CN116365596A - 一种基于分布式电网的功率调度的方法和*** - Google Patents

一种基于分布式电网的功率调度的方法和*** Download PDF

Info

Publication number
CN116365596A
CN116365596A CN202310241581.7A CN202310241581A CN116365596A CN 116365596 A CN116365596 A CN 116365596A CN 202310241581 A CN202310241581 A CN 202310241581A CN 116365596 A CN116365596 A CN 116365596A
Authority
CN
China
Prior art keywords
output
photovoltaic
power
cluster
data
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
CN202310241581.7A
Other languages
English (en)
Other versions
CN116365596B (zh
Inventor
郑国辉
汪海坡
顾海超
满玉光
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.)
Ningxia Zhonghe Zhiyuan Power Engineering Consulting Co ltd
Original Assignee
Ningxia Zhonghe Zhiyuan Power Engineering Consulting 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 Ningxia Zhonghe Zhiyuan Power Engineering Consulting Co ltd filed Critical Ningxia Zhonghe Zhiyuan Power Engineering Consulting Co ltd
Priority to CN202310241581.7A priority Critical patent/CN116365596B/zh
Publication of CN116365596A publication Critical patent/CN116365596A/zh
Application granted granted Critical
Publication of CN116365596B publication Critical patent/CN116365596B/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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00022—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission
    • H02J13/00026—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission involving a local wireless network, e.g. Wi-Fi, ZigBee or Bluetooth
    • 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
    • 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
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
    • 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
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于分布式电网的功率调度的方法和***，包括：光伏集群，用于向园区的负载输出电能，在负载小于输出电能时，输出电能至储能***；所述储能***，用于在所述光伏集群输出电能过剩时，接收所述光伏集群的电能输出；所述储能***在soc最优的前提下，将多次接收所存储的电能，输出给所述园区的负载；在所述负载小于输出电能时，输出电能至电网负载；光伏集群需求分析模块，用于计算光伏集群的输出需求；并根据计算得到的光伏集群的输出需求，调整光伏集群的发电量。通过粒子群算法，计算在电网最小供电及其对应的光伏集群输出功率，得到光伏集群的输出需求，使得光伏输出尽量让园区负载优先消纳。

Description

一种基于分布式电网的功率调度的方法和***
技术领域
本发明涉及电网的功率调度，特别是指一种基于分布式电网的功率调度的方法和***。
背景技术
国内光伏新增装机容量呈现快速发展，目前光伏的占比超过电网负荷的10％，分布式光伏还将继续呈现出大规模发展的趋势，也限制了风电等集中并网的新能源入网规模，而且还需要***预留足够多的备用机组用于解决分布式光伏并网造成的电网调峰问题。目前，储能具有较高的充放电效率、响应时间较短以及配置灵活等特点，能够有效地从时间上动态迁移功率与能量，为解决分布式光伏并网导致的风电消纳与调峰。因此，在计及规模化分布式光伏并网条件下，利用储能电站辅助常规机组参与***调峰，提高风电消纳能力，不仅可以提高***的经济性，还可以降低规模化分布式光伏并网给***运行带来的种种负面影响。
储能只有在当前负责区域的负载满足的情况，才有适度的入网，降低电网的负荷，在保证电网波动小的情况下，如何调整分布式的光伏输出，以满足光伏、储能、负荷、电网的需求。
发明内容
有鉴于此，本发明在于提供一种基于分布式电网的功率调度的方法和***，以解决上述分布式的光伏输出的问题。
为解决上述问题，本发明提供一种基于分布式电网的功率调度的方法，包括：
光伏集群，用于向园区的负载输出电能，在负载小于输出电能时，输出电能至储能***；
所述储能***，用于在所述光伏集群输出电能过剩时，接收所述光伏集群的电能输出；
所述储能***在soc最优的前提下，将多次接收所存储的电能，输出给所述园区的负载；在所述负载小于输出电能时，输出电能至电网负载；
光伏集群需求分析模块，用于计算光伏集群的输出需求；并根据计算得到的光伏集群的输出需求，调整光伏集群的发电量；
在以上功率调度过程中，分析每个光伏集群内，各行光伏的输出功率，通过基准的比较，监测光伏集群的功率稳定性。
其中，计算光伏集群的输出需求的步骤包括：
获取历史全年的园区电力数据集，包括日照强度时域数据、光伏集群输出时域数据、电网供电时域数据、负载时域数据以及储能输出时域数据，所述光伏集群输出时域数据包括每种类地形所设伏板的个数及每种类地形所设光伏板的时域输出数据以及全部光伏板的输出时域数据；
将园区电力数据集按照每隔15分钟进行拆分，形成包括每天96个时间段的园区电力数据子集；
对每个园区电力数据子集进行平均计算，获取每个园区电力数据子集的日照强度、光伏集群输出功率、电网供电功率、负载功率以及储能输出功率；
对所有的园区电力数据子集进行聚类计算，得到多个聚类中心，以每个聚类中心作为包含有负载功率以及储能输出功率的聚类数据，所述多个聚类中心对应的聚类数据组成聚类数据集；
对聚类数据集的每个子集进行电网供电最小化处理，得到聚类数据集的每个子集的电网最小供电及其对应的光伏集群输出功率；
对每个子集的电网最小供电及其对应的光伏集群输出功率进行排序，得到最大的光伏集群输出功率作为光伏集群的输出需求。
具体的，对每个园区电力数据子集进行平均计算，获取每个园区电力数据子集的日照强度、光伏集群输出功率、电网供电功率、负载功率以及储能输出功率的步骤包括：
对每个园区电力数据子集中的日照强度时域数据在时间轴上进行积分后，除以时长，得到对应园区电力数据子集的日照强度；
对每个园区电力数据子集中的光伏集群输出时域数据中的全部光伏板的输出时域数据在时间轴上进行积分后，除以时长，得到对应园区电力数据子集的光伏集群输出功率；
对每个园区电力数据子集中的电网供电时域数据在时间轴上进行积分后，除以时长，得到对应园区电力数据子集的电网供电功率；
对每个园区电力数据子集中的负载时域数据在时间轴上进行积分后，除以时长，得到对应园区电力数据子集的负载功率；
对每个园区电力数据子集中的储能输出时域数据在时间轴上进行积分后，除以时长，得到对应园区电力数据子集的储能输出功率。
其中，对聚类数据集的每个子集进行电网供电最小化处理，得到聚类数据集的每个子集的电网最小供电及其对应的光伏集群输出功率的步骤具体为：
针对聚类数据集的每个子集，采用改进粒子群算法，建立电网最小供电双层模型，包括储能输出模型和储能输出模型，
所述储能输入模型的意思是，光伏输出全部满足储能，负载的电量来自储能和电网输入，所述储能输入模型的目标函数是：
Figure BDA0004124402840000031
其中，optimumE表示储能最优需求量，Soc表示储能所拥有的电量占比，W表示光伏集群输出，F表示指定时刻负载消耗，N表示电网输入，Swe表示光伏传输到储能过程的损耗，Sef表示储能传输到负载过程的损耗；
所述储能输入模型的约束函数包括：
输入Soc约束：Socmin≤Soc≤Socmax；
第一损耗约束：
Figure BDA0004124402840000041
第二损耗约束：
Figure BDA0004124402840000042
式中，SOCmim表示当前储能的Soc最小值，Socmax表示当前储能Soc的最大值；
Figure BDA0004124402840000043
表示光伏传输到储能过程的最小损耗；/>
Figure BDA0004124402840000044
表示光伏传输到储能过程的最大损耗；/>
Figure BDA0004124402840000045
表示储能传输到负载过程的最小损耗；/>
Figure BDA0004124402840000046
表示储能传输到负载过程的最大损耗；
所述储能输出模型的意思是，光伏集群输出优先提供给负载，多余的电能供给储能，储能会有一定的电量输出给电网，所述储能输出模型的目标函数是：
Figure BDA0004124402840000047
式中，F1表示光伏集群输出给负载的电能，F2表示储能输出给负载的电能；
所述储能输出模型的约束函数包括：
输出Soc约束：Socmin≤Soc≤Socmax；
第三损耗约束：
Figure BDA0004124402840000048
第四损耗约束：
Figure BDA0004124402840000049
负载损耗约束：
Figure BDA00041244028400000410
所述改进粒子群算法中，使用聚类数据集的当前子集中的负载功率F0以及储能输出功率optimumE0，作为初始值，即F＝F0，optimumE＝optimumE0，以N和W作为改进粒子群算法中例子的位置和速度；对所述改进粒子群算法进行迭代，最终得到满足N最小值时的W作为聚类数据集当前子集的电网最小供电及其对应的光伏集群输出功率。
所述改进粒子群算法的迭代停止的条件为，连续两次迭代中，满足N最小值时的两个W相差小于10％～30％。
所述改进粒子群算法的迭代停止的条件为，连续两次迭代中，满足N最小值时的两个W相差小于10％。
对所有的园区电力数据子集进行聚类计算，得到多个聚类中心中的步骤中，聚类中心的个数为10个。
分析每个光伏集群内，各行光伏的输出功率，通过基准的比较，监测光伏集群的功率稳定性，
包括：光伏集群具有多行排列的光伏架子，每行串联多块光伏板，在每块光伏板的下方的线路，电连接有监测模块，所述监测模块用于监测光伏板的实时输出功率，所述监测模块具有zigbee组网功能，并传输监控数据；
所述光伏集群的逆变器作为汇聚节点，将光伏集群的当前输出与预测输出作比较，当光伏集群当前输出与预测输出的差值大于稳定阈值时，调取光伏板的监控数据，分析出现故障的每块光伏板，将故障上报。
用上一个时段的日照强度数据作为第一日照强度数据，与所述园区电力数据子集中的日照强度数据进行比对，选择包含有与第一日照强度数据差值最小的所述园区电力数据子集中的光伏集群输出功率作为上一时段光伏集群的预测输出；
使用光伏集群的预测输出减去上一时段的光伏集群实际输出，得到输出差值，若输出差值大于稳定阈值，则认定光伏集群存在故障；
当光伏集群存在故障时，调取每个光伏板的监控数据，定位光伏板故障；
其中，调取每个光伏板的监控数据，定位光伏板故障具体为：若当前光伏板的输出功率小于相邻光伏板输出功率的30％，则认为当前光伏板故障；
其中，稳定阈值为上一时段日照强度下的所有光伏板的平均输出功率的70％。本发明的实施例还提供一种基于分布式电网的功率调度的***，其特征在于，包括：
光伏集群，用于向园区的负载输出电能，在负载小于输出电能时，输出电能至储能***；
所述储能***，用于在所述光伏集群输出电能过剩时，接收所述光伏集群的电能输出；
所述储能***在soc最优的前提下，将多次接收所存储的电能，输出给所述园区的负载；在所述负载小于输出电能时，输出电能至电网负载；
光伏集群需求分析器，用于计算光伏集群的输出需求；并根据计算得到的光伏集群的输出需求，调整光伏集群的发电量。
本发明的方法和***，具有以下效果：
1，通过粒子群算法，计算在电网最小供电及其对应的光伏集群输出功率，得到光伏集群输出功率的最大值作为光伏集群的输出需求，根据光伏集群的输出需求调整光伏输出，使得光伏输出尽量让园区负载优先消纳。
2，通过对光伏板的改进，实时监控每块光伏板的电力特性，当出现光伏输出不足，影响分布式电网的稳定时，及时排除故障板，对于光伏集群而言，可以将影响***稳定性的光伏板消除，防止故障光伏板的过热出现的火灾。
附图说明
图1是实施例的流程图；
图2是实施例的***结构图；
图3是实施例光伏架子的示意图。
具体实施方式
为清楚说明本发明中的方案，下面给出优选的实施例并结合附图详细说明。
本发明的实施例提供一种基于分布式电网的功率调度的方法，参见图1，包括以下步骤：
光伏集群，用于向园区的负载输出电能，在负载小于输出电能时，输出电能至储能***；
所述储能***，用于在所述光伏集群输出电能过剩时，接收所述光伏集群的电能输出；
所述储能***在soc最优的前提下，将多次接收所存储的电能，输出给所述园区的负载；在所述负载小于输出电能时，输出电能至电网负载；
光伏集群需求分析模块，用于计算光伏集群的输出需求；并根据计算得到的光伏集群的输出需求，调整光伏集群的发电量；
在以上功率调度过程中，分析每个光伏集群内，各行光伏的输出功率，通过基准的比较，监测光伏集群的功率稳定性。
其中，计算光伏集群的输出需求的步骤包括：
获取历史全年的园区电力数据集，包括日照强度时域数据、光伏集群输出时域数据、电网供电时域数据、负载时域数据以及储能输出时域数据；由于园区的光伏板设置区别很大，光伏板一般采用多行设置，由于地形区别，例如可能有的设置在山上，有的设置在山下，光照强度不同，光伏板的输出功率不同，有鉴于此，日照强度时域数据包括日照强度、时间段以及日照的方向、遮挡；光伏集群输出时域数据包括每种类地形所设伏板的个数及每种类地形所设光伏板的时域输出数据以及全部光伏板的输出时域数据；并将园区电力数据集按照每隔15分钟进行拆分，形成包括每天96个时间段的园区电力数据子集；
对每个园区电力数据子集进行平均计算，获取每个园区电力数据子集的日照强度、光伏集群输出功率、电网供电功率、负载功率以及储能输出功率；
对所有的园区电力数据子集进行聚类计算，得到多个聚类中心，以每个聚类中心作为包含有负载功率以及储能输出功率的聚类数据，所述多个聚类中心对应的聚类数据组成聚类数据集；
由于园区内的光伏集群输出需要满足聚类数据集的所有的子集中的光伏集群输出功率，也就是说，园区内的光伏集群输出需要大于或等于所有子集中的光伏集群输出功率，因此可以使用下面的步骤来得到光伏集群的输出需求。
对每个子集的电网最小供电及其对应的光伏集群输出功率进行排序，得到最大的光伏集群输出功率作为光伏集群的输出需求。
默认的，聚类中心的数量为10个，上述步骤具体包括：
步骤一，对每个园区电力数据子集采用向量进行表示，具体为：
Xn＝[Wp,WI,We]n∈[1,园区电力数据子集的个数]；
式中，Wp表示光伏集群输出功率，Wl表示负载功率，We表示储能输出功率；
步骤二，利用近邻传播聚类算法将多个X进行多中心聚类，具体步骤为：
对每个Xn计算第一相似矩阵S(j,h)，S(j,h)表示第Xh适合作为第Xj的聚类中心的能力，计算公式如下：
S(j,)＝-||xj-xh||2；
式中，h∈[1,园区电力数据子集的个数]，j∈[1,园区电力数据子集的个数]；
对于网络中的所有待聚类样本，借助图论中邻接矩阵的思想，我们可以计算得到吸引度矩阵R(j,h)和归属度矩阵A(j,h)。其中，R(j,h)表示每个候选聚类中心h相对其他候选聚类中心h′对待聚类样本j的吸引程度，A(j,h)表示每个待聚类样本j对候选聚类中心h的归属度：
Figure BDA0004124402840000091
Figure BDA0004124402840000092
At+1(j,h)＝∑j′≠hmax{0,Rt+1(j′,h)}；
式中，t表示电力数据子集的时间间隔，以15分钟作为一个时间间隔；j′属于聚类过程中的中间变量；
为避免在迭代计算过程中R(j,h)和A(j,h)出现震荡现象，引入衰减因子λ，其中λ∈(0,1)：
Rt+1(j,h)=(1-λ)Rt+1(j,h)+λRt(j,h)
At+1(j,h)＝(1-λ)At+1(j,h)+λAt(j,h)
AP算法通过迭代更新上述吸引度矩阵R(j,h)和归属度矩阵A(j,h)的值的方式来实现聚类效果。当R(j,h)和A(j,h)达到稳定，或者达到最大迭代次数时，结束算法迭代，并选取R(j,h)+A(j,h)最大的待聚类样本作为聚类中心C0。
由于每一天内不同时间段负载、光伏发电输出情况相差很大，对于同一区域内的光伏，可能有的在山上，有的在山下，光照强度不同，光伏板的输出功率不同，山上的区域的光伏作为一个整体的输出，由于山体的高度以及凸凹的形状，不同于山下平原区域的输出，参与运算时，存在误差，所以唯一的聚类中心C0不利于反映所有的园区电力数据子集情况，因此，以C0为中心，计算所有的Xn与C0的相似度，得到相似度数据集Dn，对Dn从大到小进行排序，并均等分割为多个相似度数据子集，优选为10个；
进一步的，每个子集内还可以采用标签的方式对包含同一类地形的光伏板的数据进行分类，例如将山体分为不同朝向的面，如东向、东南向、南向、西向等，一个或多个面作为每个相似度数据子集的分集，如南向面的500块光伏板的电力数据作为一个数据分集，或南向面500块与东向面的200块光伏板的电力数据作为一个数据分集，山下平原的600块光伏板作为一个数据分集；
或山体上的所有1500块光伏板的电力数据整体作为一个数据子集，山下的1200块的光伏板的电力数据整体作为一个数据子集。通过上述的按照地形的形状对光伏进行划分数据分集，可以实现更准确地发电估算，对于后续运算，提升储能的SOC最优，避免了不同的地势发电的数据子集不均衡，影响整体的功率调度的稳定。
对每一个相似度数据子集对应的多个X利用近邻传播聚类算法计算相似度，得到10个相似度Cp，其中p∈[1,10]。
由于每个园区电力数据子集时长相对较短，因此可以采用每个园区电力数据子集内的典型数据作为每个园区电力数据子集内的数据，具体的，对每个园区电力数据子集进行平均计算，获取每个园区电力数据子集的日照强度、光伏集群输出功率、电网供电功率、负载功率以及储能输出功率的步骤包括：
对每个园区电力数据子集中的日照强度时域数据在时间轴上进行积分后，除以时长，得到对应园区电力数据子集的日照强度；
对每个园区电力数据子集中的光伏集群输出时域数据中的全部光伏板的输出时域数据在时间轴上进行积分后，除以时长，得到对应园区电力数据子集的光伏集群输出功率；
对每个园区电力数据子集中的电网供电时域数据在时间轴上进行积分后，除以时长，得到对应园区电力数据子集的电网供电功率；
对每个园区电力数据子集中的负载时域数据在时间轴上进行积分后，除以时长，得到对应园区电力数据子集的负载功率；
对每个园区电力数据子集中的储能输出时域数据在时间轴上进行积分后，除以时长，得到对应园区电力数据子集的储能输出功率。
其中，对聚类数据集的每个子集进行电网供电最小化处理，得到聚类数据集的每个子集的电网最小供电及其对应的光伏集群输出功率的步骤具体为：
针对聚类数据集的每个子集，采用改进粒子群算法，建立电网最小供电双层模型，包括储能输出模型和储能输出模型，
所述储能输入模型的意思是，光伏输出全部满足储能，负载的电量来自储能和电网输入，所述储能输入模型的目标函数是：
Figure BDA0004124402840000111
其中，optimumE表示储能最优需求量,Soc表示储能所拥有的电量占比，W表示光伏集群输出，F表示指定时刻负载消耗，N表示电网输入，Swe表示光伏传输到储能过程的损耗，Sef表示储能传输到负载过程的损耗；
所述储能输入模型的约束函数包括：
输入Soc约束：Socmin≤Soc≤Socmax；
第一损耗约束：
Figure BDA0004124402840000112
第二损耗约束：
Figure BDA0004124402840000113
式中，Socmin表示当前储能的Soc最小值，Socmax表示当前储能Soc的最大值；
Figure BDA0004124402840000114
表示光伏传输到储能过程的最小损耗；/>
Figure BDA0004124402840000115
表示光伏传输到储能过程的最大损耗；/>
Figure BDA0004124402840000116
表示储能传输到负载过程的最小损耗；/>
Figure BDA0004124402840000117
表示储能传输到负载过程的最大损耗；
所述储能输出模型的意思是，光伏集群输出优先提供给负载，多余的电能供给储能，储能会有一定的电量输出给电网，所述储能输出模型的目标函数是：
Figure BDA0004124402840000118
式中，F1表示光伏集群输出给负载的电能，F2表示储能输出给负载的电能；
所述储能输出模型的约束函数包括：
输出Soc约束：Socmin≤Soc≤Socmax；
第三损耗约束：
Figure BDA0004124402840000121
第四损耗约束：
Figure BDA0004124402840000122
负载损耗约束：
Figure BDA0004124402840000123
所述改进粒子群算法中，使用聚类数据集的当前子集中的负载功率F0以及储能输出功率optimumE0，作为初始值，即F＝F0，optimumE＝optimumE0，以N和W作为改进粒子群算法中例子的位置和速度；对所述改进粒子群算法进行迭代，最终得到满足N最小值时的W作为聚类数据集当前子集的电网最小供电及其对应的光伏集群输出功率。
所述改进粒子群算法的迭代停止的条件为，连续两次迭代中，满足N最小值时的两个W相差小于10％～30％。
所述改进粒子群算法的迭代停止的条件为，连续两次迭代中，满足N最小值时的两个W相差小于10％。
光伏集群具有串联多块光伏板的光伏架子，在每块光伏板的下方，电连接监测模块，所述监测模块用于监测光伏板的实时输出功率，以及电压、电流、温度等，所述监测模块具有zigbee组网功能，并传输监控数据；
所述光伏集群的逆变器作为汇聚节点，将光伏集群的当前输出与预测输出作比较，当光伏集群当前输出与作为基准的预测输出的差值大于稳定阈值时，调取光伏板的监控数据，分析出现故障的每块光伏板，将故障上报。
在一种实施例的启动数据筛查的情况，光伏集群具有多行排列的光伏架子，每行串联多块光伏板，在每块光伏板的下方的线路，电连接有监测模块，所述监测模块用于监测光伏板的实时输出功率；
一个区域内的，相同地形的光伏架，各行的输出功率基本是相同的，倘若以每块光伏板进行监测，数据量太大，且设备监控的负载很高。以每行的所有光伏板的总功率进行监控，在一个时间段内，筛选出基准输出，例如，以功率的偏差为2％选择多行的输出功率，将平均值作为基准输出，当相同时间段的光伏板输出小于基准输出时，再调取该相同地形的每块光伏板的功率输出数据，定位故障光伏板；
进一步的，在对于设置有地形标签的相似度数据子集中，将每个数据分集的平均值作为基准输出，当相同时间段相同地形的光伏板输出小于基准输出时，再调取该相同地形的每块光伏板的功率输出数据，定位故障光伏板；
在实际使用中，若其中一块光伏板出现故障，则该光伏板不能进行电能输出，甚至由于该光伏板电连接在光伏集群中，该光伏板成为了一个通电负载，导致整个光伏集群的输出受到影响，该光伏板通过较大电流，容易造成火灾；采用监测模块可以实时监控每个光伏板的电能输出，通过各行的功率监控，可以实现故障光伏板的监测，避免单块光伏板的故障，或光斑效应，导致的短路或火灾等，造成的功率波动。
在另一个实施例中，在本方案中，还可以结合对整个光伏集群输出的分析，可以对当前光伏集群的输出进行比对，若当前光伏集群的输出降低，则可以调取光伏板监控数据，分析光伏板故障，省去了对每块光伏板的监控数据实时巡检的工作。
因此，将光伏集群的当前输出与预测输出作比较，当光伏集群当前输出与预测输出的差值大于稳定阈值时，调取光伏板的监控数据，分析出现故障的每块光伏板，将故障上报的具体步骤包括：
用上一个时段的日照强度数据作为第一日照强度数据，与所述园区电力数据子集中的日照强度数据进行比对，选择包含有与第一日照强度数据差值最小的所述园区电力数据子集中的光伏集群输出功率作为上一时段光伏集群的预测输出；
使用光伏集群的预测输出减去上一时段的光伏集群实际输出，得到输出差值，若输出差值大于稳定阈值，则认定光伏集群存在故障；
当光伏集群存在故障时，调取每个光伏板的监控数据，定位光伏板故障；
其中，调取每个光伏板的监控数据，定位光伏板故障具体为：若当前光伏板的输出功率小于相邻光伏板输出功率的30％，则认为当前光伏板故障；
其中，稳定阈值为上一时段日照强度下的所有光伏板的平均输出功率的70％。
通过上述的数据子集的分析，可以有效地确定目前光伏集群中是否存在有故障的光伏板，从而启动人工巡检，或采用前述的实施例中启动数据的筛查。从而确定故障的光伏板；也可以不采用数据子集的分析，直接启动前述的实施例中启动数据的筛查。
优选的，本发明还提供一种基于分布式电网的功率调度的***，用于执行上述的实施例中的方法步骤，参见图2，包括：
光伏集群，用于向园区的负载输出电能，在负载小于输出电能时，输出电能至储能***；
所述储能***，用于在所述光伏集群输出电能过剩时，接收所述光伏集群的电能输出；
所述储能***在soc最优的前提下，将多次接收所存储的电能，输出给所述园区的负载；在所述负载小于输出电能时，输出电能至电网负载；
光伏集群需求分析器，用于计算光伏集群的输出需求；并根据计算得到的光伏集群的输出需求，调整光伏集群的发电量。
上述***，通过粒子群算法，计算在电网最小供电及其对应的光伏集群输出功率，得到光伏集群输出功率的最大值作为光伏集群的输出需求，根据光伏集群的输出需求调整光伏输出，使得光伏输出最大限度地实现了让园区负载优先消纳。
对于本发明各个实施例中所阐述的方案，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于分布式电网的功率调度的方法，其特征在于，包括：
光伏集群，用于向园区的负载输出电能，在负载小于输出电能时，输出电能至储能***；
所述储能***，用于在所述光伏集群输出电能过剩时，接收所述光伏集群的电能输出；
所述储能***在soc最优的前提下，将多次接收所存储的电能，输出给所述园区的负载；在所述负载小于输出电能时，输出电能至电网负载；
光伏集群需求分析模块，用于计算光伏集群的输出需求；并根据计算得到的光伏集群的输出需求，调整光伏集群的发电量；
在以上功率调度过程中，分析每个光伏集群内，各行光伏的输出功率，通过基准的比较，监测光伏集群的功率稳定性。
2.根据权利要求1所述的方法，其特征在于，计算光伏集群的输出需求的步骤包括：
获取历史全年的园区电力数据集，包括日照强度时域数据、光伏集群输出时域数据、电网供电时域数据、负载时域数据以及储能输出时域数据；
所述光伏集群输出时域数据包括每种类地形所设伏板的个数及每种类地形所设光伏板的时域输出数据以及全部光伏板的输出时域数据；
将园区电力数据集按照每隔15分钟进行拆分，形成包括每天96个时间段的园区电力数据子集；
对每个园区电力数据子集进行平均计算，获取每个园区电力数据子集的日照强度、光伏集群输出功率、电网供电功率、负载功率以及储能输出功率；
对所有的园区电力数据子集进行聚类计算，得到多个聚类中心，以每个聚类中心作为包含有负载功率以及储能输出功率的聚类数据，所述多个聚类中心对应的聚类数据组成聚类数据集；
对聚类数据集的每个子集进行电网供电最小化处理，得到聚类数据集的每个子集的电网最小供电及其对应的光伏集群输出功率；
对每个子集的电网最小供电及其对应的光伏集群输出功率进行排序，得到最大的光伏集群输出功率作为光伏集群的输出需求。
3.根据权利要求2所述的方法，其特征在于，对每个园区电力数据子集进行平均计算，获取每个园区电力数据子集的日照强度、光伏集群输出功率、电网供电功率、负载功率以及储能输出功率的步骤包括：
对每个园区电力数据子集中的日照强度时域数据在时间轴上进行积分后，除以时长，得到对应园区电力数据子集的日照强度；
对每个园区电力数据子集中的光伏集群输出时域数据中的全部光伏板的输出时域数据在时间轴上进行积分后，除以时长，得到对应园区电力数据子集的光伏集群输出功率；
对每个园区电力数据子集中的电网供电时域数据在时间轴上进行积分后，除以时长，得到对应园区电力数据子集的电网供电功率；
对每个园区电力数据子集中的负载时域数据在时间轴上进行积分后，除以时长，得到对应园区电力数据子集的负载功率；
对每个园区电力数据子集中的储能输出时域数据在时间轴上进行积分后，除以时长，得到对应园区电力数据子集的储能输出功率。
4.根据权利要求2所述的方法，其特征在于，对聚类数据集的每个子集进行电网供电最小化处理，得到聚类数据集的每个子集的电网最小供电及其对应的光伏集群输出功率的步骤具体为：
针对聚类数据集的每个子集，采用改进粒子群算法，建立电网最小供电双层模型，包括储能输出模型和储能输出模型，
所述储能输入模型包括，光伏输出全部满足储能，负载的电量来自储能和电网输入，所述储能输入模型的目标函数是：
Figure FDA0004124402830000031
其中，optimumE表示储能最优需求量，Soc表示储能所拥有的电量占比，W表示光伏集群输出，F表示指定时刻负载消耗，N表示电网输入，Swe表示光伏传输到储能过程的损耗，Sef表示储能传输到负载过程的损耗；
所述储能输入模型的约束函数包括：
输入Soc约束：Socmin≤≤Socmax；
第一损耗约束：
Figure FDA0004124402830000032
第二损耗约束：
Figure FDA0004124402830000033
式中，Socmin表示当前储能的Soc最小值，Socmax表示当前储能Soc的最大值；
Figure FDA0004124402830000034
表示光伏传输到储能过程的最小损耗；/>
Figure FDA0004124402830000035
表示光伏传输到储能过程的最大损耗；
Figure FDA0004124402830000036
表示储能传输到负载过程的最小损耗；/>
Figure FDA0004124402830000037
表示储能传输到负载过程的最大损耗；
所述储能输出模型包括，光伏集群输出优先提供给负载，多余的电能供给储能，储能会有一定的电量输出给电网，所述储能输出模型的目标函数是：
Figure FDA0004124402830000038
式中，F1表示光伏集群输出给负载的电能，F2表示储能输出给负载的电能；
所述储能输出模型的约束函数包括：
输出Soc约束：Socmin≤≤Socmax；
第三损耗约束：
Figure FDA0004124402830000041
第四损耗约束：
Figure FDA0004124402830000042
负载损耗约束：
Figure FDA0004124402830000043
所述改进粒子群算法中，使用聚类数据集的当前子集中的负载功率F0以及储能输出功率optimumE0，作为初始值，即F＝F0，optimumE＝optimumE0，以N和W作为改进粒子群算法中例子的位置和速度；对所述改进粒子群算法进行迭代，最终得到满足N最小值时的W作为聚类数据集当前子集的电网最小供电及其对应的光伏集群输出功率。
5.根据权利要求4所述的方法，其特征在于，所述改进粒子群算法的迭代停止的条件为，连续两次迭代中，满足N最小值时的两个W相差小于10％～30％。
6.根据权利要求4所述的方法，其特征在于，所述改进粒子群算法的迭代停止的条件为，连续两次迭代中，满足N最小值时的两个W相差小于10％。
7.根据权利要求2所述的方法，其特征在于，对所有的园区电力数据子集进行聚类计算的步骤中，得到多个聚类中心中，聚类中心的个数为10个。
8.根据权利要求2所述的方法，其特征在于，分析每个光伏集群内，各行光伏的输出功率，通过基准的比较，监测光伏集群的功率稳定性，包括：光伏集群具有多行排列的光伏架子，每行串联多块光伏板，在每块光伏板的下方的线路，电连接有监测模块，所述监测模块用于监测光伏板的实时输出功率，所述监测模块具有zigbee组网功能，并传输监控数据；
所述光伏集群的逆变器作为汇聚节点，将光伏集群的当前输出与预测输出作比较，当光伏集群当前输出与作为基准的预测输出的差值大于稳定阈值时，调取光伏板的监控数据，分析出现故障的每块光伏板，将故障上报；
或，以每行的所有光伏板的总功率进行监控，在一个时间内，筛选出基准输出；当任一行的输出小于基准输出时，再调取该行的每块光伏板的功率输出数据，定位故障光伏板。
9.根据权利要求8所述的方法，其特征在于，将光伏集群的当前输出与预测输出作比较，当光伏集群当前输出与预测输出的差值大于稳定阈值时，调取每个光伏板的监控数据，分析出现故障的每块光伏板的具体步骤包括：
用上一个时段的日照强度数据作为第一日照强度数据，与所述园区电力数据子集中的日照强度数据进行比对，选择包含有与第一日照强度数据差值最小的所述园区电力数据子集中的光伏集群输出功率作为上一时段光伏集群的预测输出；
使用光伏集群的预测输出减去上一时段的光伏集群实际输出，得到输出差值，若输出差值大于稳定阈值，则认定光伏集群存在故障；
当光伏集群存在故障时，调取每个光伏板的监控数据，定位光伏板故障；
其中，调取每个光伏板的监控数据，定位光伏板故障具体为：若当前光伏板的输出功率小于相邻光伏板输出功率的30％，则认为当前光伏板故障；
其中，稳定阈值为上一时段日照强度下的所有光伏板的平均输出功率的70％。
10.一种基于分布式电网的功率调度的***，其特征在于，包括：
光伏集群，用于向园区的负载输出电能，在负载小于输出电能时，输出电能至储能***；
所述储能***，用于在所述光伏集群输出电能过剩时，接收所述光伏集群的电能输出；
所述储能***在soc最优的前提下，将多次接收所存储的电能，输出给所述园区的负载；在所述负载小于输出电能时，输出电能至电网负载；
光伏集群需求分析器，用于计算光伏集群的输出需求；并根据计算得到的光伏集群的输出需求，调整光伏集群的发电量。
CN202310241581.7A 2023-03-14 2023-03-14 一种基于分布式电网的功率调度的方法和*** Active CN116365596B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310241581.7A CN116365596B (zh) 2023-03-14 2023-03-14 一种基于分布式电网的功率调度的方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310241581.7A CN116365596B (zh) 2023-03-14 2023-03-14 一种基于分布式电网的功率调度的方法和***

Publications (2)

Publication Number Publication Date
CN116365596A true CN116365596A (zh) 2023-06-30
CN116365596B CN116365596B (zh) 2023-11-28

Family

ID=86940919

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310241581.7A Active CN116365596B (zh) 2023-03-14 2023-03-14 一种基于分布式电网的功率调度的方法和***

Country Status (1)

Country Link
CN (1) CN116365596B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117728498A (zh) * 2023-12-19 2024-03-19 国网青海省电力公司清洁能源发展研究院 一种应用储能装置的电网稳定性的控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102769302A (zh) * 2012-07-10 2012-11-07 江苏辉伦太阳能科技有限公司 带储能管理和依负载功率而输出的光伏并网逆变器
CN103390900A (zh) * 2013-07-22 2013-11-13 上海电力学院 一种分布式光伏储能***及能量管理方法
CN203377609U (zh) * 2013-08-09 2014-01-01 广东易事特电源股份有限公司 一种太阳能优先的光伏并网储能不间断电源***
US20140172182A1 (en) * 2012-12-19 2014-06-19 Robert Bosch Gmbh System and Method For Energy Distribution
CN107546771A (zh) * 2017-09-21 2018-01-05 中国农业大学 高比例风光储接入配电网多模式自适应控制方法
CN109713712A (zh) * 2018-10-10 2019-05-03 北京天势新能源技术有限公司 光储荷智能化管理一体机及光储荷智能化管理方法
CN112418605A (zh) * 2020-10-19 2021-02-26 国网上海市电力公司 一种光储式充电站储能***优化运行方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102769302A (zh) * 2012-07-10 2012-11-07 江苏辉伦太阳能科技有限公司 带储能管理和依负载功率而输出的光伏并网逆变器
US20140172182A1 (en) * 2012-12-19 2014-06-19 Robert Bosch Gmbh System and Method For Energy Distribution
CN103390900A (zh) * 2013-07-22 2013-11-13 上海电力学院 一种分布式光伏储能***及能量管理方法
CN203377609U (zh) * 2013-08-09 2014-01-01 广东易事特电源股份有限公司 一种太阳能优先的光伏并网储能不间断电源***
CN107546771A (zh) * 2017-09-21 2018-01-05 中国农业大学 高比例风光储接入配电网多模式自适应控制方法
CN109713712A (zh) * 2018-10-10 2019-05-03 北京天势新能源技术有限公司 光储荷智能化管理一体机及光储荷智能化管理方法
CN112418605A (zh) * 2020-10-19 2021-02-26 国网上海市电力公司 一种光储式充电站储能***优化运行方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MOHAMMAD RASOUL NARIMANI: "Energy Storage Control Methods for Demand Charge Reduction and PV Utilization Improvement", 2017 IEEE PES ASIA-PACIFIC AND ENERGY ENGINEERING CONFERENCE(APPEEC) *
苗风东;许树玲;: "光伏发电***中混合储能单元的控制研究", 制造业自动化, no. 21 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117728498A (zh) * 2023-12-19 2024-03-19 国网青海省电力公司清洁能源发展研究院 一种应用储能装置的电网稳定性的控制方法
CN117728498B (zh) * 2023-12-19 2024-06-07 国网青海省电力公司清洁能源发展研究院 一种应用储能装置的电网稳定性的控制方法

Also Published As

Publication number Publication date
CN116365596B (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
Karaki et al. Probabilistic performance assessment of autonomous solar-wind energy conversion systems
CN114336702B (zh) 基于双层随机规划的风光储场站群功率分配协同优化方法
CN116365596B (zh) 一种基于分布式电网的功率调度的方法和***
CN109713666B (zh) 一种基于K-means聚类的电力市场下分布式储能经济性调控方法
Jahid et al. Intelligent energy cooperation framework for green cellular base stations
CN116388334B (zh) 一种可重构电池储能***
CN117277392B (zh) 一种面向配电***弹性提升的应急资源优化配置方法
CN115164361A (zh) 一种数据中心控制方法、装置、电子设备和存储介质
CN116454934B (zh) 一种基于多设备的储能ems云平台
CN115940284B (zh) 一种考虑分时电价的新能源制氢***的运行控制策略
Chen et al. Distributed photovoltaic power cluster partition based on DPC Clustering algorithm
CN115549130A (zh) 一种光伏电站一次调频的混合储能容量配置方法、装置及设备
CN115411770A (zh) 一种可再生能源***的能量管理方法
Islam et al. Energy sustainable provisioning for green data centers
CN113394777A (zh) 基于配电网运行与用户侧能源***需求响应协同优化方法
CN117833374B (zh) 基于随机游走算法的分布式灵活资源集群划分方法
CN116937695B (zh) 一种光伏电源的数据分析方法、装置、设备及存储介质
CN117856312B (zh) 一种基于物联网的工业应急储能电池智能管理方法及***
CN115528711B (zh) 一种微电网储能变流器的并网控制方法
CN117674274A (zh) 一种基于源网荷储协同控制的区域能源调度方法及***
CN117196340A (zh) 一种含sop的配电网碳排放特性评估方法及装置
CN117217504A (zh) 分布式光伏及可调资源特性分析管理***及方法
CN115912332A (zh) 一种含间歇性电源的电网恢复目标的统一评估方法
CN116073373A (zh) 一种可重构电池储能***可靠性分析方法
CN117559396A (zh) 基于云边端协同的多类型储能分级调控***及方法

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
GR01 Patent grant
GR01 Patent grant