CN108512237A - 基于智能模糊决策的光储联合***实时调度方法 - Google Patents
基于智能模糊决策的光储联合***实时调度方法 Download PDFInfo
- Publication number
- CN108512237A CN108512237A CN201810393781.3A CN201810393781A CN108512237A CN 108512237 A CN108512237 A CN 108512237A CN 201810393781 A CN201810393781 A CN 201810393781A CN 108512237 A CN108512237 A CN 108512237A
- Authority
- CN
- China
- Prior art keywords
- formula
- power
- charge
- fuzzy
- decision
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000003860 storage Methods 0.000 claims abstract description 17
- 241000256844 Apis mellifera Species 0.000 claims description 44
- 230000005611 electricity Effects 0.000 claims description 33
- 238000004146 energy storage Methods 0.000 claims description 31
- 238000005457 optimization Methods 0.000 claims description 12
- 238000011835 investigation Methods 0.000 claims description 7
- 238000010248 power generation Methods 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000010348 incorporation Methods 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract description 11
- 238000011160 research Methods 0.000 abstract description 4
- 230000004044 response Effects 0.000 abstract description 3
- 230000007812 deficiency Effects 0.000 abstract description 2
- 230000001419 dependent effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 3
- 241000257303 Hymenoptera Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003679 aging effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- H02J3/28—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
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
-
- H02J3/383—
-
- 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
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
模糊逻辑控制(FLC,Fuzzy Logic Control)是一种应用广泛的工程控制方法,本发明涉及基于智能模糊决策的光储联合***实时调度方法,将该方法应用于研究光储实时调度,通过在模型求解中引入模糊控制器,来控制光储联合***的经济运行。考虑到传统的模糊控制器不具备学习能力,本发明通过改变隶属函数变比来对控制器进行优化。由于控制器的输入与预测无关,因此光储联合优化调度不完全依赖于预测信息的准确性。该方法既克服了早先研究在处理不确定性因素上的不足,同时具有实时调度要求的毫秒级响应速度。
Description
技术领域
本发明为光储联合***用电提供了一种经济的实时调度方法。
背景技术
随着化石燃料的消耗,人类社会的高速发展对能源的需求日益紧张,而人类发展与自然环境之间的矛盾引发一系列绿色新能源探索热潮。21世纪初,光伏、风电、水电、核电等成为许多国家能源革命战略的重点产业,预计在2050年全球非化石能源占比将超过50%。由于政府的政策性扶持,光伏产业发展迅速,光伏电池板的数量也逐年上升,伴随着储能技术的成熟,电动汽车等新名词概念早已深入人心,其中光储联合***是由光伏电池板和储能装置组成的联合***,广泛用于居民小院、农村等场所,已在欧美国家大量推广。国内外学者针对光储联合***实时调度方面的研究成果较少。电网终端智能用电技术从消费者角度出发,考虑储能和负荷特性,提出基于智能模糊决策的光储联合***实时调度技术,以满足微电网用户用电需求,降低微电网用户的用电成本,使电力资源利用效率最大化。本方法从配电网角度出发,在电网负荷高峰释放高电价信号时选择减少微电网负荷用电或改用储能***供电,缓解了电网的供电压力,在电网负荷低谷释放低电价信号时选择增加用电或给储能***充电,不至于造成资源浪费。
实时电价(RTP,real time of price)是在完全市场化的电力***中诞生的,以电厂竞价、出清电价等为基本要素,主要反映各线路以及节点的供需平衡关系,当某一线路电力供应紧张,形成线路阻塞,该线路节点上的电价会随之上升。RTP更新时间最短,每小时进行一次更新,能够更准确地反映各个时段供电成本与需求之间的关系。目前南美洲以及欧洲一些国家采用实时电价,如美国的PJM电力市场。本发明针对微电网光储联合***,以光伏发电为主电源给负荷供电,借助储能***提高***响应电价信号的能力,最大程度降低***的运行成本。
发明内容
控制器以实时电价、荷电状态作为输入,以蓄电池充电功率作为输出。实时电价作为一种智能电网需求侧响应的激励制度,有效地引导用户参与电力市场的运行。模糊逻辑控制器以荷电状态作为输入既可以实时监测蓄电池储能状态又能针对不同供电情况控制充放电动作平衡负荷动态波动。
本发明采用如下技术方案:
基于智能模糊决策的光储联合***实时调度方法,其特征在于,包括:
步骤1,采用智能蜂群算法进行参数优化得到最优控制向量;
步骤2,将步骤1中得到的最优控制向量作为控制器恒参量在决策点对家庭光储联合微电网的经济运行进行决策;
步骤3,将步骤2中得到的改进的蓄储能放电策略对调度决策进行更新,形成最终的实时调度指令。
在上述的基于智能模糊决策的光储联合***实时调度方法,所述步骤1具体包括:
步骤2.1、初始化算法参数:模糊决策周期TF,控制参数更新周期T,采蜜蜂数目Ne、观察蜂Ns,侦查蜂数目由淘汰的采蜜蜂数目确定,循环次数NC;
步骤2.2、设置参数K1K2的领域区间,确定蜜源的搜索范围;
步骤2.3、随机初始化采蜜蜂及蜜源的位置,采蜜蜂前往蜜源所在地,并更新花蜜量;
步骤2.4、观察蜂根据式16选择蜜源(花蜜量大的蜜源能分配到更多的观测蜂),并搜索蜜源邻域,更新蜜源信息;
式中,fiti为第i个蜜源的花蜜量;
步骤2.5、观察蜂完成搜索后,未获得更优解的采蜜蜂退化成侦查蜂;
步骤2.6、侦查蜂根据式(17)随机搜索二维解空间,寻找潜在最优解,为下一次迭代预备蜜源;
式中,rid是0-1之间的随机数;
步骤2.7、记录迄今的最好蜜源即参数K1K2;
步骤2.8、设置模糊控制器控制参数为蜂群迭代算法获得的最优解K1K2。
在上述的基于智能模糊决策的光储联合***实时调度方法,所述步骤2具体基于:
模糊控制器输入参数矩阵:
参数矩阵中,n是模糊量数目,k是隶属函数变比;
蓄电池主要特征参数:荷电状态、充放电功率,两者代数关系如下:
式中,SOC是蓄电池荷电状态;pb是充电功率,蓄电池放电时充电功率为负值;Einitial是初始荷电量,Emax是额定容量;
蓄电池的荷电量与充放电功率的关系如下:
总的新能源发电流向三个方向:电网、负荷、储能;
优化模型的目标函数:
式中,-用户的购电成本,-用户的售电收益;
用户负荷的供电方式:蓄电池放电、DG发电、电网买电;用户购电成本表达式如下:
式中,pd.h是电价,是从电网流向微电网的电量,pload是负荷功率,pb是蓄电池充电功率,ppv是光伏发电功率;
当微电网光伏发电足够大,多余DG发电按上网电价卖给电网,表达式如下:
式中,p是电网对微电网光伏发电的统一收购价,是微电网的上网电量;
***由电网和DG供给负荷及储能,供需平衡关系如下:
pgrid+ppv=pload+pb 式10
荷电状态约束
SOCmin<SOC<SOCmax 式11
充放电功率约束
pmin<pb<pmax 式12
储能最大允许充电约束
SOC≤SOCm.c 式13
储能最小允许放电约束
SOCm.d≤SOC 式14
具体包括:
步骤3.1、更新实时电价以及蓄电池荷电状态作为控制器输入,控制器输出调度决策方案;
步骤3.2、选择群最优粒子以及个体历史最优的位置,更新粒子群的解空间位置及移动速度,构成新的粒子群
步骤3.3、判断是否满足终止条件,若是则结束二阶段优化进程,按最优解安排调度控制计划;否则重复储能优化步骤3.1,继续下一次迭代;
步骤3.4、根据改进的充放电策略更新调度决策方案,控制光储联合***运行;
步骤3.5、判断是否为下一个决策点,若是,则转到步骤3.2;若不是,则继续下一步
步骤3.6、判断是否满足模糊决策参数更新条件,该更新条件为设定的控制参数更新周期,若满足,则跳转到步骤2.3;若不满足,则终止决策,进入休眠状态,当时间t大于更新周期T或***到达下一个决策点,激活模糊控制器,重复步骤2.2。
本发明通过改变隶属函数变比来对控制器进行优化。由于控制器的输入与预测无关,因此光储联合优化调度不完全依赖于预测信息的准确性。该方法既克服了早先研究在处理不确定性因素上的不足,同时具有实时调度要求的毫秒级响应速度。
附图说明
图1为算法流程图。
图2为控制器模糊规则表。
具体实施步骤
下面结合附图对本方法的实施例作进一步的说明,本方法的控制结构包括一个调度中心与多个数据采集器以及储能***控制器,控制器与各数据采集器进行双向信号传递,各数据采集器之间不能相互通信,调度中心处理数采信号优化储能计划。
模糊控制器按如下策略选取模糊规则:
1)电价水平高时,储能放电;
2)电价水平低时,储能充电;
3)荷电状态较高时,储能***大功率放电或小功率充电;
4)荷电状态较低时,储能***大功率充电或小功率放电;
传统的模糊控制***不具备学习能力。本发明通过调节变比改变隶属函数,从而影响模糊控制器输出,提高储能调度在不同供电状况下的自适应能力。智能蜂群算法是一种基于群智能的全局优化算法,主要用于求解多变量函数的优化问题。本发明中智能蜂群算法主要用于模糊控制器的参数优化,在提高求解速度的同时最大化用户的经济效益。
隶属函数变比,用来改变相邻隶属函数的重叠长度,为避免两条以上隶属函数曲线出现公共区域,确定可控变比的取值区间是[1/2,1)。
模糊控制器输入参数矩阵:
参数矩阵中,n是模糊量数目,k是隶属函数变比。
蓄电池主要特征参数:荷电状态、充放电功率,两者代数关系如下:
式中,SOC是蓄电池荷电状态;pb是充电功率,蓄电池放电时充电功率为负值;Einitial是初始荷电量,Emax是额定容量。
蓄电池的荷电量与充放电功率的关系如下:
总的新能源发电流向三个方向:电网、负荷、储能。
优化模型的目标函数:
式中,-用户的购电成本,-用户的售电收益。
用户负荷的供电方式:蓄电池放电、DG发电、电网买电。用户购电成本表达式如下:
式中,pdh是电价,是从电网流向微电网的电量,pload是负荷功率,pb是蓄电池充电功率,ppv是光伏发电功率。
当微电网光伏发电足够大,多余DG发电按上网电价卖给电网,表达式如下:
式中,p是电网对微电网光伏发电的统一收购价,是微电网的上网电量。
***由电网和DG供给负荷及储能,供需平衡关系如下:
pgrid+ppv=pload+pb (10)
荷电状态约束
SOCmin<SOC<SOCmax (11)
充放电功率约束
pmin<pb<pmax (12)
储能最大允许充电约束
SOC≤SOCm.c (13)
储能最小允许放电约束
SOCm.d≤SOC (14)
采蜜蜂根据如下公式更新蜜源:
式中,xi'd是第i个采蜜蜂的新蜜源,是0-1之间的随机数,Ne是采蜜蜂数量。
观察蜂前往某蜜源的概率公式如下:
式中,fiti为第i个蜜源的花蜜量。
在采蜜蜂与观察蜂完成搜索后,未获得区域更优解的采蜜蜂变成侦查蜂,侦查蜂的任务是寻找潜在的蜜源,搜索公式如下:
式中,rid是0-1之间的随机数。
算法流程图如图1所示,具体实现步骤如下:
实时智能优化调度算法流程如下,
1)初始化算法参数:模糊决策周期TF,控制参数更新周期T,采蜜蜂数目Ne、观察蜂Ns,侦查蜂数目由淘汰的采蜜蜂数目确定,循环次数NC。
2)设置参数K1K2的领域区间,确定蜜源的搜索范围。
3)随机初始化采蜜蜂及蜜源的位置,采蜜蜂前往蜜源所在地,并更新花蜜量。
4)观察蜂根据式(16)选择蜜源(花蜜量大的蜜源能分配到更多的观测蜂),并搜索蜜源邻域,更新蜜源信息。
5)观察蜂完成搜索后,未获得更优解的采蜜蜂退化成侦查蜂。
6)侦查蜂根据式(17)随机搜索二维解空间,寻找潜在最优解,为下一次迭代预备蜜源。
7)记录迄今的最好蜜源即参数K1K2。
8)设置模糊控制器控制参数为蜂群迭代算法获得的最优解K1K2。
9)更新实时电价以及蓄电池荷电状态作为控制器输入,控制器输出调度决策方案。
10)选择群最优粒子以及个体历史最优的位置,更新粒子群的解空间位置及移动速度,构成新的粒子群
11)判断是否满足终止条件,若是则结束二阶段优化进程,按最优解安排调度控制计划;否则重复储能优化步骤,继续下一次迭代。
12)根据改进的充放电策略更新调度决策方案,控制光储联合***运行。
13)判断是否为下一个决策点,若是,则转到步骤10);若不是,则继续下一步
14)判断是否满足模糊决策参数更新条件,若满足,则跳转到步骤3);若不满足,则终止决策,进入休眠状态,当时间t大于更新周期T或***到达下一个决策点,激活模糊控制器,重复上述步骤。
参数确定:
1)考虑锂电池的寿命影响,设置储能装置的初始荷电状态以及结尾荷电状态均为40%。
2)光伏装机10KW,储能容量1200Ah。
本发明所属的实施例是说明性的,而不是限定性的,因此发明并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (3)
1.基于智能模糊决策的光储联合***实时调度方法,其特征在于,包括:
步骤1,采用智能蜂群算法进行参数优化得到最优控制向量;
步骤2,将步骤1中得到的最优控制向量作为控制器恒参量在决策点对家庭光储联合微电网的经济运行进行决策;
步骤3,将步骤2中得到的改进的蓄储能放电策略对调度决策进行更新,形成最终的实时调度指令。
2.如权利要求1所述的基于智能模糊决策的光储联合***实时调度方法,其特征在于,所述步骤1具体包括:
步骤2.1、初始化算法参数:模糊决策周期TF,控制参数更新周期T,采蜜蜂数目Ne、观察蜂Ns,侦查蜂数目由淘汰的采蜜蜂数目确定,循环次数NC;
步骤2.2、设置参数K1K2的领域区间,确定蜜源的搜索范围;
步骤2.3、随机初始化采蜜蜂及蜜源的位置,采蜜蜂前往蜜源所在地,并更新花蜜量;
步骤2.4、观察蜂根据式16选择蜜源,并搜索蜜源邻域,更新蜜源信息;
式中,fiti为第i个蜜源的花蜜量;
步骤2.5、观察蜂完成搜索后,未获得更优解的采蜜蜂退化成侦查蜂;
步骤2.6、侦查蜂根据式(17)随机搜索二维解空间,寻找潜在最优解,为下一次迭代预备蜜源;
式中,rid是0-1之间的随机数;
步骤2.7、记录迄今的最好蜜源即参数K1K2;
步骤2.8、设置模糊控制器控制参数为蜂群迭代算法获得的最优解K1K2。
3.如权利要求1所述的基于智能模糊决策的光储联合***实时调度方法,其特征在于,所述步骤2具体基于:
模糊控制器输入参数矩阵:
参数矩阵中,n是模糊量数目,k是隶属函数变比;
蓄电池主要特征参数:荷电状态、充放电功率,两者代数关系如下:
式中,SOC是蓄电池荷电状态;pb是充电功率,蓄电池放电时充电功率为负值;Einitial是初始荷电量,Emax是额定容量;
蓄电池的荷电量与充放电功率的关系如下:
总的新能源发电流向三个方向:电网、负荷、储能;
优化模型的目标函数:
式中,-用户的购电成本,-用户的售电收益;
用户负荷的供电方式:蓄电池放电、DG发电、电网买电;用户购电成本表达式如下:
式中,pd.h是电价,是从电网流向微电网的电量,pload是负荷功率,pb是蓄电池充电功率,ppv是光伏发电功率;
当微电网光伏发电足够大,多余DG发电按上网电价卖给电网,表达式如下:
式中,p是电网对微电网光伏发电的统一收购价,是微电网的上网电量;
***由电网和DG供给负荷及储能,供需平衡关系如下:
pgrid+ppv=pload+pb 式10
荷电状态约束
SOCmin<SOC<SOCmax 式11
充放电功率约束
pmin<pb<pmax 式12
储能最大允许充电约束
SOC≤SOCm.c 式13
储能最小允许放电约束
SOCm.d≤SOC 式14
具体包括:
步骤3.1、更新实时电价以及蓄电池荷电状态作为控制器输入,控制器输出调度决策方案;
步骤3.2、选择群最优粒子以及个体历史最优的位置,更新粒子群的解空间位置及移动速度,构成新的粒子群
步骤3.3、判断是否满足终止条件,若是则结束二阶段优化进程,按最优解安排调度控制计划;否则重复储能优化步骤3.1,继续下一次迭代;
步骤3.4、根据改进的充放电策略更新调度决策方案,控制光储联合***运行;
步骤3.5、判断是否为下一个决策点,若是,则转到步骤3.2;若不是,则继续下一步
步骤3.6、判断是否满足模糊决策参数更新条件,该更新条件为设定的控制参数更新周期,若满足,则跳转到步骤2.3;若不满足,则终止决策,进入休眠状态,当时间t大于更新周期T或***到达下一个决策点,激活模糊控制器,重复步骤2.2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810393781.3A CN108512237A (zh) | 2018-04-27 | 2018-04-27 | 基于智能模糊决策的光储联合***实时调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810393781.3A CN108512237A (zh) | 2018-04-27 | 2018-04-27 | 基于智能模糊决策的光储联合***实时调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108512237A true CN108512237A (zh) | 2018-09-07 |
Family
ID=63399214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810393781.3A Pending CN108512237A (zh) | 2018-04-27 | 2018-04-27 | 基于智能模糊决策的光储联合***实时调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108512237A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110518611A (zh) * | 2019-08-30 | 2019-11-29 | 珠海格力电器股份有限公司 | 储能模块的充放电自治控制方法、装置及储能设备 |
CN113471999A (zh) * | 2021-08-10 | 2021-10-01 | 国网江苏省电力有限公司南通供电分公司 | 一种面向用户的分布式电源储能控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080001828A (ko) * | 2006-06-30 | 2008-01-04 | 한국전기연구원 | 하이브리드 분산발전 시스템을 이용한 운전 제어방법 |
US20140375125A1 (en) * | 2013-06-19 | 2014-12-25 | Nec Laboratories America, Inc. | Multi-layer control framework for an energy storage system |
CN105870976A (zh) * | 2016-04-15 | 2016-08-17 | 国家电网公司 | 一种基于能源环境效率的低碳调度方法和装置 |
CN107565602A (zh) * | 2017-10-18 | 2018-01-09 | 集美大学 | 计及成本和可靠性的直流微网光伏‑风能***配置优化方法 |
-
2018
- 2018-04-27 CN CN201810393781.3A patent/CN108512237A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080001828A (ko) * | 2006-06-30 | 2008-01-04 | 한국전기연구원 | 하이브리드 분산발전 시스템을 이용한 운전 제어방법 |
US20140375125A1 (en) * | 2013-06-19 | 2014-12-25 | Nec Laboratories America, Inc. | Multi-layer control framework for an energy storage system |
CN105870976A (zh) * | 2016-04-15 | 2016-08-17 | 国家电网公司 | 一种基于能源环境效率的低碳调度方法和装置 |
CN107565602A (zh) * | 2017-10-18 | 2018-01-09 | 集美大学 | 计及成本和可靠性的直流微网光伏‑风能***配置优化方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110518611A (zh) * | 2019-08-30 | 2019-11-29 | 珠海格力电器股份有限公司 | 储能模块的充放电自治控制方法、装置及储能设备 |
CN113471999A (zh) * | 2021-08-10 | 2021-10-01 | 国网江苏省电力有限公司南通供电分公司 | 一种面向用户的分布式电源储能控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112713618B (zh) | 基于多场景技术的主动配电网源网荷储协同优化运行方法 | |
CN110084443B (zh) | 一种基于qpso优化算法的换电站运行优化模型分析方法 | |
CN108565902A (zh) | 一种基于光储协调优化的户用型能量调度方法 | |
CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
CN107565607A (zh) | 一种基于实时电价机制的微电网多时间尺度能量调度方法 | |
CN111969593A (zh) | 基于混合储能的热电联供微网模型预测控制优化调度方法 | |
CN113541166B (zh) | 一种分布式储能优化配置方法、***、终端和存储介质 | |
CN112270433B (zh) | 考虑可再生能源不确定性和用户满意度的微电网优化方法 | |
CN113326467B (zh) | 基于多重不确定性的多站融合综合能源***多目标优化方法、存储介质及优化*** | |
CN115147245B (zh) | 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法 | |
CN115169723A (zh) | 发电功率预测方法、负荷预测方法及模型训练方法 | |
Rodriguez et al. | Fuzzy-based energy management system for isolated microgrids using generation and demand forecast | |
CN108512238A (zh) | 基于需求侧响应的智能家居两阶段优化调度方法 | |
CN105574681A (zh) | 一种多时间尺度社区能源局域网能量调度方法 | |
CN116384039A (zh) | 一种基于模型预测的智能电网能源优化高效管理方法 | |
CN108512237A (zh) | 基于智能模糊决策的光储联合***实时调度方法 | |
Miah et al. | Energy storage controllers and optimization schemes integration to microgrid: an analytical assessment towards future perspectives | |
TWI639962B (zh) | 一種應用於智慧電網之粒群最佳化模糊邏輯控制充電法 | |
CN105514986A (zh) | 一种基于虚拟电厂技术的der用户竞价并网方法 | |
CN112613656A (zh) | 一种基于鱼群算法的家庭用电需求响应优化*** | |
CN117134409A (zh) | 考虑电-氢-热互补的微网***及其多目标优化配置方法 | |
Welch et al. | Comparison of two optimal control strategies for a grid independent photovoltaic system | |
CN110601233A (zh) | 一种电力***中储能电站的调峰调度方法 | |
CN115940284A (zh) | 一种考虑分时电价的新能源制氢***的运行控制策略 | |
CN112217198B (zh) | 一种多步图神经网络自适应动态规划的光伏发电管理方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180907 |
|
RJ01 | Rejection of invention patent application after publication |