CN112053024A - 一种基于城镇能源互联网双层协同架构的优化调度方法 - Google Patents

一种基于城镇能源互联网双层协同架构的优化调度方法 Download PDF

Info

Publication number
CN112053024A
CN112053024A CN202010661691.5A CN202010661691A CN112053024A CN 112053024 A CN112053024 A CN 112053024A CN 202010661691 A CN202010661691 A CN 202010661691A CN 112053024 A CN112053024 A CN 112053024A
Authority
CN
China
Prior art keywords
energy
distributed
regulation
layer
town
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
CN202010661691.5A
Other languages
English (en)
Inventor
王�琦
张年初
何国鑫
李宁
张红颖
贾一超
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.)
Nanjing Normal University
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
Nanjing Normal University
China Electric Power Research Institute Co Ltd CEPRI
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 Nanjing Normal University, China Electric Power Research Institute Co Ltd CEPRI filed Critical Nanjing Normal University
Priority to CN202010661691.5A priority Critical patent/CN112053024A/zh
Publication of CN112053024A publication Critical patent/CN112053024A/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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure
    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Power Engineering (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于城镇能源互联网双层协同架构的优化调度方法，将云监管和弱中心化思想合理集成，对城镇能源互联网规模化发展需求具有广泛适应能力，还将协同优化的双层调控架构应用到城镇能源互联网典型的调控场景中，使其在顺应能源技术变革的过程中，尽快拓展应用空间、发挥应用价值，具备良好技术适应性。

Description

一种基于城镇能源互联网双层协同架构的优化调度方法
技术领域
本发明涉及城镇能源互联网技术领域，尤其是一种基于城镇能源互联网双层协同架构的优化调度方法。
背景技术
在能源需求大幅增长与环境保护日益迫切的双重压力下，提高能源利用效率，促进可再生能源合理消纳，是能源结构改革的必由之路。随着我国城镇化水平日益提高，融合“互联网+”的能源互联网***成为新型城镇背景下的能源产业发展的新形态，将依照绿色低碳、可持续的基本准则，可解决传统能源***综合能效低、新能源消纳能力不足、需求响应互动差等问题。而打破原有单个能源***单独规划、单独设计和独立运行的模式，进行城镇能源互联网的一体化规划设计，实现电、气、热等多种异质能流的统筹优化调控，是城镇能源互联网建设的首要任务。
传统的集中式优化调控策略是在单个决策主体的前提下制定的，常以能量管理***或局域变电控制中心作为集中管理层，然而新型城镇能源互联网中分布式能源主体日益增多，电、气、热子***也分属于不同的监管部门和运营商；城镇能源互联网的工程数据海量、异构，对数据处理能力和实时性要求极高，同时还需要考虑能源主体的隐私安全，这都使得传统的集中式调控难以为继。比如，一幢商业楼的中央空调不太会接受上层的侵入式控制；部分用户出于隐私考虑，不愿意上传完整的用能数据。由于集中式优化调控面临着隐私性、可靠性、经济型、灵活性、可行性等诸多方面的严峻挑战，分布式调控逐渐被运用到城镇能源互联网中，其允许邻近的分布式资源交互信息。但是，由于各能源主体的类型、用能特征和优化决策能力存在较多差异，无法要求所有的能源主体随时与全局优化目标保持一致，而且，也会出现单个利益主体仅顾自身优化目标，从而影响***全局的经济性和安全性。因此，城镇能源互联网的优化调控模式仍需深入研究，需要合理集成不同的调控方式以提高***的综合性能。
发明内容
本发明所要解决的技术问题在于，提供一种基于城镇能源互联网双层协同架构的优化调度方法，将所提架构具体地应用到城镇能源互联网典型的调控场景中，使其在顺应能源技术变革的过程中，尽快拓展应用空间、发挥应用价值，具备良好技术适应性。
为解决上述技术问题，本发明提供一种基于城镇能源互联网双层协同架构的优化调度方法，包括如下步骤：
(1)分析城镇能源互联网的物理架构及决策结构，梳理城镇能源互联网中能源主体的类型、调控目标及调控要求，并由此划分出城镇能源互联网的典型调控场景，基于能量管理***和虚拟软控制器搭建城镇能源互联网的集中-分布式双层协同优化调控架构；
(2)根据不同能源主体的特征，采用实部署或虚部署两种方式进行虚拟控制器的部署；
(3)根据典型场景中不同能源主体的优化运行目标，建立城镇能源互联网集中-分布式双层协同优化调控架构下的优化调控数学模型；
(4)根据所建优化调控数学模型，设计能量管理***和虚拟控制的交互流程，提出基于贝尔曼原理的优化调控数学模型求解方法。
优选的，步骤(1)中，城镇能源互联网呈现多个分布式能源主体自由互联的物理架构特点；城镇能源互联网的决策结构特点表现为各能源主体从属于不同的利益主体，自治决策，不受电网集中决策、直接调控；调控要求包括但不限于实时性要求、隐私性要求、全局性要求；调控场景包括但不限于短期优化调度运行、能源市场交易竞价。
优选的，步骤(1)中，在城镇能源互联网顶层的监管中心部署一个能量管理***，在底层的各分布式能源主体中均部署一个虚拟控制器；一个虚拟控制器可以部署在包括但不限于小型分布式光伏、风电、热力源、供气源、电/热/气管道网络以及工业/商业/居民等能源主体中，多个虚拟器共同构成城镇能源互联网集中-分布式双层协同优化调控架构的分布式决策层；大型集中式发电机组、热力厂、天然气源、高压输电网、输热/输气管道等控制***接入传统的城镇能量管理***，形成城镇能源互联网集中-分布式双层协同优化调控架构的的集中式监督管理层；集中式监督管理层与分布式决策层的所有虚拟控制器实现通信，指令直达；在此架构下，能量管理***仅对各虚拟控制器上传的就地决策调控量进行校核，经确认或修正后下发执行。
优选的，步骤(2)中，根据能源主体的类型、调控要求、调控目标和重要程度，对各能源主体的自主调控权限进行等级的划分，设置虚拟软控制器的实部署和虚部署两种方式，以确定底层各能源主体的虚拟控制器在自主生成决策之后，决策的执行是否需要经过顶层监管中心的能量管理***的监管和审批；虚拟控制器的部署方式选择综合考虑多方因素，包括各个利益主体的优化目标，资产所有方，用户隐私意愿；实部署方式是指计算资源配置在底层的分布式资源侧，除了具备分布式计算功能，还承担分布式控制功能，即真正实现自我决策与自我控制；虚部署方式是指计算资源配置在顶层能量管理***中，由顶层提供分布式决策的计算服务，此部署方式下，虚拟控制器不具备直接实行分布式控制的权限，需要生成调控策略，并上传能量管理***进行监管和审批。
优选的，步骤(3)中，在典型场景中，设置两个虚拟控制器，虚拟控制器1代表了微电网***，虚拟控制器2代表了分布式多能源***，其中微电网的目标函数为综合考虑利用储能***实现电网的削峰填谷和分布式清洁能源消纳，分布式能源***的目标函数为同时考虑NOx和CO2排放量的环境指标；分布式多能***的污染物主要来源于燃气轮机、燃气锅炉、内燃机、燃料电池、购买电量等，考虑NOx和CO2排放量；
微电网***的目标函数为削峰填谷效果和清洁能源的消纳利用率最优化：
minf＝-(ω1f1+ω2f2)
式中，f为该***的优化效果评估指数，f1为削峰填谷效果，f2为清洁能源的消纳利用率，ω1，ω2分别是前两者的权重系数；
微电网的约束条件包括：
(1)光伏发电的约束条件为
Figure BDA0002578810490000031
Figure BDA0002578810490000032
式中，
Figure BDA0002578810490000033
分别表示光伏输出的下限和上限，Pcapa表示光伏单元的额定功率，θ，Spv，ηpv分别表示当地的太阳辐射，太阳能电池板面积和太阳能转换效率；
(2)蓄电池充电和放电约束条件为
St+1＝St(1-ε)+Pcηc
St+1＝St(1-ε)+Pdηd
式中，Pc，ηc分别表示电池的充电功率和充电效率，Pd，ηd分别表示电池的放电功率和放电效率，ε表示电池的泄漏率；
(3)在整个计划周期内，电池的充电量之和应等于放电量之和：
Figure BDA0002578810490000034
式中，ΔW(tcha)表示在tcha时刻的充电量，ΔW(tdischa)表示在tdischa时刻的放电量；
分布式多能源***的目标函数为
minDtotal＝ω1Dco2+ω2DNOx＝ω1(0.05982VANG+0.096081Epur)+ω2DNOx
式中，Dtotal表示此分布式多能源***的环境评估指标，Dco2表示一个调度周期内此***的CO2排放量，DNOx表示一个调度周期内此***的NOx排放量，ω1，ω2分别是前两者的权重系数，VANG表示消耗的天然气热量(GJ/a)，Epur表示购电量(MW·h)；
分布式多能源***的能量约束条件包括：
(1)电能守恒约束为
Figure BDA0002578810490000041
式中，n为分布式发电的数量，PDG,i表示第i个分布式发电***的电功率，Pgrid表示与电网的交换电功率，Pd表示冷热电三联产装置的发电出力，Pc表示电池储能***的电功率，Pload表示当前的电负荷；
(2)冷能守恒约束为
Figure BDA0002578810490000042
式中，k为制冷设备的数量，Ci表示第i个制冷设备的冷功率，Cload表示当前的冷负荷；
(3)热能守恒约束为
Figure BDA0002578810490000043
式中，m为燃气轮机的数量，Hi表示第i个燃气轮机的热功率，He表示其它产热设备发出的热功率，Hss表示储热设备的热功率，Hload表示当前的热负荷；
(4)燃气轮机的输出功率约束为
Figure BDA0002578810490000044
-DngasΔt≤ΔPgas≤UpgasΔt
式中，
Figure BDA0002578810490000045
分别表示燃气轮机实际输出功率的下限和上限，ΔPgas表示燃气轮机的变化功率，Δt表示调度时间间隔，Dngas表示燃气轮机的上坡率，Upgas表示燃气轮机的下坡率。
优选的，步骤(4)中，考虑部分能源主体存在因隐私安全而无法公开详细运行数据的问题，提取能够评价各能源主体优化运行状态的状态变量或关键指标，用于顶层监管中心对底层能源主体的监管/考核/服务；在双层协同优化调控的框架下，底层各能源主体仅将用于监管/考核/服务的状态变量和关键指标，在顶层能量管理***和底层各虚拟控制器间交互，而不是上传被控能源主体的详细数据；虚拟控制器是各个分布式能源主体运行优化的“决策者”或“执行者”，是双层优化调控体系的核心设备，拥有虚部署和实部署两种部署方式。
优选的，步骤(4)中，由于各能源主体的类型不同、优化运营条件和决策能力的差别、优化目标追求程度的不同，使各能源主体并非总能够准确、及时地完成自身的局部优化并与全局目标保持一致；基于贝尔曼原理，可以把一个完整的优化过程分解为一系列单阶段决策问题，然后利用各阶段之间的转移和约束关系，逐个求解单阶段优化问题；通过这种转换，把分布式优化问题转变为动态规划问题，即先求解局部子***的局部最优解，再逐步拓展至全局***的全局最优解；此方法将传统复杂决策优化为校验式或赋权式审批决策，顶层的集中决策功能明显得以弱化；由于无需再使用复杂的优化决策工具，顶层只需应用常规决策结果来监视整个***状态的走向，使得***集中优化计算任务量明显减小；在大学校园典型场景中，分布式发电的总发电量和电池储能***的功率差值被处理为信息交互变量，虚拟控制器1和虚拟控制器2都充分考虑了自身的局部最优目标，通过不断扩充局部***的范围边界，进而逐步解决整个***的优化问题。
本发明的有益效果为：(1)本发明所提架构体系合理集成集中监管和弱中心化思想，继承了集中式和分布式优化的优点，考虑了城镇能源互联网中不同能源主体或分布式子***差异化的优化运营条件和目标追求程度，既能满足多分布式能源主体优化调控的实时性需求，减轻云平台的计算压力，又能在顶层提供关键监视/监管/考核/引导等信息服务的环境下，避免或限制能源主体的非理性行为，指导其量力而为地调动和利用各自有限条件积极快速地自主趋优，同时又使城镇能源互联网整体具有较高的趋优能力；(2)本发明将传统复杂决策优化为校验式或赋权式审批决策，顶层的集中决策功能明显得以弱化；由于无需再使用复杂的优化决策工具，顶层只需应用常规决策结果来监视整个***状态的走向，使得***集中优化计算任务量明显减小，赋予了底层VSC的分布式独立决策权限，实现计算任务量的适当下沉，更加符合具有多能源耦合、多参与主体特征的城镇能源互联网实际应用需求；(3)本发明将所提架构具体地应用到城镇能源互联网典型的调控场景中，使其在顺应能源技术变革的过程中，尽快拓展应用空间、发挥应用价值，具备良好技术适应性。
附图说明
图1为本发明的方法流程示意图。
图2为本发明中集中-分布式双层协同优化架构示意图。
图3为本发明中典型调控场景的双层协同优化架构示意图。
图4为本发明中虚拟控制器的虚部署方式示意图。
图5为本发明中虚拟控制器的实部署方式示意图。
具体实施方式
如图1所示，一种基于城镇能源互联网双层协同架构的优化调度方法，包括如下步骤：
(1)分析城镇能源互联网的物理架构及决策结构，梳理城镇能源互联网中能源主体的类型、调控目标及调控要求，并由此划分出城镇能源互联网的典型调控场景，基于能量管理***和虚拟软控制器搭建城镇能源互联网的集中-分布式双层协同优化调控架构；
(2)根据不同能源主体的特征，采用实部署或虚部署两种方式进行虚拟控制器的部署；
(3)根据典型场景中不同能源主体的优化运行目标，建立城镇能源互联网集中-分布式双层协同优化调控架构下的优化调控数学模型；
(4)根据所建优化调控数学模型，设计能量管理***和虚拟控制的交互流程，提出基于贝尔曼原理的优化调控数学模型求解方法；
城镇能源互联网呈现多个分布式能源主体自由互联的物理架构特点；城镇能源互联网的决策结构特点表现为各能源主体从属于不同的利益主体，自治决策，不受电网集中决策、直接调控；调控要求包括但不限于实时性要求、隐私性要求、全局性要求；调控场景包括但不限于短期优化调度运行、能源市场交易竞价。以某大学校园的综合能源***为例，该***主要包含由燃气轮机、热锅炉、汽轮机等构成的冷热电三联产***，光伏发电和储能。同时，综合能源***与主网相连，由主网补偿缺额的电量。
在城镇能源互联网顶层的监管中心部署一个能量管理***，在底层的各分布式能源主体中均部署一个虚拟控制器，从而建立的集中-分布式双层协同优化架构如图2所示。一个虚拟控制器可以部署在包括但不限于小型分布式光伏、风电、热力源、供气源、电/热/气管道网络以及工业/商业/居民等能源主体中，多个虚拟器共同构成城镇能源互联网集中-分布式双层协同优化调控架构的分布式决策层。大型集中式发电机组、热力厂、天然气源、高压输电网、输热/输气管道等控制***接入传统的城镇能量管理***，形成城镇能源互联网集中-分布式双层协同优化调控架构的的集中式监督管理层。集中式监督管理层与分布式决策层的所有虚拟控制器实现通信，指令直达。在此架构下，能量管理***仅对各虚拟控制器上传的就地决策调控量进行校核，经确认或修正后下发执行。以某大学校园的综合能源***为例，其双层协同优化架构如图3所示。
根根据能源主体的类型、调控要求、调控目标和重要程度，对各能源主体的自主调控权限进行等级的划分，设置虚拟软控制器的实部署和虚部署两种方式，以确定底层各能源主体的虚拟控制器在自主生成决策之后，决策的执行是否需要经过顶层监管中心的能量管理***的监管和审批。虚拟控制器的部署方式选择综合考虑多方因素，包括各个利益主体的优化目标，资产所有方，用户隐私意愿等。实部署方式是指计算资源配置在底层的分布式资源侧，除了具备分布式计算功能，还承担分布式控制功能，即真正实现自我决策与自我控制。虚部署方式是指计算资源配置在顶层能量管理***中，由顶层提供分布式决策的计算服务，此部署方式下，虚拟控制器不具备直接实行分布式控制的权限，需要生成调控策略，并上传能量管理***进行监管和审批。比如，对自有综合能源***实行控制需求的管理者或用户，采用虚拟控制器的实部署方式；对不涉及隐私、只提供数据增值服务的第三方，采用虚拟控制器的虚部署方式即可。虚部署和实部署两种部署方式的示意图如图4和图5所示。在大学校园典型调控场景中，由于学校需要对自有的设备拥有实际控制权，所以采用了实部署的方式。
在典型场景中，设置两个虚拟控制器，虚拟控制器1代表了微电网***，虚拟控制器2代表了分布式多能源***，与集中式优化相比较，此处，两者的优化目标不再相同，其中微电网的目标函数为综合考虑利用储能***实现电网的削峰填谷和分布式清洁能源消纳，分布式能源***的目标函数为同时考虑NOx和CO2排放量的环境指标。分布式多能***的污染物主要来源于燃气轮机、燃气锅炉、内燃机、燃料电池、购买电量等，本发明主要考虑NOx和CO2排放量，各主要设备的NOx排放量如表1所示。
表1各主要设备的NOx排放量
Figure BDA0002578810490000081
微电网***：由1MW光伏发电，500kW/3MWh电池储能***和0.6MW电负荷组成。此***的局部功率平衡主要是通过调整电池储能来实现的，同样，电功率缺失的部分，由主电网供电来补充。
此***中，优化运行的主目标函数是综合考虑削峰填谷效果和清洁能源的消纳利用率，目标函数如下所示：
minf＝-(ω1f1+ω2f2)
式中，f为该***的优化效果评估指数，f1为削峰填谷效果，f2为清洁能源的消纳利用率，ω1，ω2分别是前两者的权重系数。此处，目标函数本应该是最大化优化效果评估指数，但是为了使目标函数符合求解最小值的习惯，需要添上负号，然后求解最小值。
微电网的约束条件包括：
(1)光伏发电的出力上限与当时的局部太阳辐射、太阳能电池板面积和太阳能转换效率有关，同时，光伏发电的最大输出也应小于光伏单元的额定功率，约束如下所示：
Figure BDA0002578810490000082
Figure BDA0002578810490000083
式中，
Figure BDA0002578810490000084
分别表示光伏输出的下限和上限，Pcapa表示光伏单元的额定功率，θ，Spv，ηpv分别表示当地的太阳辐射，太阳能电池板面积和太阳能转换效率。
(2)蓄电池有充电和放电两种状态，约束如下所示：
St+1＝St(1-ε)+Pcηc
St+1＝St(1-ε)+Pdηd
式中，Pc，ηc分别表示电池的充电功率和充电效率，Pd，ηd分别表示电池的放电功率和放电效率，ε表示电池的泄漏率。
(3)在整个计划周期内，电池的充电量之和应等于放电量之和：
Figure BDA0002578810490000091
式中，ΔW(tcha)表示在tcha时刻的充电量，ΔW(tdischa)表示在tdischa时刻的放电量。
分布式多能源***：由天然气***供气，然后传输到冷热电三联产装置，通过该装置输出电能、热能和冷能，用来满足大学校的电负荷、热负荷和冷负荷，而电功率缺失的部分，则由主电网供电来补充。
分布式多能源***的目标函数为
minDtotal＝ω1Dco2+ω2DNOx＝ω1(0.05982VANG+0.096081Epur)+ω2DNOx
式中，Dtotal表示此分布式多能源***的环境评估指标，Dco2表示一个调度周期内此***的CO2排放量，DNOx表示一个调度周期内此***的NOx排放量，ω1，ω2分别是前两者的权重系数。VANG表示消耗的天然气热量(GJ/a)，Epur表示购电量(MW·h)。
分布式多能源***的能量约束条件包括：
(1)分布式发电量、购电量、冷热电三联产装置发电出力、储电和电负荷应满足基本的电能守恒：
Figure BDA0002578810490000092
式中，n为分布式发电的数量，PDG,i表示第i个分布式发电***的电功率，Pgrid表示与电网的交换电功率，Pd表示冷热电三联产装置的发电出力，Pc表示电池储能***的电功率，Pload表示当前的电负荷。需要注意的是，在这里，分布式发电的总发电量和电池储能***的功率差值被处理为信息交互变量，此处认为是常数值0.6MW。
(2)冷能的生产和消耗应该始终保持平衡：
Figure BDA0002578810490000093
式中，k为制冷设备的数量，Ci表示第i个制冷设备的冷功率，Cload表示当前的冷负荷
(3)燃气轮机、其它制热设备、储热和热负荷应满足基本的热能守恒：
Figure BDA0002578810490000094
式中，m为燃气轮机的数量，Hi表示第i个燃气轮机的热功率，He表示其它产热设备发出的热功率，Hss表示储热设备的热功率，Hload表示当前的热负荷。
(4)燃气轮机的实际输出功率应在正常运行范围内，满足不等式约束，而且，其功率的变化率也应满足相应的爬坡约束，约束如下所示：
Figure BDA0002578810490000101
-DngasΔt≤ΔPgas≤UpgasΔt
式中，
Figure BDA0002578810490000102
分别表示燃气轮机实际输出功率的下限和上限，ΔPgas表示燃气轮机的变化功率，Δt表示调度时间间隔，Dngas表示燃气轮机的上坡率，Upgas表示燃气轮机的下坡率。
考虑部分能源主体存在因隐私安全而无法公开详细运行数据的问题，可以考虑采用基于大数据关联性分析方法，对能源主体的运行数据进行关联性挖掘，提取能够评价各能源主体优化运行状态的状态变量或关键指标，用于顶层监管中心对底层能源主体的监管/考核/服务。在双层协同优化调控的框架下，底层各能源主体仅将用于监管/考核/服务的状态变量和关键指标，在顶层能量管理***和底层各虚拟控制器间交互，而不是上传被控能源主体的详细数据。虚拟控制器是各个分布式能源主体运行优化的“决策者”或“执行者”，是双层优化调控体系的核心设备，拥有虚部署和实部署两种部署方式。针对实时性和隐私性要求较高的调控场景，采用无监督或重点指标适度监管方式的底层分布式调控模式为主；针对***优化全局性要求较高的调控场景，采用在顶层对部分需要监管的底层子***进行目标关联指标集中考核的协同服务机制；在顶层监管/考核/服务的环境下，底层各能源主体求同存异，量力地进行自主趋优。
由于各能源主体的类型不同、优化运营条件和决策能力的差别、优化目标追求程度的不同，使各能源主体并非总能够准确、及时地完成自身的局部优化并与全局目标保持一致。基于贝尔曼原理，可以把一个完整的优化过程分解为一系列单阶段决策问题，然后利用各阶段之间的转移和约束关系，逐个求解单阶段优化问题。通过这种转换，把分布式优化问题转变为动态规划问题，即先求解局部子***的局部最优解，再逐步拓展至全局***的全局最优解。此方法将传统复杂决策优化为校验式或赋权式审批决策，顶层的集中决策功能明显得以弱化；由于无需再使用复杂的优化决策工具，顶层只需应用常规决策结果来监视整个***状态的走向，使得***集中优化计算任务量明显减小。在大学校园典型场景中，分布式发电的总发电量和电池储能***的功率差值被处理为信息交互变量，虚拟控制器1和虚拟控制器2都充分考虑了自身的局部最优目标，通过不断扩充局部***的范围边界，进而逐步解决整个***的优化问题。

Claims (7)

1.一种基于城镇能源互联网双层协同架构的优化调度方法，其特征在于，包括如下步骤：
(1)分析城镇能源互联网的物理架构及决策结构，梳理城镇能源互联网中能源主体的类型、调控目标及调控要求，并由此划分出城镇能源互联网的典型调控场景，基于能量管理***和虚拟软控制器搭建城镇能源互联网的集中-分布式双层协同优化调控架构；
(2)根据不同能源主体的特征，采用实部署或虚部署两种方式进行虚拟控制器的部署；
(3)根据典型场景中不同能源主体的优化运行目标，建立城镇能源互联网集中-分布式双层协同优化调控架构下的优化调控数学模型；
(4)根据所建优化调控数学模型，设计能量管理***和虚拟控制的交互流程，提出基于贝尔曼原理的优化调控数学模型求解方法。
2.如权利要求1所述的基于城镇能源互联网双层协同架构的优化调度方法，其特征在于，步骤(1)中，城镇能源互联网呈现多个分布式能源主体自由互联的物理架构特点；城镇能源互联网的决策结构特点表现为各能源主体从属于不同的利益主体，自治决策，不受电网集中决策、直接调控；调控要求包括实时性要求、隐私性要求、全局性要求；调控场景包括短期优化调度运行、能源市场交易竞价。
3.如权利要求1所述的基于城镇能源互联网双层协同架构的优化调度方法，其特征在于，步骤(1)中，在城镇能源互联网顶层的监管中心部署一个能量管理***，在底层的各分布式能源主体中均部署一个虚拟控制器；一个虚拟控制器可以部署在包括小型分布式光伏、风电、热力源、供气源、电/热/气管道网络以及工业/商业/居民等能源主体中，多个虚拟器共同构成城镇能源互联网集中-分布式双层协同优化调控架构的分布式决策层；大型集中式发电机组、热力厂、天然气源、高压输电网、输热/输气管道控制***接入传统的城镇能量管理***，形成城镇能源互联网集中-分布式双层协同优化调控架构的的集中式监督管理层；集中式监督管理层与分布式决策层的所有虚拟控制器实现通信，指令直达；在此架构下，能量管理***仅对各虚拟控制器上传的就地决策调控量进行校核，经确认或修正后下发执行。
4.如权利要求1所述的基于城镇能源互联网双层协同架构的优化调度方法，其特征在于，步骤(2)中，根据能源主体的类型、调控要求、调控目标和重要程度，对各能源主体的自主调控权限进行等级的划分，设置虚拟软控制器的实部署和虚部署两种方式，以确定底层各能源主体的虚拟控制器在自主生成决策之后，决策的执行是否需要经过顶层监管中心的能量管理***的监管和审批；虚拟控制器的部署方式选择综合考虑多方因素，包括各个利益主体的优化目标，资产所有方，用户隐私意愿；实部署方式是指计算资源配置在底层的分布式资源侧，除了具备分布式计算功能，还承担分布式控制功能，即真正实现自我决策与自我控制；虚部署方式是指计算资源配置在顶层能量管理***中，由顶层提供分布式决策的计算服务，此部署方式下，虚拟控制器不具备直接实行分布式控制的权限，需要生成调控策略，并上传能量管理***进行监管和审批。
5.如权利要求1所述的基于城镇能源互联网双层协同架构的优化调度方法，其特征在于，步骤(3)中，在典型场景中，设置两个虚拟控制器，虚拟控制器1代表了微电网***，虚拟控制器2代表了分布式多能源***，其中微电网的目标函数为综合考虑利用储能***实现电网的削峰填谷和分布式清洁能源消纳，分布式能源***的目标函数为同时考虑NOx和CO2排放量的环境指标；分布式多能***的污染物主要来源于燃气轮机、燃气锅炉、内燃机、燃料电池、购买电量等，考虑NOx和CO2排放量；
微电网***的目标函数为削峰填谷效果和清洁能源的消纳利用率最优化：
minf＝-(ω1f1+ω2f2)
式中，f为该***的优化效果评估指数，f1为削峰填谷效果，f2为清洁能源的消纳利用率，ω1，ω2分别是前两者的权重系数；
微电网的约束条件包括：
(a)光伏发电的约束条件为
Figure FDA0002578810480000021
Figure FDA0002578810480000022
式中，
Figure FDA0002578810480000023
分别表示光伏输出的下限和上限，Pcapa表示光伏单元的额定功率，θ，Spv，ηpv分别表示当地的太阳辐射，太阳能电池板面积和太阳能转换效率；
(b)蓄电池充电和放电约束条件为
St+1＝St(1-ε)+Pcηc
St+1＝St(1-ε)+Pdηd
式中，Pc，ηc分别表示电池的充电功率和充电效率，Pd，ηd分别表示电池的放电功率和放电效率，ε表示电池的泄漏率；
(c)在整个计划周期内，电池的充电量之和应等于放电量之和：
Figure FDA0002578810480000031
式中，ΔW(tcha)表示在tcha时刻的充电量，ΔW(tdischa)表示在tdischa时刻的放电量；
分布式多能源***的目标函数为
min Dtotal＝ω1Dco2+ω2DNOx＝ω1(0.05982VANG+0.096081Epur)+ω2DNOx
式中，Dtotal表示此分布式多能源***的环境评估指标，Dco2表示一个调度周期内此***的CO2排放量，DNOx表示一个调度周期内此***的NOx排放量，ω1，ω2分别是前两者的权重系数，VANG表示消耗的天然气热量(GJ/a)，Epur表示购电量(MW·h)；
分布式多能源***的能量约束条件包括：
(a)电能守恒约束为
Figure FDA0002578810480000032
式中，n为分布式发电的数量，PDG,i表示第i个分布式发电***的电功率，Pgrid表示与电网的交换电功率，Pd表示冷热电三联产装置的发电出力，Pc表示电池储能***的电功率，Pload表示当前的电负荷；
(b)冷能守恒约束为
Figure FDA0002578810480000033
式中，k为制冷设备的数量，Ci表示第i个制冷设备的冷功率，Cload表示当前的冷负荷；
(c)热能守恒约束为
Figure FDA0002578810480000034
式中，m为燃气轮机的数量，Hi表示第i个燃气轮机的热功率，He表示其它产热设备发出的热功率，Hss表示储热设备的热功率，Hload表示当前的热负荷；
(d)燃气轮机的输出功率约束为
Figure FDA0002578810480000041
-DngasΔt≤ΔPgas≤UpgasΔt
式中，
Figure FDA0002578810480000042
分别表示燃气轮机实际输出功率的下限和上限，ΔPgas表示燃气轮机的变化功率，Δt表示调度时间间隔，Dngas表示燃气轮机的上坡率，Upgas表示燃气轮机的下坡率。
6.如权利要求1所述的基于城镇能源互联网双层协同架构的优化调度方法，其特征在于，步骤(4)中，考虑部分能源主体存在因隐私安全而无法公开详细运行数据的问题，提取能够评价各能源主体优化运行状态的状态变量或关键指标，用于顶层监管中心对底层能源主体的监管/考核/服务；在双层协同优化调控的框架下，底层各能源主体仅将用于监管/考核/服务的状态变量和关键指标，在顶层能量管理***和底层各虚拟控制器间交互；虚拟控制器是各个分布式能源主体运行优化的“决策者”或“执行者”，是双层优化调控体系的核心设备，拥有虚部署和实部署两种部署方式。
7.如权利要求1所述的基于城镇能源互联网双层协同架构的优化调度方法，其特征在于，步骤(4)中，由于各能源主体的类型不同、优化运营条件和决策能力的差别、优化目标追求程度的不同，使各能源主体并非总能够准确、及时地完成自身的局部优化并与全局目标保持一致；基于贝尔曼原理，把一个完整的优化过程分解为一系列单阶段决策问题，然后利用各阶段之间的转移和约束关系，逐个求解单阶段优化问题；通过这种转换，把分布式优化问题转变为动态规划问题，即先求解局部子***的局部最优解，再逐步拓展至全局***的全局最优解。
CN202010661691.5A 2020-07-10 2020-07-10 一种基于城镇能源互联网双层协同架构的优化调度方法 Pending CN112053024A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010661691.5A CN112053024A (zh) 2020-07-10 2020-07-10 一种基于城镇能源互联网双层协同架构的优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010661691.5A CN112053024A (zh) 2020-07-10 2020-07-10 一种基于城镇能源互联网双层协同架构的优化调度方法

Publications (1)

Publication Number Publication Date
CN112053024A true CN112053024A (zh) 2020-12-08

Family

ID=73601790

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010661691.5A Pending CN112053024A (zh) 2020-07-10 2020-07-10 一种基于城镇能源互联网双层协同架构的优化调度方法

Country Status (1)

Country Link
CN (1) CN112053024A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112688317A (zh) * 2020-12-18 2021-04-20 南京师范大学 一种双层协同架构下的县域级电-气互联***优化调度方法
CN113489801A (zh) * 2021-07-15 2021-10-08 南京师范大学 一种双层协同架构下的县域级能源互联网通信方法
CN115839536A (zh) * 2022-10-31 2023-03-24 清华大学 基于电力调节的分体空调和冷水机组远端响应及控制方法
CN117371597A (zh) * 2023-10-18 2024-01-09 中国标准化研究院 一种数字化城镇管理调度优化方法、***及存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112688317A (zh) * 2020-12-18 2021-04-20 南京师范大学 一种双层协同架构下的县域级电-气互联***优化调度方法
CN112688317B (zh) * 2020-12-18 2023-04-07 南京师范大学 一种双层协同架构下的县域级电-气互联***优化调度方法
CN113489801A (zh) * 2021-07-15 2021-10-08 南京师范大学 一种双层协同架构下的县域级能源互联网通信方法
CN115839536A (zh) * 2022-10-31 2023-03-24 清华大学 基于电力调节的分体空调和冷水机组远端响应及控制方法
CN115839536B (zh) * 2022-10-31 2023-08-15 清华大学 基于电力调节的分体空调和冷水机组远端响应及控制方法
CN117371597A (zh) * 2023-10-18 2024-01-09 中国标准化研究院 一种数字化城镇管理调度优化方法、***及存储介质

Similar Documents

Publication Publication Date Title
Zhao et al. Matching model of energy supply and demand of the integrated energy system in coastal areas
CN109919478B (zh) 一种考虑综合供能可靠性的综合能源微网规划方法
CN113344736B (zh) 一种园区级综合能源***及其控制方法
CN109659927B (zh) 一种考虑储能参与度的综合能源微网储能容量配置方法
Lingmin et al. Energy flow optimization method for multi-energy system oriented to combined cooling, heating and power
Zhou et al. An engineering approach to the optimal design of distributed energy systems in China
CN112053024A (zh) 一种基于城镇能源互联网双层协同架构的优化调度方法
CN111737884B (zh) 一种含多种清洁能源微能源网多目标随机规划方法
CN111463836A (zh) 一种综合能源***优化调度方法
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
CN113779783B (zh) 计及多重不确定性的区域综合能源***规划与运行联合优化方法
CN115498668B (zh) 一种综合能源***的优化方法
Zhang et al. Energy scheduling optimization of the integrated energy system with ground source heat pumps
He et al. Analysis on data center power supply system based on multiple renewable power configurations and multi-objective optimization
CN111293718A (zh) 基于场景分析的交直流混合微网分区二层优化运行方法
CN105447586A (zh) 一种基于全能流模型的微电网能量优化方法
Wu et al. Multi-parameter optimization design method for energy system in low-carbon park with integrated hybrid energy storage
Ma et al. The optimal configuration of distributed generators for CCHP micro-grid based on double-layer operation strategy and improved NSGA-III algorithm
CN110190630A (zh) 一种含多微能源网的配网预防-紧急控制方法
CN112713590B (zh) 计及idr的冷热电联供微网与主动配电网联合优化调度方法
Xue et al. Optimal allocation of distributed energy supply system under uncertainty based improved gray wolf algorithm
Hui et al. LOW CARBON DISPATCH OF THE PARK INTEGRATED ENERGY SYSTEM BASED ON THE ELECTRIC VEHICLES FLEXIBLE LOAD STORAGE CHARACTERISTICS.
Chen et al. Research on the Method of Controllable Load Participating in Power Grid Regulation in Ubiquitous Power Internet of Things
Liao et al. Low-carbon dispatch of the park IES based on the EV flexible load storage characteristics
Liu et al. Multistage Economic Scheduling Model of Micro-Energy Grids Considering Flexible Capacity Allocation. Sustainability 2022, 14, 9013

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