghaddam et al. | Multi-operation management of a typical micro-grids using Particle Swarm Optimization: A comparative study | |
CN102694391B (zh) | 风光储联合发电***日前优化调度方法 | |
CN107276122B (zh) | 适应大规模可再生能源并网的调峰资源调用决策方法 | |
CN114744687A (zh) | 一种虚拟电厂的能源调控方法及*** | |
CN103580061A (zh) | 微电网运行方法 | |
CN109636056A (zh) | 一种基于多智能体技术的多能源微网去中心化优化调度方法 | |
CN107404129B (zh) | 风-储混合电站运行策略及短期计划出力优化方法 | |
CN110994606B (zh) | 一种基于复杂适应***理论的多能源电源容量配置方法 | |
CN109146320A (zh) | 一种考虑配电网安全性的虚拟电厂优化调度方法 | |
CN114722709B (zh) | 兼顾发电量和最小出力的梯级水库群优化调度方法及*** | |
CN110350512A (zh) | 一种智能园区新能源发电站调度优化方法及*** | |
CN104682447A (zh) | 一种含多风电场的电力***经济调度方法 | |
CN112234604A (zh) | 一种多能互补电源基地优化配置方法、存储介质及设备 | |
CN104253439B (zh) | 电池储能电站无功功率分配与控制方法 | |
CN113644670A (zh) | 一种储能容量优化配置的方法及*** | |
CN105305485A (zh) | 一种消纳大规模间歇性能源的安全约束经济调度方法 | |
CN114123313B (zh) | 一种时序生产模拟新能源电力***消纳方法 | |
CN113298407B (zh) | 一种工业园区电-气综合能源***优化调度模型建立方法 | |
CN111126675A (zh) | 多能互补微网***优化方法 | |
CN114301089A (zh) | 一种风光联合发电***储能容量配置优化方法 | |
Zhang et al. | Self-optimization simulation model of short-term cascaded hydroelectric system dispatching based on the daily load curve | |
CN116128193A (zh) | 一种基于区块链技术的园区微网调度方法及调度*** | |
Cao et al. | Multiple resource expansion planning in smart grids with high penetration of renewable generation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141224 |
|
WD01 | Invention patent application deemed withdrawn after publication |