CN112803495A - 基于能量共享的5g基站微网光储***容量优化配置方法 - Google Patents

基于能量共享的5g基站微网光储***容量优化配置方法 Download PDF

Info

Publication number
CN112803495A
CN112803495A CN202110205508.5A CN202110205508A CN112803495A CN 112803495 A CN112803495 A CN 112803495A CN 202110205508 A CN202110205508 A CN 202110205508A CN 112803495 A CN112803495 A CN 112803495A
Authority
CN
China
Prior art keywords
base station
microgrid
photovoltaic
energy
micro
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110205508.5A
Other languages
English (en)
Other versions
CN112803495B (zh
Inventor
麻秀范
段颖
孟祥玉
朱秋萍
王志
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.)
North China Electric Power University
Information and Telecommunication Branch of State Grid Tianjin Electric Power Co Ltd
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202110205508.5A priority Critical patent/CN112803495B/zh
Publication of CN112803495A publication Critical patent/CN112803495A/zh
Application granted granted Critical
Publication of CN112803495B publication Critical patent/CN112803495B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • 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]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明公开了属于光储***容量优化技术领域的一种基于能量共享的5G基站微网光储***容量优化配置方法。包括步骤1：对5G基站微网运行与发电特性进行分析；包括基站负荷时空特性模型、基于休眠机制的基站微网运行特性、光伏发电模型和基站后备电池储能模型；步骤2：建立基于能量共享的储能配置包括外层模型和内层模型的双层模型；步骤3：对步骤2建立的双层模型进行求解。该方法可以提高光伏和5G基站备用电池的利用率，提高5G基站参与电网削峰填谷的能力，同时降低5G电力资费和延缓电网升级改造，达到5G运营商和电网之间的互利共赢。

Description

基于能量共享的5G基站微网光储***容量优化配置方法
技术领域
本发明涉及光储***容量优化技术领域，尤其涉及一种基于能量共享的5G基站微网光储***容量优化配置方法。
背景技术
近年来，以5G为代表的新型信息基础设施投资力度加大，经估算，至2025年5G基站的用电量将达到3500亿千瓦时左右。目前降低设备能耗、减少电费是5G商用的一大诉求。运营商为保证5G基站能够稳定使用，一般对宏基站按照最大用能需求配置后备保障电源，同时有后备保障电源的微基站占比为70％。随着电网的坚强建设，供电可靠性不断提高，5G基站后备储能利用率低，充放电运维成本高，产生大量的资源浪费。太阳能资源储量丰富，循环开发周期短，但受环境影响出力波动性大，光伏储能联合出力可稳定输出。光储微网技术对解决5G基站耗能问题提供了新的思路。
现有微网光储***容量优化配置的方法，以尽量减少所配置光伏和储能的容量为目标，制定光储微网经济调度或优化运行方案，缺乏对5G基站通信特性和后备电源保证基站可靠用电需求的考虑，无法保证5G基站满足用户需求的前提下降低能耗，不适用于5G基站微网光储容量优化配置的研究。现有5G基站节能降耗的研究，大多从基站自身节能技术和与可再生能源互动为主，未将自身后备电池纳入研究范围。5G基站用电具有时空特性，5G基站微网间存在能耗的互补性和差异性，因此现亟需一种基于能量共享的5G基站微网光储容量优化配置方法。
发明内容
本发明的目的是提出一种基于能量共享的5G基站微网光储***容量优化配置方法，其特征在于，包括以下步骤：
步骤1：对5G基站微网运行与发电特性进行分析；包括基站负荷时空特性模型、基于休眠机制的基站微网运行特性、光伏发电模型和基站后备电池储能模型；
步骤2：建立基于能量共享的储能配置包括外层模型和内层模型的双层模型；
步骤3：对步骤2建立的双层模型进行求解。
所述步骤1中的基站负荷时空特性模型具体为：
将宏基站配置光伏面板和蓄电池进行供电和备电，并且连接到电网，并与一组宏基站覆盖范围内的微基站组成5G基站微网结构；
宏基站的功耗Pm为：
Pm＝P0+ξ·Pout (1)
其中Pout是宏基站的流量负载，ξ·Pout是由流量负载产生的能耗，P0是宏基站在没有流量负载时产生的基础能耗；
微基站的功耗为：
Figure BDA0002950352250000021
其中θk＝{0,1}表示微基站k的状态，0表示休眠，1表示激活，Pθactive为激活状态下的微基站功耗，Pθsleep为休眠状态下的微基站功耗；
因此以一个宏基站Bm，在其范围内有k个微基站Bs＝{B1,B2,……,Bk}为5G基站微网，其中的总能耗为：
Figure BDA0002950352250000022
在流量负载方面，具有时间和空间上的双重特性；同一空间域内基站时域流量模型用正弦曲线叠加模型进行拟合，模型为：
Figure BDA0002950352250000023
其中，Pout(t)是微网内所有基站的总业务量，a0是一段时间内的平均业务量，ωw是业务流量变化的频率成分，aw和
Figure BDA0002950352250000024
分别是振幅和相位，W是频率分量的数量；频率分量为流量负载的改变拐点，不同的区域频率分量不尽相同；
基站微网中的业务呈非均匀分布，用对数正态分布来表示：
Figure BDA0002950352250000025
均值参数μ会随时间周期性变化；由于用户社会行为，用户和业务流量的分布与场景类型显著相关，因而不同的场景中标准差σ的值不同，显示出不同场景中的5G基站微网能耗的差异性；
5G基站微网中，宏基站和微基站流量在时间上有强烈的周期性，并且上升与下降趋势步调一致，因而设宏基站的流量负载为微基站的X倍；5G基站微网中单个微基站的业务流量的变化具有随机性，则第k个微基站在t时刻的流量负载模型为：
Pk·out(t)＝lognrnd(μ(t),σ) (6)
其中nrnd为对数正态分布函数；
其中单个微基站的平均业务量为：
Figure BDA0002950352250000031
每个时刻对数正态分布模型的均值μ为：
Figure BDA0002950352250000032
由此得不同场景下的5G基站微网的能耗特性曲线；5G基站能耗高，利用休眠机制对5G基站微网的能耗进行优化。
所述步骤1中的基于休眠机制的基站微网运行特性具体包含以下步骤：
步骤A1：某时刻微网内业务流量变化，若全部用户均能找到满足需求的基站则进行步骤A2，若全部用户不都能找到满足需求的基站，则唤醒全部基站，按照距离将全部用户进行挂载后进行步骤A2；
步骤A2：对微网内基站从小到大进行业务量排序；
步骤A3：针对宏基站的用户，将其范围内的微基站从近到远进行距离排序；
步骤A4：按照步骤A2和步骤A3的排序结果，若某用户满足服务质量条件，则将该用户进行转移；
步骤A5：若针对某用户无满足转移条件，不进行休眠，回到原连接状态；
步骤A6：若某基站中所有用户都进行了转移，则该基站休眠；
基于休眠机制的基站微网运行特性的目标函数和约束条件为：
目标函数：
Fsleep＝minPtotal
其中，Fsleep为5G基站微网基于休眠机制后的能耗；
保证用户质量约束条件：
SNRi,j≥SNRmin (9)
SNRi,j表示用户i接入基站j的信干噪比，SNRmin表示保证用户服务质量的最小信干噪比：
Figure BDA0002950352250000041
其中m代表宏基站，K代表微基站集合，N0代表热噪声，
Figure BDA0002950352250000042
为基站j到用户i的路径损耗；
pl(d)＝69.55+26.16logfc-13.83lghte-α(hre)+(44.9-6.55loghte)logd (11)
其中，d表示基站j到用户i的距离，hte为基站天线有效高度，hre为接收的有效高度，fc为工作频率；
宏基站接收功率约束条件：
Figure BDA0002950352250000043
其中
Figure BDA0002950352250000044
为宏基站接受功率的最大值。
所述步骤1中的光伏发电模型具体为：
光伏发电功率与其额定容量间的关系式为：
Figure BDA0002950352250000045
其中PPV,STC是光伏面板的单位面积额定容量；M为光伏组件的面积，GC为地区光照强度，单位为kW/m2；GSTC为STC条件下太阳的辐射强度；αp为电池板的功率温度系数；TC,STC为STC条件下光伏阵列中电池板的温度；TC为光伏阵列进行电能转化过程中电池板的工作温度，且
Figure BDA0002950352250000046
其中T是光伏阵列所在地区的环境温度。
所述步骤1中的基站后备电池储能模型具体为：
5G基站后备储能电池充放电功率公式为：
Figure BDA0002950352250000051
Figure BDA0002950352250000052
其中E是5G基站后备储能电池的额定容量，SOC(t)为t时刻荷电状态；DESS是自放电系数；Pcha(t)、Pdisc(t)是1h内的充放电功率；P′(t)是其他5G基站微网输入的功率，若向其他5G基站微网输出，则为负值；ηinv为逆变器效率；ηbat为蓄电池充放电效率；Δt为一小时。
所述步骤2中的外层模型具体为：
以全寿命周期内5G基站微网总成本最低为目标函数：
Figure BDA0002950352250000053
储能和光伏的投资成本：
Figure BDA0002950352250000054
其中N为参与能量共享的5G基站光储微网的个数，r为折现率，
Figure BDA0002950352250000055
为第n个微网内光伏的配置容量，
Figure BDA0002950352250000056
为光伏***单位投资成本；L为储能寿命年限，
Figure BDA0002950352250000057
为第n个微网内第l年的储能的配置容量，
Figure BDA0002950352250000058
为储能***单位投资成本；
储能和光伏维护成本：
Figure BDA0002950352250000059
其中Ts为一年内季节划分，
Figure BDA00029503522500000510
为第l年第s个季节第n个微网内光伏的配置容量，
Figure BDA00029503522500000511
为第l年第s个季节第n个微网内储能的配置容量，
Figure BDA00029503522500000512
为光伏单位维护成本，
Figure BDA00029503522500000513
为储能单位维护成本；
5G基站光储微网日常向电网购电成本：
Figure BDA0002950352250000061
其中
Figure BDA0002950352250000062
为第h时段从电网的购电费用，由外层规划得出光伏发电的财政补贴为：
Figure BDA0002950352250000063
Figure BDA0002950352250000064
为光伏***在第h时段的发电功率，
Figure BDA0002950352250000065
为光伏发电在第l年的度电补贴；
延缓电网升级的收益为：
Figure BDA0002950352250000066
其中CGinv为电网升级建设的成本，Δn为5G基站微网能量共享后延缓电网升级的年数：
Figure BDA0002950352250000067
其中τ为负荷的年增长率，λ为5G基站能量共享达到的削峰填谷的削峰率；其中
Figure BDA0002950352250000068
和
Figure BDA0002950352250000069
为外层模型的决策变量；
约束条件：
投资成本上值：
Figure BDA00029503522500000610
其中，
Figure BDA00029503522500000611
为投资成本的最大值；
光伏场地限制：
M≤MPV max (25)
其中，MPV max为光伏组件可安装的最大面积。
所述步骤2中的内层模型具体为：
以日运行成本最低为目标函数
Figure BDA0002950352250000071
每个5G基站光储微网日运行成本为：
Figure BDA0002950352250000072
Figure BDA0002950352250000073
其中，qPV(t)，qdis(t)，qGrid(t)分别为光伏、储能和电网在t时刻的电价，t∈[1,24]，PPV·j(t)，Pdis·j(t)分别为第j个5G基站光储微网的光伏、储能在t时刻的共享给第i个5G基站光储微网的功率，q′PV(t)、q′dis(t)分别为第j个5G基站光储微网的光伏、储能在t时刻的电价；
约束条件：
微网内功率平衡约束
Ptotal(t)+Pcha(t)＝PPV(t)+Pdist(t)+PGrid(t) (29)
储能荷电状态约束：
SOCmin≤SOC≤SOCmax (30)
其中，SOCmin、SOCmax分别为允许荷电状态的最低值和最高值；
储能充放电功率约束：
Figure BDA0002950352250000074
对储能始末时段电量进行约束：
Figure BDA0002950352250000075
其中，E(0)、E(T)分别在运行周期起始时刻和终止时刻存储的电量；
储能备用容量约束：
为了保证5G基站可靠用电，需要满足无市电情况下储能满足：
Figure BDA0002950352250000081
其中：Pt+P(t)＝Ptotal(t)-PPV(t)，即市电停电时由本地光伏和储能共同保证5G基站不断电运行3小时。
所述步骤3具体包括以下子步骤：
步骤31：算法初始化；载入基础数据，包括运行时长、运行周期、基站微网负荷曲线参数、宏基站与微基站的流量负载曲线、光伏的出力曲线、储能技术指标、光伏技术指标和分时电价；
步骤32：根据宏基站与微基站各时刻的流量负载进行休眠机制计算，得出各5G基站微网执行休眠算法后的负荷曲线；
步骤33：生成每个个体都包含储能额定容量、光伏额定容量信息的初始种群Q；
步骤34：基于休眠机制优化计算的负荷曲线结果，调用fmincon函数，利用内层模型计算得到运行周期内初始种群Q中每个个体在利用基站光储***能量共享进一步优化运行后的最优充放电曲线结果与年负荷削峰率；
步骤35：根据储能额定容量、光伏的额定容量、微网间能量共享策略优化后的负荷曲线、年负荷削峰率和储能充放电曲线计算多个5G基站微网和电网在储能全寿命周期内的最低成本，计算初始种群Q中个体的适应度值；
步骤36：将初始种群Q进行遗传操作，包括选择、交叉和变异，其中交叉得到子代种群Q0，并将初始种群进行替换，重复步骤34至步骤35，直到满足终止条件为止，得到最终双层模型优化结果并输出。
本发明的有益效果在于：
1、基于能量共享的多5G基站微网运行策略
结合5G基站自身的时空能耗特性和休眠机制，对同一时刻具有空间域能耗差异性和互补性的多个5G基站微网进行光伏和储能的能量共享，并基于分时电价，制定能量共享策略，本策略适用于不同5G基站运营商也适用于同一运营商，也适用于现有多投资商的电力市场模式。可以提高光伏和5G基站备用电池的利用率，提高5G基站参与电网削峰填谷的能力，同时降低5G电力资费和延缓电网升级改造，达到5G运营商和电网之间的互利共赢。
2、计及5G基站用电可靠性的储能共享
进行多5G基站微网间储能的调控时，计及5G基站用电可靠性，设定可以满足市电停电情况下，5G基站微网配置的光伏和自身的后备储能可以支撑5G基站的稳定运行，进行本地备电。在满足多5G基站微网能量共享的同时，可以保证基站可靠用电的功能，满足用户的服务质量；同时兼顾5G基站运营商和电网双方的效益。
附图说明
图1为基于能量共享的5G基站微网光储***容量优化配置的双层模型示意图；
图2为基于能量共享的5G基站微网光储***容量优化配置的双层模型的求解流程图。
具体实施方式
本发明提出一种基于能量共享的5G基站微网光储***容量优化配置方法，下面结合附图和具体实施例对本发明做进一步说明。
步骤一：5G基站微网运行与发电特性分析
(1).基站负荷时空特性模型
本发明将宏基站配置光伏(PV)面板和蓄电池进行供电和备电，并且连接到电网，从而确保基线覆盖范围以及容量和处理过程的可靠连接，并与一组宏基站覆盖范围内的微基站组成5G基站微网结构。
宏基站的功耗Pm为：
Pm＝P0+ξ·Pout (1)
其中Pout是宏基站的流量负载，ξ·Pout是由流量负载产生的能耗，P0是宏基站在没有流量负载时产生的基础能耗。
微基站的基础功耗占据了绝大部分，随着流量负载的变化不大，又由于微基站处于活跃和休眠两种状态，因此微基站的功耗为：
Figure BDA0002950352250000091
其中θk＝{0,1}表示微基站k的状态，0表示休眠，1表示激活。
因此以一个宏基站Bm，在其范围内有k个微基站Bs＝{B1,B2,……,Bk}为5G基站微网，其中的总能耗为：
Figure BDA0002950352250000101
在流量负载方面，具有时间和空间上的双重特性。流量在时域上的主要特点是由用户典型的日间－夜间行为模式引起的潮汐效应。在空间域上的主要特点与用户行为的流动性密不可分。同一空间域内基站时域流量模型用正弦曲线叠加模型进行拟合，模型为：
Figure BDA0002950352250000102
其中，Pout(t)是微网内所有基站的总业务量，a0是一段时间内的平均业务量，ωw是业务流量变化的频率成分，aw和
Figure BDA0002950352250000103
分别是振幅和相位，W是频率分量的数量。频率分量为流量负载的改变拐点，不同的区域频率分量不尽相同。
基站微网中的业务呈非均匀分布，可用对数正态分布来表示：
Figure BDA0002950352250000104
均值参数μ会随时间周期性变化。由于用户社会行为，用户和业务流量的分布与场景类型显著相关，因而不同的场景中标准差σ的值不同。显示出不同场景中的5G基站微网能耗的差异性。
5G基站微网中，宏基站和微基站流量在时间上有强烈的周期性，并且上升与下降趋势步调一致，因而设宏基站的流量负载为微基站的X倍。5G基站微网中单个微基站的业务流量的变化具有随机性，则第k个微基站在t时刻的流量负载模型为：
Pk·out(t)＝lognrnd(μ(t),σ) (6)
其中单个微基站的平均业务量为：
Figure BDA0002950352250000105
每个时刻对数正态分布模型的均值μ为：
Figure BDA0002950352250000106
由此得不同场景下的5G基站微网的能耗特性曲线。5G基站能耗高，现有节能降耗研究以休眠机制为主，利用休眠机制对5G基站微网的能耗进行优化。
基于休眠机制的基站微网运行特性
1)某时刻微网内业务流量变化，若全部用户均能找到满足需求的基站则进行2)，若全部用户不都能找到满足需求的基站，则唤醒全部基站，按照距离将全部用户进行挂载后进行2)；
2)对微网内基站从小到大进行业务量排序；
3)针对宏基站的用户，将其范围内的微基站从近到远进行距离排序；
4)按照2)和3)排序，若某用户满足服务质量条件，将用户进行转移；
5)若针对某用户无满足转移条件，不进行休眠，回到原连接状态；
6)若某基站中所有用户都进行了转移，则该基站休眠。
目标函数：Fsleep＝minPtotal
Fsleep为5G基站微网基于休眠机制后的能耗。
保证用户质量约束条件：
SNRi,j≥SNRmin (9)
SNRi,j表示用户i接入基站j的信干噪比，SNRmin表示保证用户服务质量的最小信干噪比：
Figure BDA0002950352250000111
其中，m代表宏基站,K代表微基站集合，N0代表热噪声，
Figure BDA0002950352250000112
为基站j到用户i的路径损耗。
pl(d)＝69.55+26.16logfc-13.83lghte-α(hre)+(44.9-6.55loghte)logd (11)
其中，d表示基站j到用户i的距离，hte为基站天线有效高度，hre为接收的有效高度，fc为工作频率。
宏基站接收功率约束条件：
Figure BDA0002950352250000113
Figure BDA0002950352250000114
为宏基站接受功率的最大值。
(2).光伏发电模型
光伏发电功率与其额定容量间的关系式为：
Figure BDA0002950352250000115
其中PPV,STC是光伏面板的单位面积额定容量；M为光伏组件的面积，GC为地区光照强度，单位为kW/m2；GSTC为STC条件下太阳的辐射强度；αp为电池板的功率温度系数。
TC为光伏阵列进行电能转化过程中电池板的工作温度：
Figure BDA0002950352250000121
其中T是光伏阵列所在地区的环境温度。
TC,STC为STC条件下光伏阵列中电池板的温度。
(3).基站后备电池储能模型
5G基站后备储能电池充放电功率公式为：
Figure BDA0002950352250000122
Figure BDA0002950352250000123
其中E是5G基站后备储能电池的额定容量，SOC(t)为t时刻荷电状态；DESS是自放电系数；Pcha(t)、Pdisc(t)是1h内的充放电功率；P′(t)是其他5G基站微网输入的功率，若向其他5G基站微网输出，则为负值；ηinv—逆变器效率；ηbat—蓄电池充放电效率。
步骤二：构建基于能量共享的储能配置双层模型
如图1所示，具体模型如下：
(1).外层模型
以全寿命周期内5G基站微网总成本最低为目标函数：
Figure BDA0002950352250000124
储能和光伏的投资成本：
Figure BDA0002950352250000125
其中N为参与能量共享的5G基站光储微网的个数，r为折现率，
Figure BDA0002950352250000126
为第n个微网内光伏的配置容量，
Figure BDA0002950352250000127
为光伏***单位投资成本；L为储能寿命年限，
Figure BDA0002950352250000128
为第n个微网内第l年的储能的配置容量，
Figure BDA0002950352250000129
为储能***单位投资成本。
储能和光伏维护成本：
Figure BDA00029503522500001210
其中Ts为一年内季节划分，
Figure BDA0002950352250000131
为光伏单位维护成本，
Figure BDA0002950352250000132
为储能单位维护成本。
5G基站光储微网日常向电网购电成本：
Figure BDA0002950352250000133
Figure BDA0002950352250000134
为第h时段从电网的购电费用，由外层规划得出
光伏发电的财政补贴为：
Figure BDA0002950352250000135
Figure BDA0002950352250000136
为光伏***在第h时段的发电功率，
Figure BDA0002950352250000137
为光伏发电在第l年的度电补贴，Δt为一小时。
延缓电网升级的收益为：
Figure BDA0002950352250000138
其中CGinv为电网升级建设的成本，Δn为5G基站微网能量共享后延缓电网升级的年数：
Figure BDA0002950352250000139
其中τ为负荷的年增长率，λ为5G基站能量共享达到的削峰填谷的削峰率。
其中
Figure BDA00029503522500001310
和
Figure BDA00029503522500001311
为外层模型的决策变量。
约束条件：
投资成本上值：
Figure BDA00029503522500001312
Figure BDA00029503522500001313
为投资成本的最大值。
光伏场地限制：
M≤MPV max (25)
MPV max为光伏组件可安装的最大面积。
(2).内层模型
建立基于能量共享的5G基站微网光储***容量双层模型的内层模型目标函数，内层模型目标函数以日运行成本最低为目标，对5G基站光储微网运行方式进行优化，制定基于能量共享的5G基站微网光储***的最优运行策略，以日运行成本最低为目标函数
Figure BDA0002950352250000141
每个5G基站光储微网日运行成本为：
Figure BDA0002950352250000142
Figure BDA0002950352250000143
qPV(t)，qdis(t)，qGrid(t)分别为光伏、储能和电网在t时刻的电价，t∈[1,24]，PPV·j(t)，Pdis·j(t)分别为第j个5G基站光储微网的光伏、储能在t时刻的共享给第i个5G基站光储微网的功率，q′PV(t)、q′dis(t)分别为第j个5G基站光储微网的光伏、储能在t时刻的电价。
约束条件：
微网内功率平衡约束
Ptotal(t)+Pcha(t)＝PPV(t)+Pdist(t)+PGrid(t) (29)
储能荷电状态约束：
SOCmin≤SOC≤SOCmax (30)
其中SOCmin、SOCmax分别为允许荷电状态的最低值和最高值
储能充放电功率约束：
Figure BDA0002950352250000144
对储能始末时段电量进行约束：
Figure BDA0002950352250000145
其中E(0)、E(T)分别在运行周期起始时刻和终止时刻存储的电量。
储能备用容量约束：
为了保证5G基站可靠用电，需要满足无市电情况下储能满足：
Figure BDA0002950352250000146
其中：Pt+P(t)＝Ptotal(t)-PPV(t)，即市电停电时由本地光伏和储能共同保证5G基站可不断电运行3小时。
步骤三：模型求解
对步骤二建立的双层模型进行求解；如图2所示，外层优化配置模型采用遗传算法，基于外层目标即全寿命周期内5G基站微网总成本最低，对基站微网光伏和储能的额定容量进行寻优；内层优化模型调用fmincon函数，以基站微网日运行成本最低为目标，经过一年的循环计算后得到对应光伏和储能额定容量下基于能量共享的储能的最优运行策略，并将其传递给外层，外层计算目标函数值与适应度值，并通过交叉、变异等遗传操作进行寻优，最终得到双层优化模型的最优解。
(1)算法初始化，载入基础数据，包括运行时长、运行周期、基站微网负荷曲线参数、宏、微基站的流量负载曲线、光伏的出力曲线、储能技术指标、光伏技术指标、分时电价等其它数据；
(2)根据宏、微基站各时刻的流量负载进行休眠机制计算，得出各5G基站微网执行休眠算法后的负荷曲线；
(3)生成每个个体都包含储能额定容量、光伏额定容量信息初始种群Q；
(4)基于休眠机制优化计算的负荷曲线结果，调用fmincon函数，利用内层模型计算得到运行周期内初始种群Q中每个个体在利用基站光储***能量共享进一步优化运行后的最优充放电曲线结果与年负荷削峰率；
(5)根据储能额定容量、光伏的额定容量、微网间能量共享策略优化后的负荷曲线、年负荷削峰率和储能充放电曲线计算多个5G基站微网和电网在储能全寿命周期内的最低成本，计算初始种群Q中个体的适应度值；
(6)将初始种群Q进行遗传操作,包括选择、交叉和变异，其中交得到子代种群Q0，并将初始种群进行替换，重复步骤(4)至(5)，直到满足终止条件为止,得到最终双层模型优化结果并输出。
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (8)

1.一种基于能量共享的5G基站微网光储***容量优化配置方法，其特征在于，包括以下步骤：
步骤1：对5G基站微网运行与发电特性进行分析；包括基站负荷时空特性模型、基于休眠机制的基站微网运行特性、光伏发电模型和基站后备电池储能模型；
步骤2：建立基于能量共享的储能配置包括外层模型和内层模型的双层模型；
步骤3：对步骤2建立的双层模型进行求解。
2.根据权利要求1所述的基于能量共享的5G基站微网光储***容量优化配置方法，其特征在于，所述步骤1中的基站负荷时空特性模型具体为：
将宏基站配置光伏面板和蓄电池进行供电和备电，并且连接到电网，并与一组宏基站覆盖范围内的微基站组成5G基站微网结构；
宏基站的功耗Pm为：
Pm＝P0+ξ·Pout (1)
其中Pout是宏基站的流量负载，ξ·Pout是由流量负载产生的能耗，P0是宏基站在没有流量负载时产生的基础能耗；
微基站的功耗为：
Figure FDA0002950352240000011
其中θk＝{0,1}表示微基站k的状态，0表示休眠，1表示激活，Pθactive为激活状态下的微基站功耗，Pθsleep为休眠状态下的微基站功耗；
因此以一个宏基站Bm，在其范围内有k个微基站Bs＝{B1,B2,……,Bk}为5G基站微网，其中的总能耗为：
Figure FDA0002950352240000012
在流量负载方面，具有时间和空间上的双重特性；同一空间域内基站时域流量模型用正弦曲线叠加模型进行拟合，模型为：
Figure FDA0002950352240000021
其中，Pout(t)是微网内所有基站的总业务量，a0是一段时间内的平均业务量，ωw是业务流量变化的频率成分，aw和
Figure FDA0002950352240000025
分别是振幅和相位，W是频率分量的数量；频率分量为流量负载的改变拐点，不同的区域频率分量不尽相同；
基站微网中的业务呈非均匀分布，用对数正态分布来表示：
Figure FDA0002950352240000022
均值参数μ会随时间周期性变化；由于用户社会行为，用户和业务流量的分布与场景类型显著相关，因而不同的场景中标准差σ的值不同，显示出不同场景中的5G基站微网能耗的差异性；
5G基站微网中，宏基站和微基站流量在时间上有强烈的周期性，并且上升与下降趋势步调一致，因而设宏基站的流量负载为微基站的X倍；5G基站微网中单个微基站的业务流量的变化具有随机性，则第k个微基站在t时刻的流量负载模型为：
Pk·out(t)＝log nrnd(μ(t),σ) (6)
其中nrnd为对数正态分布函数；
其中单个微基站的平均业务量为：
Figure FDA0002950352240000023
每个时刻对数正态分布模型的均值μ为：
Figure FDA0002950352240000024
由此得不同场景下的5G基站微网的能耗特性曲线；5G基站能耗高，利用休眠机制对5G基站微网的能耗进行优化。
3.根据权利要求1所述的基于能量共享的5G基站微网光储***容量优化配置方法，其特征在于，所述步骤1中的基于休眠机制的基站微网运行特性具体包含以下步骤：
步骤A1：某时刻微网内业务流量变化，若全部用户均能找到满足需求的基站则进行步骤A2，若全部用户不都能找到满足需求的基站，则唤醒全部基站，按照距离将全部用户进行挂载后进行步骤A2；
步骤A2：对微网内基站从小到大进行业务量排序；
步骤A3：针对宏基站的用户，将其范围内的微基站从近到远进行距离排序；
步骤A4：按照步骤A2和步骤A3的排序结果，若某用户满足服务质量条件，则将该用户进行转移；
步骤A5：若针对某用户无满足转移条件，不进行休眠，回到原连接状态；
步骤A6：若某基站中所有用户都进行了转移，则该基站休眠；
基于休眠机制的基站微网运行特性的目标函数和约束条件为：
目标函数：
Fsleep＝minPtotal
其中，Fsleep为5G基站微网基于休眠机制后的能耗；
保证用户质量约束条件：
SNRi,j≥SNRmin (9)
SNRi,j表示用户i接入基站j的信干噪比，SNRmin表示保证用户服务质量的最小信干噪比：
Figure FDA0002950352240000031
其中m代表宏基站，K代表微基站集合，N0代表热噪声，
Figure FDA0002950352240000032
为基站j到用户i的路径损耗；
pl(d)＝69.55+26.16logfc-13.83lghte-α(hre)+(44.9-6.55loghte)logd (11)
其中，d表示基站j到用户i的距离，hte为基站天线有效高度，hre为接收的有效高度，fc为工作频率；
宏基站接收功率约束条件：
Figure FDA0002950352240000041
其中
Figure FDA0002950352240000042
为宏基站接受功率的最大值。
4.根据权利要求1所述的基于能量共享的5G基站微网光储***容量优化配置方法，其特征在于，所述步骤1中的光伏发电模型具体为：
光伏发电功率与其额定容量间的关系式为：
Figure FDA0002950352240000043
其中PPV,STC是光伏面板的单位面积额定容量；M为光伏组件的面积，GC为地区光照强度，单位为kW/m2；GSTC为STC条件下太阳的辐射强度；αp为电池板的功率温度系数；TC,STC为STC条件下光伏阵列中电池板的温度；TC为光伏阵列进行电能转化过程中电池板的工作温度，且
Figure FDA0002950352240000044
其中T是光伏阵列所在地区的环境温度。
5.根据权利要求1所述的基于能量共享的5G基站微网光储***容量优化配置方法，其特征在于，所述步骤1中的基站后备电池储能模型具体为：
5G基站后备储能电池充放电功率公式为：
Figure FDA0002950352240000045
Figure FDA0002950352240000046
其中E是5G基站后备储能电池的额定容量，SOC(t)为t时刻荷电状态；DESS是自放电系数；Pcha(t)、Pdisc(t)是1h内的充放电功率；P′(t)是其他5G基站微网输入的功率，若向其他5G基站微网输出，则为负值；ηinv为逆变器效率；ηbat为蓄电池充放电效率；Δt为一小时。
6.根据权利要求1所述的基于能量共享的5G基站微网光储***容量优化配置方法，其特征在于，所述步骤2中的外层模型具体为：
以全寿命周期内5G基站微网总成本最低为目标函数：
Figure FDA0002950352240000051
储能和光伏的投资成本：
Figure FDA0002950352240000052
其中N为参与能量共享的5G基站光储微网的个数，r为折现率，
Figure FDA0002950352240000053
为第n个微网内光伏的配置容量，
Figure FDA0002950352240000054
为光伏***单位投资成本；L为储能寿命年限，
Figure FDA0002950352240000055
为第n个微网内第l年的储能的配置容量，
Figure FDA0002950352240000056
为储能***单位投资成本；
储能和光伏维护成本：
Figure FDA0002950352240000057
其中Ts为一年内季节划分，
Figure FDA0002950352240000058
为第l年第s个季节第n个微网内光伏的配置容量，
Figure FDA0002950352240000059
为第l年第s个季节第n个微网内储能的配置容量，
Figure FDA00029503522400000510
为光伏单位维护成本，
Figure FDA00029503522400000511
为储能单位维护成本；
5G基站光储微网日常向电网购电成本：
Figure FDA00029503522400000512
其中
Figure FDA0002950352240000061
为第h时段从电网的购电费用，由外层规划得出光伏发电的财政补贴为：
Figure FDA0002950352240000062
Figure FDA0002950352240000063
为光伏***在第h时段的发电功率，
Figure FDA0002950352240000064
为光伏发电在第l年的度电补贴；
延缓电网升级的收益为：
Figure FDA0002950352240000065
其中CGinv为电网升级建设的成本，Δn为5G基站微网能量共享后延缓电网升级的年数：
Figure FDA0002950352240000066
其中τ为负荷的年增长率，λ为5G基站能量共享达到的削峰填谷的削峰率；其中
Figure FDA0002950352240000067
和
Figure FDA0002950352240000068
为外层模型的决策变量；
约束条件：
投资成本上值：
Figure FDA0002950352240000069
其中，
Figure FDA00029503522400000610
为投资成本的最大值；
光伏场地限制：
M≤MPV max (25)
其中，MPV max为光伏组件可安装的最大面积。
7.根据权利要求1所述的基于能量共享的5G基站微网光储***容量优化配置方法，其特征在于，所述步骤2中的内层模型具体为：
以日运行成本最低为目标函数
Figure FDA0002950352240000071
每个5G基站光储微网日运行成本为：
Figure FDA0002950352240000072
Figure FDA0002950352240000073
其中，qPV(t)，qdis(t)，qGrid(t)分别为光伏、储能和电网在t时刻的电价，t∈[1,24]，PPV·j(t)，Pdis·j(t)分别为第j个5G基站光储微网的光伏、储能在t时刻的共享给第i个5G基站光储微网的功率，q′PV(t)、q′dis(t)分别为第j个5G基站光储微网的光伏、储能在t时刻的电价；
约束条件：
微网内功率平衡约束
Ptotal(t)+Pcha(t)＝PPV(t)+Pdist(t)+PGrid(t) (29)
储能荷电状态约束：
SOCmin≤SOC≤SOCmax (30)
其中，SOCmin、SOCmax分别为允许荷电状态的最低值和最高值；
储能充放电功率约束：
Figure FDA0002950352240000074
对储能始末时段电量进行约束：
Figure FDA0002950352240000081
其中，E(0)、E(T)分别在运行周期起始时刻和终止时刻存储的电量；
储能备用容量约束：
为了保证5G基站可靠用电，需要满足无市电情况下储能满足：
Figure FDA0002950352240000082
其中：Pt+P(t)＝Ptotal(t)-PPV(t)，即市电停电时由本地光伏和储能共同保证5G基站不断电运行3小时。
8.根据权利要求1所述的基于能量共享的5G基站微网光储***容量优化配置方法，其特征在于，所述步骤3具体包括以下子步骤：
步骤31：算法初始化；载入基础数据，包括运行时长、运行周期、基站微网负荷曲线参数、宏基站与微基站的流量负载曲线、光伏的出力曲线、储能技术指标、光伏技术指标和分时电价；
步骤32：根据宏基站与微基站各时刻的流量负载进行休眠机制计算，得出各5G基站微网执行休眠算法后的负荷曲线；
步骤33：生成每个个体都包含储能额定容量、光伏额定容量信息的初始种群Q；
步骤34：基于休眠机制优化计算的负荷曲线结果，调用fmincon函数，利用内层模型计算得到运行周期内初始种群Q中每个个体在利用基站光储***能量共享进一步优化运行后的最优充放电曲线结果与年负荷削峰率；
步骤35：根据储能额定容量、光伏的额定容量、微网间能量共享策略优化后的负荷曲线、年负荷削峰率和储能充放电曲线计算多个5G基站微网和电网在储能全寿命周期内的最低成本，计算初始种群Q中个体的适应度值；
步骤36：将初始种群Q进行遗传操作，包括选择、交叉和变异，其中交叉得到子代种群Q0，并将初始种群进行替换，重复步骤34至步骤35，直到满足终止条件为止，得到最终双层模型优化结果并输出。
CN202110205508.5A 2021-02-24 2021-02-24 基于能量共享的5g基站微网光储***容量优化配置方法 Active CN112803495B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110205508.5A CN112803495B (zh) 2021-02-24 2021-02-24 基于能量共享的5g基站微网光储***容量优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110205508.5A CN112803495B (zh) 2021-02-24 2021-02-24 基于能量共享的5g基站微网光储***容量优化配置方法

Publications (2)

Publication Number Publication Date
CN112803495A true CN112803495A (zh) 2021-05-14
CN112803495B CN112803495B (zh) 2024-07-30

Family

ID=75815563

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110205508.5A Active CN112803495B (zh) 2021-02-24 2021-02-24 基于能量共享的5g基站微网光储***容量优化配置方法

Country Status (1)

Country Link
CN (1) CN112803495B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113488995A (zh) * 2021-06-29 2021-10-08 国网安徽省电力有限公司电力科学研究院 基于储能成本的共享储能容量优化配置方法和装置
CN113644675A (zh) * 2021-09-07 2021-11-12 威胜电气有限公司 一种5g基站光储电源的削峰填谷控制方法
CN113964853A (zh) * 2021-10-14 2022-01-21 广东电网有限责任公司 一种5g宏基站群优化调度方法、装置、介质及终端设备
CN114256836A (zh) * 2021-12-13 2022-03-29 国网青海省电力公司清洁能源发展研究院 一种新能源电站共享储能的容量优化配置方法
CN114884756A (zh) * 2022-01-04 2022-08-09 长沙理工大学 一种基于蒙特卡罗算法的5g基站备用电池容量计算方法
WO2023051338A1 (zh) * 2021-09-29 2023-04-06 华为技术有限公司 一种电池控制方法、装置及设备
CN116365592A (zh) * 2023-06-01 2023-06-30 湖南大学 一种光储柔***设计与运行协同优化方法、装置、介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105257354A (zh) * 2015-09-26 2016-01-20 贡茅 压缩空气储能的风光互补冷热气电新能源***
CN109687444A (zh) * 2018-12-27 2019-04-26 广东电网有限责任公司 一种微电网电源多目标双层优化配置方法
CN110165768A (zh) * 2019-06-21 2019-08-23 国核电力规划设计研究院重庆有限公司 一种基于光储智能微网的蓄电池容量配置***及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105257354A (zh) * 2015-09-26 2016-01-20 贡茅 压缩空气储能的风光互补冷热气电新能源***
CN109687444A (zh) * 2018-12-27 2019-04-26 广东电网有限责任公司 一种微电网电源多目标双层优化配置方法
CN110165768A (zh) * 2019-06-21 2019-08-23 国核电力规划设计研究院重庆有限公司 一种基于光储智能微网的蓄电池容量配置***及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LI, YW，等: "Optimization Scheduling Model Based on Source-Load-Energy Storage Coordination in Power Systems", 2016 22ND INTERNATIONAL CONFERENCE ON AUTOMATION AND COMPUTING (ICAC), 23 November 2016 (2016-11-23), pages 120 - 125 *
刁涵彬，等: "考虑电/热储能互补协调的综合能源***优化调度", 电工技术学报, vol. 35, no. 21, 30 November 2020 (2020-11-30), pages 4532 - 4543 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113488995A (zh) * 2021-06-29 2021-10-08 国网安徽省电力有限公司电力科学研究院 基于储能成本的共享储能容量优化配置方法和装置
CN113488995B (zh) * 2021-06-29 2024-03-12 国网安徽省电力有限公司电力科学研究院 基于储能成本的共享储能容量优化配置方法和装置
CN113644675A (zh) * 2021-09-07 2021-11-12 威胜电气有限公司 一种5g基站光储电源的削峰填谷控制方法
CN113644675B (zh) * 2021-09-07 2023-10-27 威胜能源技术股份有限公司 一种5g基站光储电源的削峰填谷控制方法
WO2023051338A1 (zh) * 2021-09-29 2023-04-06 华为技术有限公司 一种电池控制方法、装置及设备
CN113964853A (zh) * 2021-10-14 2022-01-21 广东电网有限责任公司 一种5g宏基站群优化调度方法、装置、介质及终端设备
CN114256836A (zh) * 2021-12-13 2022-03-29 国网青海省电力公司清洁能源发展研究院 一种新能源电站共享储能的容量优化配置方法
CN114256836B (zh) * 2021-12-13 2023-07-04 国网青海省电力公司清洁能源发展研究院 一种新能源电站共享储能的容量优化配置方法
CN114884756A (zh) * 2022-01-04 2022-08-09 长沙理工大学 一种基于蒙特卡罗算法的5g基站备用电池容量计算方法
CN114884756B (zh) * 2022-01-04 2023-08-08 长沙理工大学 一种基于蒙特卡罗算法的5g基站备用电池容量计算方法
CN116365592A (zh) * 2023-06-01 2023-06-30 湖南大学 一种光储柔***设计与运行协同优化方法、装置、介质
CN116365592B (zh) * 2023-06-01 2023-08-15 湖南大学 一种光储柔***设计与运行协同优化方法、装置、介质

Also Published As

Publication number Publication date
CN112803495B (zh) 2024-07-30

Similar Documents

Publication Publication Date Title
CN112803495B (zh) 基于能量共享的5g基站微网光储***容量优化配置方法
CN109193812B (zh) 一种园区光储荷微电网经济调度实现方法
CN110661246B (zh) 一种城市轨道交通光伏储能***的容量优化配置方法
CN112734098B (zh) 一种基于源-荷-网平衡的配电网电力调度方法及***
CN107910863A (zh) 综合考虑光伏出力和负荷需求预测区间的配电网调度方法
CN110676849B (zh) 一种孤岛微电网群能量调度模型的构建方法
CN105552940A (zh) 基于交替方向乘子算法的分布式全局最优能量管理***
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***
CN114243795A (zh) 一种典型充电站综合能源协同交互优化配置方法及***
CN116151436A (zh) 一种面向家庭用户的光伏建筑能源规划方法及***
Ma et al. Optimal configuration for photovoltaic storage system capacity in 5G base station microgrids
CN111092451A (zh) 一种基于配电网网格的光伏消纳预警方法
CN112332450A (zh) 一种基于光伏储能和路灯照明的微电网控制装置
CN113285523A (zh) 一种基于数据迁移的多站融合数据中心优化方法及***
CN112350435A (zh) 一种基于微电网群和电力可控负荷的虚拟电厂管控装置
CN113690925B (zh) 一种基于微电网的能量交互优化方法及***
CN110224397A (zh) 一种风光接入背景下用户侧电池储能成本效益分析方法
CN114723278A (zh) 一种考虑光伏储能的社区微电网调度方法及***
CN112767189B (zh) 一种计及风电并网下电网灵活性评估方法
Wu et al. Research on optimal storage capacity of DC micro‐grid system in PV station
Cheng et al. Research on the mode of energy distribution network for smart low-carbon city
CN110768306A (zh) 一种提高保底电网中微电网应急能力的电源容量配置方法
Liu et al. Hierarchical optimization scheduling of active demand response for distribution networks in 5G base stations
Chen et al. Research on Optimal Configuration of Battery Energy Storage System for Photovoltaic Systems with Different Load Demand
Lin et al. Programming optimization model of PV-BESS in tegrated system considering transferable demand response

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211124

Address after: 102206 No. 2 Nong Road, Changping District, Beijing

Applicant after: NORTH CHINA ELECTRIC POWER University

Applicant after: INFORMATION COMMUNICATION COMPANY OF STATE GRID TIANJIN ELECTRIC POWER CO.

Address before: 102206 No. 2 Nong Road, Zhu Xin Zhuang, Beijing, Changping District

Applicant before: NORTH CHINA ELECTRIC POWER University

GR01 Patent grant
GR01 Patent grant