CN112952795B - 一种基于移动储能的配电网多时间尺度协调调度方法 - Google Patents

一种基于移动储能的配电网多时间尺度协调调度方法 Download PDF

Info

Publication number
CN112952795B
CN112952795B CN202011357738.5A CN202011357738A CN112952795B CN 112952795 B CN112952795 B CN 112952795B CN 202011357738 A CN202011357738 A CN 202011357738A CN 112952795 B CN112952795 B CN 112952795B
Authority
CN
China
Prior art keywords
energy storage
mobile energy
scheduling
short
distribution network
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.)
Active
Application number
CN202011357738.5A
Other languages
English (en)
Other versions
CN112952795A (zh
Inventor
李媛
张军
王渊
迟昆
彭婧
贾春蓉
杨德州
张中丹
王涛
孙亚璐
曹喆
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.)
Economic and Technological Research Institute of State Grid Gansu Electric Power Co Ltd
Original Assignee
Economic and Technological Research Institute of State Grid Gansu Electric Power Co Ltd
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 Economic and Technological Research Institute of State Grid Gansu Electric Power Co Ltd filed Critical Economic and Technological Research Institute of State Grid Gansu Electric Power Co Ltd
Priority to CN202011357738.5A priority Critical patent/CN112952795B/zh
Publication of CN112952795A publication Critical patent/CN112952795A/zh
Application granted granted Critical
Publication of CN112952795B publication Critical patent/CN112952795B/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
    • H02J3/008—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
    • 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
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种基于移动储能的配电网多时间尺度协调调度方法，包括以下步骤：1)基于短期预测信息进行短期调度，确定移动储能调度结果；2)基于超短期预测信息修正移动储能调度结果，实现基于移动储能的配电网多时间尺度协调调度。本发明降低了配电网的停电损失，在超短期调度中在满足经济性的条件下基于预测控制的方法追踪短期调度结果，能够很好地应对交通信息和新能源出力带来的影响。并通过仿真，说明超短期调度结果通过追踪移动储能的位置和容量状态，很好的应对了交通信息和新能源出力带来的影响。

Description

一种基于移动储能的配电网多时间尺度协调调度方法
技术领域
本发明涉及电力***调度运行技术领域，特别是一种基于移动储能的配电网多时间尺度协调调度方法。
背景技术
自然灾害的频发对电网的安全运行产生着不利的影响，甚至危及人们的人身和经济安全。配电网中有着大量的分布式能源，如分布式发电机、光伏和风电等，在大电网发生事故后，配电网可利用其中的分布式电源进行临时供电，从而降低停电带来的损失。另外，包括电动汽车在内的移动储能设备(MESS)作为一种新型的分布式资源，在配电网的灾后恢复运行中可以发挥很大的作用。
移动储能设备主要有两大部分组成：动力车和集装箱储能***。集装箱储能***一般由储能电池***、监控***、电池管理***及电池检测显示***、集装箱电池专用空调、储能变流器和隔离变压器等部分组成。移动储能设备相比于固定式电池储能***更加灵活便捷且更易生产和组装维修，容易实现事故隔离。其在电网中其应用包括电网调峰调频、平衡新能源出力、电压稳定调节、降低配电网网损和运行总成本以及配电网灾后恢复等方面。
现有技术中，无法实现在考虑交通信息和新能源出力的不确定性的情况下，完成配电网初步的灾后恢复。
发明内容
本发明为解决现有技术中的问题，目的是提出了一种先基于短期预测信息以经济性为目标进行短期调度，再在短期调度结果基础上利用超短期预测信息修正调度结果的基于移动储能的配电网多时间尺度协调调度方法，实现配电网初步的灾后恢复，降低停电经济损失，使经济效益达到最佳。
为实现上述目的，本发明采用的技术方案如下：
一种基于移动储能的配电网多时间尺度协调调度方法，包括以下步骤：
1)基于短期预测信息进行短期调度，确定移动储能调度结果；
2)基于超短期预测信息修正移动储能调度结果，实现基于移动储能的配电网多时间尺度协调调度。
本发明进一步的改进在于，短期调度以经济性为目标，根据配电网的故障线路、微网参数、负荷特性进行网络重构，依靠微网对负荷进行供电，并借助移动储能实现能源在不同区域间的转移，确定移动储能调度结果。
本发明进一步的改进在于，步骤1)具体过程如下：
建立配电网灾后恢复和网络重构的短期调度模型；该模型以最小化停电损失、储能移动费用以及燃料成本为目标，目标函数为：
Figure GDA0003863844020000021
其中，
Figure GDA0003863844020000022
和ξi，t，n为待求解变量，分别表示移动储能在微网i处的充电功率、放电功率以及移动储能的位置状态变量；ρi，
Figure GDA0003863844020000023
分别为单位电量停电损失、移动储能转移费用、移动储能维护费用以及燃料费用；Nt，N，NE和Ng分别为调度的时段数、配电网的节点数、移动储能数和柴油机数；
Figure GDA0003863844020000024
和
Figure GDA0003863844020000025
分别为原负荷和灾后恢复负荷；
Figure GDA0003863844020000026
为柴油的出力；
短期调度模型的约束包括对移动储能模型的约束以及配电网运行约束；
根据短期预测信息求解短期调度模型，得到移动储能的充放电功率和位置状态，确定移动储能调度结果。
本发明进一步的改进在于，配电网运行约束包括网络重构约束、微网运行约束和网络潮流约束。
本发明进一步的改进在于，步骤2)的具体过程如下：先在每个时刻预测下一周期的交通拥堵程度、新能源出力以及移动储能实时的位置容量，然后根据预测结果与短期预测信息利用超短期调度模型进行滚动优化计算，得到超短期的调度结果，最终将超短期的调度结果反馈给配电网的调度***，实现基于移动储能的配电网多时间尺度协调调度。
本发明进一步的改进在于，超短期调度模型的目标函数为：
Figure GDA0003863844020000031
其中，
Figure GDA0003863844020000032
表示移动储能转移结果偏离短期调度结果的惩罚费用；
Figure GDA0003863844020000033
为超短期调度时表示移动储能位置状态的0-1变量；ΔT′为超短期调度的时间间隔；
模型预测控制的超短期调度模型的约束包括移动储能的约束、微网运行约束、网络潮流约束和荷电状态约束。
本发明进一步的改进在于，移动储能模型包括：移动储能转移模型和移动储能充放电模型；
移动储能转移模型约束为：
Figure GDA0003863844020000034
其中，NM为配电网中微网的数目，i＝1，2，...，NM，t＝1，2，...，Nt，Nt为调度的时段数；ζij，t为移动储能位置状态的0-1变量；
移动储能转移模型为：
TN×PSn≤U
Figure GDA0003863844020000035
其中，矩阵
Figure GDA0003863844020000036
Figure GDA0003863844020000037
其中
Figure GDA0003863844020000041
m为一整数；
移动储能充放电模型的约束为；
Figure GDA0003863844020000042
Figure GDA0003863844020000043
Figure GDA0003863844020000044
其中，
Figure GDA0003863844020000045
和
Figure GDA0003863844020000046
分别表示移动储能充电状态和放电状态的0-1变量；
Figure GDA0003863844020000047
和
Figure GDA0003863844020000048
分别表示移动储能在微网i处的充电功率和放电功率；
Figure GDA0003863844020000049
和
Figure GDA00038638440200000410
分别表示移动储能充电功率和放电功率的最大值。
与现有技术相比，本发明的有益效果是：本发明通过短期预测信息进行短期调度，确定移动储能调度结果；通过超短期预测信息修正移动储能调度结果，实现基于移动储能的配电网多时间尺度协调调度，本发明降低了配电网的停电损失，在超短期调度中在满足经济性的条件下基于预测控制的方法追踪短期调度结果，能够很好地应对交通信息和新能源出力带来的影响。并通过仿真，说明超短期调度结果通过追踪移动储能的位置和容量状态，很好的应对了交通信息和新能源出力带来的影响。
进一步的，本发明通过建立移动储能转移的线性模型，并考虑交通信息和新能源出力的不确定性，建立了多时间尺度协调的灾后恢复模型，其在短期调度中以经济性为目标，负荷恢复率和能源利用率均明显提高，降低了配电网的停电损失，在超短期调度中在满足经济性的条件下基于预测控制的方法追踪短期调度结果，能够很好地应对交通信息和新能源出力带来的影响。
附图说明
图1为本发明提出的基于移动储能的配电网多时间尺度协调灾后恢复运行策略流程图。
图2为本发明采用的移动储能转移模型中移动储能移动示意图。
图3为本发明基于IEEE-33节点配电网的仿真计算的配电网恢复结果。
图4为本发明基于IEEE-33节点配电网的仿真计算的移动储能位置跟踪结果。其中，(a)为移动储能1，(b)为移动储能2，(c)为移动储能3，(d)为移动储能4。
图5为本发明基于IEEE-33节点配电网的仿真计算的移动储能容量跟踪结果。其中，(a)为移动储能1，(b)为移动储能2，(c)为移动储能3，(d)为移动储能4。
其中，(a)为配电网恢复结果，(b)为移动储能位置跟踪结果，(c)为移动储能容量跟踪结果。
具体实施方式
下面结合附图对本发明进行详细说明。
参见图1，基于移动储能的配电网多时间尺度协调调度方法，以最小化停电损失、移动储能转移维护费用以及燃料成本为目标，实现配电网灾后恢复的多时间尺度的协调调度。将道路的拥挤程度用量化的指标表示，建立移动储能转移的线性化模型，同时给出了移动储能充放电约束。根据配电网内新能源出力和交通信息等短期预测结果，结合配电网故障情况、移动储能基本信息，进行短期调度计算，得到配电网灾后恢复的网络重构结果和短期运行结果；在得到的网络重构结果以及移动储能调度结果基础上，结合超短期预测信息和移动储能实时信息，超短期预测新能源出力和交通信息结果以及移动储能实时的位置容量信息，得到超短期调度结果，配电网可以按照超短期调度结果进行修正后的运行。
具体包括以下步骤：
步骤一，对参与调度的移动储能做出约束。
为将移动储能用于配电网灾后的调度，需根据配电网中移动储能的数量、容量、充放电效率等信息，同时获取调度周期内所有时段交通信息的预测结果，对参与调度的移动储能建立移动储能模型。该模型将对调度中移动储能各时段的位置状态、荷电状态以及充放电状态等做出约束。移动储能模型包括：a，移动储能转移模型；b，移动储能充放电模型。
a，移动储能转移模型，以行驶时间来表征储能转移时间ζij，t，其与微网间平均拥挤程度Kij，t、路程dij以及正常行驶速度vij等有关。参见图2，道路的拥挤程度可分为通畅、较为通畅、较为拥堵和拥堵四种，通畅情况为正常行驶状态，其拥挤程度用1表示，其他状况的拥挤程度则可表示为在通畅情况下行驶时间的倍数，较为通畅记为1.3、较为拥堵记为1.6、拥堵记为2，然后将各条道路的拥挤程度按路程加权平均即可得到微网间平均拥挤程度Kij，t。定义变量ξi，t，n为表示移动储能位置状态的0-1变量(其值为1时表示移动储能n在t时段处于i处，其值为0时则相反)。
因移动储能每一时间段只会出现在一个位置，所以有移动储能转移模型约束：
Figure GDA0003863844020000061
其中，NM为配电网中微网的数目，i＝1，2，...，NM，t＝1，2，...，Nt。Nt为调度的时段数。
移动储能位置状态信息可表示为矩阵PSn：
Figure GDA0003863844020000062
所有时段的交通信息可以放在同一矩阵TN中：
Figure GDA0003863844020000063
Figure GDA0003863844020000064
其中
Figure GDA0003863844020000065
m为一整数，取值为m＝max{ζij，t}。
利用上述两个矩阵可将整个调度周期内移动储能转移模型表示为：
TN×PSn≤U
Figure GDA0003863844020000066
在b移动储能充放电模型中，移动储能存在充放电状态约束和充放电功率约束：
Figure GDA0003863844020000067
Figure GDA0003863844020000068
Figure GDA0003863844020000069
其中，
Figure GDA0003863844020000071
和
Figure GDA0003863844020000072
分别表示移动储能充电状态和放电状态的0-1变量。
Figure GDA0003863844020000073
和
Figure GDA0003863844020000074
分别表示移动储能在微网i处的充电功率和放电功率；
Figure GDA0003863844020000075
和
Figure GDA0003863844020000076
分别表示移动储能充电功率和放电功率的最大值。
另外移动储能荷电状态SOCt，n还受其额定容量Ecap，n、充电效率ηch，n和放电效率ηdis，n的限制：
Figure GDA0003863844020000077
SOCn，min≤SOCt，n≤SOCn，max.
步骤二，基于短期预测信息进行短期调度，确定配电网的网络重构和移动储能调度结果。短期预测信息是指在每个时刻对未来24小时调度时间内交通拥挤程度、风电及光伏出力的预测结果。短期调度以经济性为目标，需根据配电网的故障线路、微网参数、负荷特性等信息进行网络重构，依靠微网对负荷进行供电，并借助移动储能实现能源在不同区域间的转移。
首先，建立配电网灾后恢复和网络重构的短期调度模型。该模型以最小化停电损失、储能移动费用以及燃料成本为目标，目标函数为：
Figure GDA0003863844020000078
其中，
Figure GDA0003863844020000079
和ξi，t，n为待求解变量，分别表示移动储能在微网i处的充电功率、放电功率以及移动储能的位置状态变量；ρi，
Figure GDA00038638440200000710
分别为单位电量停电损失、移动储能转移费用、移动储能维护费用以及燃料费用；Nt，N，NE和Ng分别为调度的时段数、配电网的节点数、移动储能数和柴油机数；
Figure GDA00038638440200000711
和
Figure GDA00038638440200000712
分别为原负荷和灾后恢复负荷；
Figure GDA00038638440200000713
为柴油的出力。
短期调度模型的约束首先应考虑步骤一中对移动储能模型的约束，另外还应考虑配电网运行约束，包括：网络重构约束、微网运行约束、网络潮流约束，这里不再赘述。
需要说明的是，此时步骤一中对移动储能做出的约束是基于交通信息的短期预测信息得到的。微网中新能源的出力也应按短期预测信息进行计算。
根据短期调度模型，计算移动储能的充放电功率和位置状态，即求解该短期调度模型，求解该短期调度模型实质上是求解一个混合整数数学规划模型，可采用分支定界法或割平面算法求解，得到的变量
Figure GDA0003863844020000081
的求解结果便是短期预测模型下，基于移动储能的配电网灾后恢复的网络重构结果和短期运行结果。根据这些结果，可以得到每一时刻和位置对应的移动储能充放电功率，通过移动储能在微网间对能源进行传输，以提高灾后负荷恢复率。
移动储能的充放电功率和位置状态，即得到配电网的网络重构和移动储能调度结果。
步骤三，基于超短期预测信息修正移动储能调度结果。
为降低交通拥挤程度和新能源出力的预测误差对计算结果的影响，步骤三需要在步骤二得到的配电网的网络重构和移动储能调度结果的基础上，建立超短期调度模型，采用了MPc的思想进行计算，包括预测、滚动和反馈三个步骤：
首先得到超短期预测信息，超短期预测信息是指在每个时刻对未来4小时内交通拥堵程度、新能源出力以及移动储能实时的位置容量等数据的预测结果，然后根据超短期预测信息，在步骤二得到的配电网网络重构结果和短期运行结果的基础上利用超短期调度模型进行滚动优化计算，最终将计算结果反馈给配电网的调度***，配电网可按此修正后的结果运行。
超短期调度模型的目标函数除应包含短期调度目标函数所考虑的因素外，还将短期调度转移过程偏离短期调度结果的部分通过惩罚费用的形式加到目标函数中。其目的是为了保证储能转移的过程与短期调度结果近似。基于模型预测控制(MPC)的超短期调度模型的目标函数为：
Figure GDA0003863844020000082
其中，
Figure GDA0003863844020000091
表示移动储能转移结果偏离短期调度结果的惩罚费用；
Figure GDA0003863844020000092
为超短期调度时表示移动储能位置状态的0-1变量；ΔT′为超短期调度的时间间隔。
为避免配电网结构频繁变化，在超短期调度中沿用短期调度的网络重构结果，不再考虑网络重构约束，但仍需考虑步骤一种的移动储能的约束、微网运行约束和网络潮流约束，此处不再赘述。另外，为了追踪储能容量，保证步骤二中的短期模型与步骤三中的超短期模型得出的储能荷电状态一致，需要考虑荷电状态约束：
Figure GDA0003863844020000093
Figure GDA0003863844020000094
为超短期调度周期末移动储能的荷电状态。
超短期调度模型实质仍是一个混合整数数学规划模型，仍采用分支定界法或割平面算法求解。其可以通过跟踪移动储能的位置和容量状态应对交通信息和新能源出力的不确定性带来的影响。
通过短期调度与超短期调度的结合，配电网在灾后可实现多时间尺度的储能的协调调度，从而实现配电网多时间尺度的灾后恢复运行，提高***的恢复力。
参见图3、图4和图5，选用IEEE-33节点配电网进行仿真计算。假定在故障发生后，配电网中的线路(1，2)、(6，26)和(24，25)发生了故障，其余线路可以恢复使用，在节点4、16和24处分别有一个微网可以恢复供电。短期调度的时间尺度设为1h，总调度时间设为24h。超短期调度的时间尺度设为15min，调度周期设为4小时。图3给出了配电网恢复后的网络重构结果，分别由三个微网给三个孤岛进行供能。图4中(a)、(b)、(c)、(d)和图5中(a)、(b)、(c)、(d)分别给出了移动储能对短期调度结果位置和容量的跟踪情况，从图中可以明显看出移动储能基本按照短期调度的运行趋势来运行。说明超短期调度结果通过追踪移动储能的位置和容量状态，很好的应对了交通信息和新能源出力带来的影响。

Claims (5)

1.一种基于移动储能的配电网多时间尺度协调调度方法，其特征在于，包括以下步骤：
1)基于短期预测信息进行短期调度，为根据配电网的故障线路、微网参数、负荷特性进行网络重构，依靠微网对负荷进行供电，并借助移动储能实现能源在不同区域间的转移，短期调度以经济性为目标建立配电网灾后恢复和网络重构的短期调度模型，该模型以最小化停电损失、储能移动费用以及燃料成本为目标，目标函数为：
Figure FDA0003863844010000011
其中，
Figure FDA0003863844010000012
和ξi,t,n为待求解变量，分别表示第t时段移动储能n在微网i处的充电功率、放电功率以及移动储能的位置状态变量；ρi,
Figure FDA0003863844010000013
和
Figure FDA0003863844010000014
分别为单位电量停电损失、移动储能转移费用、移动储能维护费用以及燃料费用；Nt,N,NE,NM和Ng分别为短期调度的时段数、配电网的节点数、移动储能数、配电网中微网的数目和柴油机数；
Figure FDA0003863844010000015
和
Figure FDA0003863844010000016
分别为原负荷和灾后恢复负荷；
Figure FDA0003863844010000017
为柴油的出力；ΔT为短期调度的时间间隔；
短期调度模型的约束包括对移动储能模型的约束以及配电网运行约束；
通过求解短期调度模型得到移动储能的充放电功率和位置状态，确定移动储能调度结果；
2)基于超短期预测信息修正移动储能调度结果，实现基于移动储能的配电网多时间尺度协调调度。
2.根据权利要求1所述的一种基于移动储能的配电网多时间尺度协调调度方法，其特征在于，配电网运行约束包括网络重构约束、微网运行约束和网络潮流约束。
3.根据权利要求1所述的一种基于移动储能的配电网多时间尺度协调调度方法，其特征在于，步骤2)的具体过程如下：先在每个时刻预测下一周期的交通拥堵程度、新能源出力以及移动储能实时的位置容量，然后根据预测结果与短期调度的预测结果利用超短期调度模型进行滚动优化计算，得到超短期的调度结果，最终将超短期的调度结果反馈给配电网的调度***，实现基于移动储能的配电网多时间尺度协调调度。
4.根据权利要求3所述的一种基于移动储能的配电网多时间尺度协调调度方法，其特征在于，超短期调度模型的目标函数为：
Figure FDA0003863844010000021
其中，
Figure FDA0003863844010000022
表示移动储能转移结果偏离短期调度结果的惩罚费用；
Figure FDA0003863844010000023
为超短期调度时表示移动储能位置状态的0-1变量；
Figure FDA0003863844010000024
为超短期调度时段数；ΔT′为超短期调度的时间间隔；
模型预测控制的超短期调度
模型的约束包括移动储能的约束、微网运行约束、网络潮流约束和荷电状态约束。
5.根据权利要求1所述的一种基于移动储能的配电网多时间尺度协调调度方法，其特征在于，移动储能模型包括：移动储能转移模型和移动储能充放电模型；
移动储能转移模型约束为：
Figure FDA0003863844010000025
其中，NM为配电网中微网的数目，i＝1,2，…，NM，t＝1,2，…，Nt，Nt为调度的时段数；ξi,t,n为移动储能位置状态的0-1变量；
移动储能转移模型为：
TN×PSn≤U
Figure FDA0003863844010000031
Figure FDA0003863844010000032
Figure FDA0003863844010000033
其中，PSn为包含移动储能位置状态信息的矩阵；TN为包含调度周期内所有时段交通信息的矩阵；U为单位列向量；T表示向量的转置；Ai,t为包含交通信息的矩阵，具体表示如下：
Figure FDA0003863844010000034
其中，m为一整数，取值为
Figure FDA0003863844010000035
表示移动储能在微网间移动可能的最长时间；
Figure FDA0003863844010000036
表示移动储能充放电模型的约束为；
Figure FDA0003863844010000037
Figure FDA0003863844010000038
Figure FDA0003863844010000039
其中，
Figure FDA00038638440100000310
和
Figure FDA00038638440100000311
分别表示移动储能充电状态和放电状态的0-1变量；
Figure FDA00038638440100000312
和
Figure FDA00038638440100000313
分别表示移动储能在微网i处的充电功率和放电功率；
Figure FDA00038638440100000314
和
Figure FDA00038638440100000315
分别表示移动储能充电功率和放电功率的最大值。
CN202011357738.5A 2020-11-27 2020-11-27 一种基于移动储能的配电网多时间尺度协调调度方法 Active CN112952795B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011357738.5A CN112952795B (zh) 2020-11-27 2020-11-27 一种基于移动储能的配电网多时间尺度协调调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011357738.5A CN112952795B (zh) 2020-11-27 2020-11-27 一种基于移动储能的配电网多时间尺度协调调度方法

Publications (2)

Publication Number Publication Date
CN112952795A CN112952795A (zh) 2021-06-11
CN112952795B true CN112952795B (zh) 2022-12-02

Family

ID=76234716

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011357738.5A Active CN112952795B (zh) 2020-11-27 2020-11-27 一种基于移动储能的配电网多时间尺度协调调度方法

Country Status (1)

Country Link
CN (1) CN112952795B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222928A (zh) * 2011-06-16 2011-10-19 北京许继电气有限公司 电动汽车动力电池大型集中储能智能型充放电***
CN102709984A (zh) * 2012-06-13 2012-10-03 清华大学 一种基于智能交通***的电动汽车充电路径规划方法
CN105957377A (zh) * 2016-05-03 2016-09-21 北京新能源汽车股份有限公司 基于无人驾驶电动汽车的智能交通控制***和方法
CN108631344A (zh) * 2018-03-27 2018-10-09 国网天津市电力公司 一种计及输电网运行约束的电动汽车有序充放电控制方法
CN110445159A (zh) * 2019-08-08 2019-11-12 国网天津市电力公司 提高大规模光伏消纳的电动汽车有序充电控制方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184475B (zh) * 2011-05-11 2013-10-16 浙江大学 基于多时间尺度协调的微网经济运行优化调度方法
US9148027B2 (en) * 2012-07-30 2015-09-29 General Electric Company Method and system for charging of electric vehicles
CN103595107B (zh) * 2013-12-02 2015-11-11 国家电网公司 电动汽车充放电控制***及方法
CN104951614A (zh) * 2015-06-30 2015-09-30 国家电网公司 一种计及电动汽车充电可控性的机组组合模型及建模方法
CN105160151B (zh) * 2015-07-31 2018-02-13 国家电网公司 一种基于模糊K‑means算法的电动汽车应急供电方法
CN106026076B (zh) * 2016-05-17 2018-06-12 上海电力学院 一种计及电动汽车支撑能力的用户侧供电可靠性评估方法
CN107330564A (zh) * 2017-07-18 2017-11-07 国家电网公司 一种基于时空双尺度的电动汽车优化调度模型
CN108521132B (zh) * 2018-04-16 2021-04-13 广西大学 多能互补支撑电网频率调节的多时间尺度优化控制方法
CN108695875B (zh) * 2018-06-28 2021-08-20 华北电力大学（保定） 智能软开关和储能装置联合接入的配电网运行优化方法
CN109256792B (zh) * 2018-10-10 2023-12-22 华南理工大学 一种面向分布式储能需求的储能集聚***及其优化方法
CN109742779B (zh) * 2018-12-14 2022-09-02 中国电力科学研究院有限公司 一种分布式储能调度方法和装置
CN109687523A (zh) * 2019-02-28 2019-04-26 广东工业大学 一种基于多时间尺度的微电网的运行优化方法
CN110570007B (zh) * 2019-06-17 2023-05-09 上海交通大学 电动汽车多时间尺度优化调度方法
AU2020100729A4 (en) * 2020-05-07 2020-06-18 Southwest University Application of neurodynamic algorithms in energy scheduling problem of residential users

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222928A (zh) * 2011-06-16 2011-10-19 北京许继电气有限公司 电动汽车动力电池大型集中储能智能型充放电***
CN102709984A (zh) * 2012-06-13 2012-10-03 清华大学 一种基于智能交通***的电动汽车充电路径规划方法
CN105957377A (zh) * 2016-05-03 2016-09-21 北京新能源汽车股份有限公司 基于无人驾驶电动汽车的智能交通控制***和方法
CN108631344A (zh) * 2018-03-27 2018-10-09 国网天津市电力公司 一种计及输电网运行约束的电动汽车有序充放电控制方法
CN110445159A (zh) * 2019-08-08 2019-11-12 国网天津市电力公司 提高大规模光伏消纳的电动汽车有序充电控制方法

Also Published As

Publication number Publication date
CN112952795A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
CN103606967B (zh) 一种实现电力***鲁棒运行的调度方法
CN103001225B (zh) 基于mas的多微电网能量管理***仿真方法
Zhao et al. An MAS based energy management system for a stand-alone microgrid at high altitude
CN110729770B (zh) 一种主动配电网负荷故障恢复策略优化算法
CN111786422B (zh) 基于bp神经网络的微电网参与上层电网实时优化调度方法
Fang et al. Optimal energy management of multiple electricity-hydrogen integrated charging stations
CN103337890A (zh) 一种电动出租车充电站有序充电***及方法
CN105098979A (zh) 一种自动化电力调度***及方法
Liu et al. An artificial intelligence-based electric multiple units using a smart power grid system
Ban et al. Joint optimal scheduling for electric vehicle battery swapping-charging systems based on wind farms
Liao et al. An improved two-stage optimization for network and load recovery during power system restoration
Nguyen et al. Smart charging and discharging of electric vehicles to support grid with high penetration of renewable energy
Michaelides et al. The effect of electric vehicle energy storage on the transition to renewable energy
CN116760008A (zh) 一种考虑负荷特性的多时间尺度有功无功协调调度方法
Sridharan et al. A hybrid approach based energy management for building resilience against power outage by shared parking station for EVs
CN111463781B (zh) 一种弹性导向的考虑电动公交的配电网恢复方法及***
CN109950900A (zh) 基于电动汽车负荷最小峰值模型的微网负荷削减控制方法
CN112952795B (zh) 一种基于移动储能的配电网多时间尺度协调调度方法
Sun et al. Restoration of high-renewable-penetrated distribution systems considering uncertain repair workloads
Patel et al. A spectral clustering based distributed control of distributed energy resources (DERs) integrated power distribution system
Mohseni et al. A Reliability-Oriented Cost Optimisation Method for Capacity Planning of a Multi-Carrier Micro-Grid: A Case Study of Stewart Island, New Zealand
CN116154823A (zh) 面向灾后供电恢复的移动式储能车应急调度及评估方法
CN105958479B (zh) 一种含钠硫电池的微电网能量管理优化方法
US20140025212A1 (en) Method and device for distributing electricity flows and electrical system comprising such a device
Wang et al. CVaR Quantitative Uncertainty-Based Optimal Dispatch for Flexible Traction Power Supply System

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
GR01 Patent grant
GR01 Patent grant