CN115833258A - 多能微网能量功率匹配优化方法及装置、电子设备、介质 - Google Patents
多能微网能量功率匹配优化方法及装置、电子设备、介质 Download PDFInfo
- Publication number
- CN115833258A CN115833258A CN202211546768.XA CN202211546768A CN115833258A CN 115833258 A CN115833258 A CN 115833258A CN 202211546768 A CN202211546768 A CN 202211546768A CN 115833258 A CN115833258 A CN 115833258A
- Authority
- CN
- China
- Prior art keywords
- energy
- period
- stage
- constraint
- short
- 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
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种多能微网能量功率匹配优化方法及装置、电子设备、介质,属于电力***优化运行领域,该方法为:通过可再生能源与负荷预测数据,建立长周期能量平衡模型与短周期功率平衡模型;采用基于数据驱动的两阶段分布鲁棒优化模型,刻画源荷双侧不确定性,建立两阶段三层日前功率平衡模型;采用列约束生成算法,并行处理第二阶段问题,获取日内功率调度最经济方案;采用长周期能量平衡模型与短周期功率平衡模型滚动求解的方法,获得多能微网能量功率匹配策略。与现有技术相比,本发明将周前等长周期调度方案与日前等短周期调度方案相协调,降低了可再生能源与负荷长周期预测误差对调度结果的影响,增强了多能微网长期自治运行的可靠性。
Description
技术领域
本发明属于电力***优化运行领域,特别涉及一种基于长短周期混合储能的多能微网能量功率匹配优化方法及装置、电子设备、介质。
背景技术
随着微网技术的发展与可再生能源渗透率的提高,能量生产与消费将逐步呈现出分布式与就地化趋势,但可再生能源固有的随机性、间歇性与波动性,给多能微网的自治可靠运行带来了挑战。储能作为一种灵活性调节资源,可平抑分布式可再生能源波动,促进消纳。然而,目前大多数储能技术储能能力有限,无法解决长时间尺度可再生能源与负荷之间的功率不平衡问题。
国内外学者也相继展开了相关研究,包括氢储能应用、氢储能(长期储能)与蓄电池(短期储能)的复合能源***等问题。目前常用的方法为鲁棒优化考虑微网日前调度问题中可再生能源与负荷的不确定性。
然而目前仍有两方面的问题需要解决。第一,未能将周前等长周期调度方案与日前等短周期调度方案相协调,导致调度结果不经济或不可靠。第二,传统的鲁棒优化模型难以确定合适的不确定集。当事先设定的不确定集过大时,调度策略将会非常保守;反之,又会过于激进。
发明内容
为了解决上述问题,本发明提出了一种基于长短周期混合储能的多能微网能量功率匹配优化方法及装置、电子设备、介质。
本发明采用如下的技术方案:
本发明的第一方面,提供一种基于长短周期混合储能的多能微网能量功率匹配优化方法,包括:根据可再生能源与负荷长周期预测数据,建立长周期能量平衡模型;采用基于数据驱动的分布鲁棒优化模型刻画日内源荷双侧不确定性,建立两阶段三层短周期功率平衡模型;采用列约束生成算法,并行求解子问题,主子问题迭代求解短周期功率平衡经济调度策略;采用滚动优化的方法滚动求解多能微网能量-功率匹配策略。
本发明的第二方面,提供一种基于长短周期混合储能的多能微网能量功率匹配优化装置,包括:
长周期能量平衡模型生成模块,用于基于长周期可再生能源与负荷预测数据,建立长周期(周前)功率平衡模型;
短周期功率平衡模型生成模块,用于采用基于数据驱动的分布鲁棒算法,建立两阶段三层短周期(日前)功率平衡模型;
短周期功率平衡模型求解模块,用于采用列约束生成的算法,主子问题迭代求解短周期功率平衡模型;
能量-功率匹配模型求解模块,用于采用滚动优化的方式,迭代立长周期能量平衡模型和短周期功率平衡模型,获得多能微网能量-功率匹配策略。
本发明的第三方面,提供一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的方法。
本发明的第四方面,提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现如第一方面所述方法的步骤。
本发明提供的技术方案具有以下有益效果:
由上可知,本发明基于长周期能量平衡模型与短周期功率平衡模型滚动优化的方式,统筹考虑长短周期源荷匹配,提升了***的经济性与可靠性。在日前调度阶段,建立了基于数据驱动的两阶段分布鲁棒优化模型,综合1-范数和∞-范数对不确定性场景概率分布进行约束,保证了微网的鲁棒性和经济性。
应当申明的是,以上描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图为说明书的一部分,展示了本发明的实施例子,与说明书一起用于解释本发明原理。
图1为长短周期混合储能的多能微网能量功率匹配优化方法流程图;
图2为长短周期混合储能的多能微网能量功率匹配优化装置示意图。
具体实施方式
下面结合本发明的附图,对本实施例中的技术方案进行清晰、***地介绍,然而,本发明描述地实施例只是本发明实例地一个效果较好实例,任何本领域技术人员在没有付出创造性工作的前提下所获得所有相关实施例,皆所以本发明的保护范围。
图1为一种基于长短周期混合储能的多能微网能量功率匹配优化方法流程图,根据图1所示,本发明提供了一种基于长短周期混合储能的多能微网能量功率匹配优化方法,该方法包括以下步骤:
步骤1,根据可再生能源与负荷长周期预测数据,建立长周期能量平衡模型;
步骤2,采用基于数据驱动的分布鲁棒优化模型刻画日内源荷双侧不确定性,建立两阶段三层短周期功率平衡模型;
步骤3,采用列约束生成算法,并行求解子问题,主子问题迭代求解短周期功率平衡经济调度策略;
步骤4,采用滚动优化的方法滚动求解多能微网能量-功率匹配策略。
由上述可知,本发明基于长周期能量平衡模型与短周期功率平衡模型滚动优化的方式,统筹考虑长短周期源荷匹配,提升了***的经济性与可靠性。在日前调度阶段,建立了基于数据驱动的两阶段分布鲁棒优化模型,综合1-范数和∞-范数对不确定性场景概率分布进行约束,保证了微网的鲁棒性和经济性。
在步骤1的具体实施中,根据可再生能源与负荷长周期预测数据,建立长周期能量平衡模型。
1)目标函数
2)能量平衡约束
对于长周期能量平衡模型,能量平衡约束如下:
式中:为发电机发电量;和为分别为光伏和风电的实际发电量;为氢燃料电池装置发电量;为电负荷;为P2H装置消耗能量;为电热装置消耗能量;为P2H装置的产氢量;和分别为氢储能装置充氢量和放氢量;为氢负荷;为氢燃料电池消耗的氢量;为热回收装置回收的热量;电热装置生成的热量;为热负荷。
3)传统发电机模型
传统发电机成本函数:
微网采取自治运行策略,传统发电机在一个调度区间内的耗油量应小于该地区的储油量,因此出力需要满足如下平衡约束:
4)可再生能源模型
可再生能源弃电成本包括弃风、弃光两部分,其成本函数为:
可再生能源出力约束:
5)氢储能模型
氢储能装置成本函数:
式中:CHS为储氢成本系数;ηCH为氢储能装置储氢效率;ηDH为氢储能装置放氢效率。
氢储能装置出力约束:
Hmin≤Hi,t≤Hmax (14)
氢储能装置为长周期储能,其平衡约束为:
H0=HI (19)
式中:H0为第i次长周期能量平衡调度氢储能装置初始储氢量;HI第i次长周期能量平衡调度氢储能装置最终储氢量。
6)P2H装置模型
电制氢装置功率约束:
7)氢燃料电池模型
8)热回收装置模型
热回收装置出力约束:
9)电制热装置模型
电制热装置出力约束为:
在步骤2的具体实施中,采用基于数据驱动的分布鲁棒优化模型刻画日内源荷双侧不确定性,建立三层两阶段短周期功率平衡模型。
(2.1)短周期功率平衡日前计划
1)目标函数
式中:为第i天t时刻燃油成本;为第i天t时刻机组启停成本;为当天第i天t时刻储能装置储能成本;为第i天t时刻***弃风和弃光成本; 和分别为传统发电机、P2H装置和氢燃料电池启停成本;和分别为电、氢、热三种储能装置储能成本。
2)功率平衡约束
对于短周期功率平衡模型日前阶段,功率平衡约束如下:
式中:为发电机功率;和分别为光伏和风电实际发电功率;为氢燃料电池发电功率;和分别为电储能装置取电与储电功率;为P2H装置耗电功率;为电热装置耗电功率;为电负荷功率;为P2H装置产氢速率;和分别为氢储能装置取氢与储氢速率;为氢燃料电池耗氢速率;为氢负荷速率;为热回收装置回收热功率;为电热装置产热功率;和分别为热储能装置取热与储热功率;为热负荷功率。
3)传统发电机补充约束
传统发生电机长周期能量平衡调度策略出力约束:
传统发电机启停成本:
传统发电机启停约束:
传统发电机爬坡约束:
4)氢储能装置长周期能量平衡调度出力约束
5)短周期储能装置模型
短周期储能装置包括电化学储能和热储能,两者模型结构相似,形式相同。电化学储能成本:
式中:CES为储电成本系数;ηCE为电化学储能装置充电效率;ηDE为电化学储能装置放电效率。
电化学储能出力约束:
与氢储能不同,电储能装置储能周期较短,需满足1天内能量平衡:
6)P2H装置模型
7)氢燃料电池模型
氢燃料电池约束:
(2.2)不确定集
本发明采用基于数据驱动的分布鲁棒模型刻画新能源出力与负荷的日前预测不确定性。通过场景聚类确定N个离散场景初始概率p0,以场景初始概率为中心,综合考虑1-范数和∞-范数约束条件,从而求解得到最恶劣场景概率分布概率。综合范数约束下可行域为ψ。
ψ=ψ1∩ψ∞ (62)
式中:ψ1为1-范数约束下的置信空间;p为离散场景概率分布概率;为正实数集;||p-p0||1≤θ1为1-范数约束条件;pn为第n个离散场景分布概率;为第n个离散场景初始概率;ψ∞为∞-范数约束下的置信空间;||p-p0||∞≤θ∞为∞-范数约束条件;θ1和θ∞为概率允许的偏差限值。
离散场景分布概率p满足式(65)和式(66)的置信度。
Pr{||p-p0||∞≤θ∞}≥1-2Nexp(-2Kθ∞) (66)
令1-2N exp(-2Kθ1/Ν)=α1,1-2N exp(-2Kθ∞)=α∞,则偏差限值为:
上式表明随着历史数据数量K增加,场景概率分布的估计将更接近真实值,θ1和θ∞都会减小直至为0。α1和α∞分别为1-范数约束和∞-范数约束的置信度,置信度设置的越大,模型考虑的不确定性则越大,求解得到的调度策略鲁棒性越强。同时,调度策略也更加保守,导致微网运行的经济性降低。因此,合理的调节两个置信度参数,可以实现模型经济性与可靠性的平衡。
(2.3)短周期功率平衡日内调整
1)目标函数
式中:CGE为传统发电机成本系数;CES、CHS和CTS分别为电、氢、热3种储能设备出力调整惩罚系数;CLO为弃电调整惩罚系数;为传统发电机出力调整值;为t时刻电储能设备充电调整值;为t时刻电储能设备放电调整值;为t时刻氢储能设备储氢调整值;为t时刻氢储能设备放氢调整值;为t时刻热储能设备储热调整值;为t时刻热储能设备放热调整值;为t时刻弃电量调整值。
2)功率平衡约束
式中:变量上标s表示该变量的短周期功率平衡第二阶段。
3)传统发电机出力调节约束
Pt GE,s=Pt GE+ΔPt GE (72)
4)电储能出力调节约束
Pt dis,s=Pt dis+ΔPt dis (75)
Pt ch,s=Pt ch+ΔPt ch (76)
5)可再生能源调节约束
0≤Pt PV,s≤Pt PV,y (83)
0≤Pt PW,s≤Pt PW,y (84)
式中:Pt PV,y、Pt PW,y分别为光伏和风电t时刻预测功率。
除上述约束外,本发明建立多能微网短周期功率平衡日内调整模型仍需受到氢储能出力调节和热储能设备出力调节约束,但由于与电储能出力调节约束结构相似,形式相同,为避免重复,本发明不再详细介绍。
步骤3,采用列约束生成算法,并行求解子问题,主子问题迭代求解短周期功率平衡经济调度策略。
主问题在已知的离散场景最恶劣概率分布下,基于日前计划约束,求解经济最优解,并为短周期功率平衡模型提供下界值。第j次主子问题迭代中,主问题模型如式(85)和式(86)所示:
式中:X为日前阶段约束条件;x为第一阶段离散型决策变量;η为待优化的日内阶段目标函数值;yn,j为第j次迭代第n个场景下第二阶段决策变量;为第j次迭代子问题求解出的最恶劣离散场景概率分布;aT和bT为对应目标函数的常数矩阵。
子问题为max-min两层优化问题,基于给定的第一阶段离散型决策变量x,寻找***实时运行时最恶劣场景概率分布。将计算结果返回主问题供下次迭代使用,为短周期功率平衡模型提供一个上界值。子问题模型如式(87)所示:
式中:ψ为场景概率的置信集合;Yn为各场景下日内阶段变量约束范围集合;yn为第n个场景下第二阶段决策变量。
由于分布鲁棒模型子问题中,第二阶段的变量约束范围在场景间相互独立,所以式(87)可以分解为max和min两个函数分步求解。
通过式(85)、式(86)和(87)之间的迭代更新,求解两阶段短周期功率平衡调度模型,当结果达到预定的精度值时,停止迭代。
步骤4,采用滚动优化的方法滚动求解多能微网能量-功率匹配策略。
如式(1)-式(27)所示,长周期能量平衡模型为单层线性规划问题,可以使用Gurobi等商用求解器直接求解。其紧凑形式如下:
s.t. Dx≥d (90)
式中:i表示长周期能量平衡模型迭代次数;zt为长周期能量平衡调度阶段决策变量;D、d表示上文中变量相应的矩阵或向量形式;cT为对应目标函数的常数矩阵。
短周期功率平衡调度模型紧凑形式如下:
根据短周期功率平衡求解方法,结合第i天燃油消耗量和氢储量限制,求解短周期功率平衡对调度策略,得到第i天实际燃油消耗量和氢储量。
根据上述内容,求解步骤如下:
1)设置长周期能量平衡调度次数i=1,燃油初始储存总量O0和氢储能装置初始储氢量H0,获取i至I天新能源发电和负荷预测数据。其中第i天数据由日前预测给出,第(i+1)到I天数据由长时间预测给出。
3)设置短周期功率平衡模型主子问题迭代次数j=0,目标函数上界UB=∞,下界LB=-∞,初始场景概率分布p0。
图2是为一种基于长短周期储能的多能微网能量-功率匹配优化装置框图。
该装置:
长周期能量平衡模型生成模块,用于基于长周期可再生能源与负荷预测数据,建立长周期功率平衡模型;
短周期功率平衡模型生成模块,用于采用基于数据驱动的分布鲁棒算法,建立两阶段三层短周期功率平衡模型;
短周期功率平衡模型求解模块,用于采用列约束生成的算法,主子问题迭代求解短周期功率平衡模型;
能量-功率匹配模型求解模块,用于采用滚动优化的方式,迭代立长周期能量平衡模型和短周期功率平衡模型,获得多能微网能量-功率匹配策略。
于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
对于装置的实施,基本对应于基于长短周期储能的多能微网能量-功率匹配优化方法,相关之处,参见方法实施部分即可。
本发明还提供一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述的能微网能量-功率匹配优化方法。
本发明还提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现如上述的能微网能量-功率匹配优化方法。
应当理解的是,以上叙述仅为本发明的较佳实施例而已,不能用于限制本发明,本发明涵盖任何在本发明精神与原则之内的,所有修改、等同替换、改进等。
Claims (10)
1.多能微网能量功率匹配优化方法,其特征在于,包括:
根据可再生能源与负荷长周期预测数据,建立长周期能量平衡模型;
采用基于数据驱动的分布鲁棒优化模型刻画日内源荷双侧不确定性,建立两阶段三层短周期功率平衡模型;
采用列约束生成算法,并行求解子问题,主子问题迭代求解短周期功率平衡经济调度策略;
采用滚动优化的方法滚动求解多能微网能量-功率匹配策略。
2.根据权利要求1所述的方法,其特征在于,所述两阶段三层多能微网短周期功率平衡模型,包括以下四个部分:第一阶段目标函数、第一阶段约束条件、第二阶段目标函数、第二阶段约束条件;
(1.1)第一阶段目标函数
将短周期功率平衡模型分为日前与日内两个阶段,其目标函数式最小化各子***总运行成本;
(1.2)第一阶段约束条件
所述第一阶段约束条件包括:电、氢、热三网功率平衡约束、机组爬坡约束、机组出力约束、风电出力约束、储能平衡约束;
(1.3)第二阶段目标函数
第二阶段目标函数为依据第一阶段的调度计划最小化最恶劣运行工况下运行成本;
(1.4)第二阶段约束条件
所述第二阶段约束条件包括:电、氢、热三网功率平衡约束、松弛变量约束、机组调节约束、不确定集约束。
3.根据权利要求1所述的方法,其特征在于,根据分布鲁棒模型结构特征,采用列约束生成算法,并行求解子问题,迭代主子问题求解短周期功率平衡模型,包括:
(2.1)初始化:设置迭代次数m=1;
(2.2)求解主问题,得到主问题的控制变量;
(2.3)根据主问题结果求解子问题,得到其目标函数值S以及最恶劣离散场景的概率分布;
(2.4)收敛性判断:如果S=0,则问题收敛,停止迭代;否则,将最恶劣离散场景的概率分布约束添加至主问题,继续迭代,m=m+1,返回(2.2)。
4.根据权利要求1所述方法,其特征在于,滚动求解多能微网能量-功率匹配策略,包括:
(2.1)初始化:设置长周期能量平衡模型和短周期功率平衡模型迭代次数i=1;
(2.2)求解长周期能量平衡模型,获得第i次微网能量分配策略,确定第i天燃油消耗量与储氢量限制;
(2.3)根据燃油消耗量与储氢量限制,求解短周期功率平衡模型,获得第i天功率分配策略;
(2.4)判断:如果i=I,停止迭代;否则,将第i天燃油消耗量与储氢量返回到长周期能量平衡模型,继续滚动,i=i+1,返回(2.2)。
5.多能微网能量功率匹配优化装置,其特征在于,包括:
长周期能量平衡模型生成模块,用于基于长周期可再生能源与负荷预测数据,建立长周期功率平衡模型;
短周期功率平衡模型生成模块,用于采用基于数据驱动的分布鲁棒算法,建立两阶段三层短周期功率平衡模型;
短周期功率平衡模型求解模块,用于采用列约束生成的算法,主子问题迭代求解短周期功率平衡模型;
能量-功率匹配模型求解模块,用于采用滚动优化的方式,迭代立长周期能量平衡模型和短周期功率平衡模型,获得多能微网能量-功率匹配策略。
6.根据权利要求5所述的装置,其特征在于,所述两阶段三层多能微网短周期功率平衡模型,包括以下四个部分:第一阶段目标函数、第一阶段约束条件、第二阶段目标函数、第二阶段约束条件;
(1.1)第一阶段目标函数
将短周期功率平衡模型分为日前与日内两个阶段,其目标函数式最小化各子***总运行成本;
(1.2)第一阶段约束条件
所述第一阶段约束条件包括:电、氢、热三网功率平衡约束、机组爬坡约束、机组出力约束、风电出力约束、储能平衡约束;
(1.3)第二阶段目标函数
第二阶段目标函数为依据第一阶段的调度计划最小化最恶劣运行工况下运行成本;
(1.4)第二阶段约束条件
所述第二阶段约束条件包括:电、氢、热三网功率平衡约束、松弛变量约束、机组调节约束、不确定集约束。
7.根据权利要求5所述的装置,其特征在于,根据分布鲁棒模型结构特征,采用列约束生成算法,并行求解子问题,迭代主子问题求解短周期功率平衡模型,包括:
(2.1)初始化:设置迭代次数m=1;
(2.2)求解主问题,得到主问题的控制变量;
(2.3)根据主问题结果求解子问题,得到其目标函数值S以及最恶劣场景的概率分布;
(2.4)收敛性判断:如果S=0,则问题收敛,停止迭代;否则,将最恶劣场景的概率分布约束添加至主问题,继续迭代,m=m+1,返回(2.2)。
8.根据权利要求5所述的装置,其特征在于,滚动求解多能微网能量-功率匹配策略,包括:
(3.1)初始化:设置长周期能量平衡模型和短周期功率平衡模型迭代次数i=1;
(3.2)求解长周期能量平衡模型,获得第i次微网能量分配策略,确定第i天燃油消耗量与储氢量限制;
(3.3)根据燃油消耗量与储氢量限制,求解短周期功率平衡模型,获得第i天功率分配策略;
(3.4)判断:如果i=I,停止迭代;否则,将第i天燃油消耗量与储氢量返回到长周期能量平衡模型,继续滚动,i=i+1,返回(3.2)。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该指令被处理器执行时实现如权利要求1-4中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211546768.XA CN115833258A (zh) | 2022-12-05 | 2022-12-05 | 多能微网能量功率匹配优化方法及装置、电子设备、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211546768.XA CN115833258A (zh) | 2022-12-05 | 2022-12-05 | 多能微网能量功率匹配优化方法及装置、电子设备、介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115833258A true CN115833258A (zh) | 2023-03-21 |
Family
ID=85545109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211546768.XA Pending CN115833258A (zh) | 2022-12-05 | 2022-12-05 | 多能微网能量功率匹配优化方法及装置、电子设备、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115833258A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911076A (zh) * | 2023-09-12 | 2023-10-20 | 国网浙江省电力有限公司电力科学研究院 | 多微电网对配电网的韧性支撑仿真方法、装置和电子设备 |
-
2022
- 2022-12-05 CN CN202211546768.XA patent/CN115833258A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911076A (zh) * | 2023-09-12 | 2023-10-20 | 国网浙江省电力有限公司电力科学研究院 | 多微电网对配电网的韧性支撑仿真方法、装置和电子设备 |
CN116911076B (zh) * | 2023-09-12 | 2024-03-19 | 国网浙江省电力有限公司电力科学研究院 | 多微电网对配电网的韧性支撑仿真方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Konstantinopoulos et al. | Optimal management of hydrogen storage in stochastic smart microgrid operation | |
JP5789792B2 (ja) | 需給制御装置、需給制御方法、および、需給制御システム | |
US20030227276A1 (en) | Control system for a renewable energy system | |
CN116187601B (zh) | 一种基于负荷预测的综合能源***运行优化方法 | |
CN109687479B (zh) | 功率波动平抑方法、***、存储介质和计算机设备 | |
CN113541191A (zh) | 考虑大规模可再生能源接入的多时间尺度调度方法 | |
US11710964B2 (en) | Managing off-grid energy generation and storage | |
CN107017625B (zh) | 用于独立微电网的能量动态调度的方法和设备 | |
JP2021192570A (ja) | 電力調整システム、電力調整方法、及びプログラム | |
CN115833258A (zh) | 多能微网能量功率匹配优化方法及装置、电子设备、介质 | |
CN115688970A (zh) | 基于区间概率不确定集的微电网两阶段自适应鲁棒优化调度方法 | |
CN114362218B (zh) | 基于深度q学习的微电网内多类型储能的调度方法及装置 | |
Syed et al. | Machine learning based controlled filtering for solar PV variability reduction with BESS | |
CN115189367A (zh) | 一种多时间尺度下的风光储蓄联合优化调度方法及装置 | |
WO2022054442A1 (ja) | 電力調整方法および電力調整装置 | |
CN106786702A (zh) | 用于混合储能***的全状态模型预测能量调度方法 | |
Zidane et al. | A new fuzzy logic solution for energy management of hybrid photovoltaic/battery/hydrogen system | |
Poggi et al. | The PV-Hydrogen MYRTE platform-PV output power fluctuations smoothing | |
CN115907393A (zh) | 一种含长时储能虚拟电厂的多时间尺度调度方法 | |
CN115809593A (zh) | 一种包含多元储能装置的综合能源***的运行控制方法 | |
CN115759683A (zh) | 电氢耦合微能网能量管理方法及装置、电子设备、介质 | |
Yoon et al. | A multiagent-based hybrid power control and management of distributed power sources | |
Rezk et al. | Hydrogen reduction-based energy management strategy of hybrid fuel cell/PV/battery/supercapacitor renewable energy system | |
CN117578449A (zh) | 一种计及可再生能源不确定性的多能微能网优化调度方法 | |
JP7494665B2 (ja) | 水素製造システム、制御装置、水素発生装置の制御方法、及びコンピュータプログラム |
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 |