CN116565908A - 一种光伏和储能***接入的柔性牵引变电所能量管理方法 - Google Patents

一种光伏和储能***接入的柔性牵引变电所能量管理方法 Download PDF

Info

Publication number
CN116565908A
CN116565908A CN202310513717.5A CN202310513717A CN116565908A CN 116565908 A CN116565908 A CN 116565908A CN 202310513717 A CN202310513717 A CN 202310513717A CN 116565908 A CN116565908 A CN 116565908A
Authority
CN
China
Prior art keywords
power
time
energy storage
photovoltaic
storage system
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
CN202310513717.5A
Other languages
English (en)
Inventor
王科
廖海朱
胡海涛
黄毅
何正友
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong 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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202310513717.5A priority Critical patent/CN116565908A/zh
Publication of CN116565908A publication Critical patent/CN116565908A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/28—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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in 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
    • H02J3/38—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
    • 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
    • H02J2300/26—The renewable source being solar energy of photovoltaic origin involving maximum power point tracking control for photovoltaic sources

Landscapes

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

Abstract

本发明公开了一种光伏和储能***接入的柔性牵引变电所能量管理方法，包括步骤：将能量管理方案分为日前、日内和实时三个时间尺度；在日前优化调度阶段，基于列车牵引负荷与光伏出力短期预测数据，以牵引变电所综合运行成本最低为目标函数，并以保证牵引变电所正常运行构建约束条件，建立日前潮流优化调度的混合整数线性规划模型；在日内滚动优化阶段，基于模型预测控制方法，以牵引变电所供电计划偏差最小为目标函数，并以控制时域内变电所正常运行构建约束条件，完成储能***工作计划的滚动修正；在实时优化运行阶段，考虑光伏柔性出力方案，并建立牵引变电所原边负序电流最低的非线性优化模型，求解背靠背变流器的实时功率补偿指令。

Description

一种光伏和储能***接入的柔性牵引变电所能量管理方法
技术领域
本发明属于牵引供电***能量管理技术领域，具体涉及一种光伏和储能***接入的柔性牵引变电所能量管理方法。
背景技术
随着全国各地陆续出台现代化都市金融圈发展规划，旅客交通出行需求也快速上升。为此，我国电气化铁路建设规模持续增长，计划远期铁路网规模达到20万公里，其中高速铁路7万公里。然而，在电气化铁路快速发展的同时，其能耗需求也日益增长。
在此背景下，通过在牵引变电所中接入光伏发电***和储能***，实现对铁路沿线新能源发电资源和列车再生制动能量的有效利用，降低牵引变电所的综合运行成本，并实现负序电流的补偿，已成为铁路行业的研究热点之一。然而，列车牵引负荷剧烈波动(数秒内可到10MW)，光伏出力也具备不确定性，这对***的能量管理方案提出更高挑战。为此，对于光储接入的牵引变电所，亟需解决能够克服牵引负荷与光伏出力随机性、实现牵引变电所的经济优化运行，并且具备实时补偿负序电流能力、实现与三相电网友好交互的能量管理方案。
发明内容
本发明所为了解决背景技术中存在的技术问题，目的在于提供了一种光伏和储能***接入的柔性牵引变电所能量管理方法，能够克服牵引负荷与光伏出力预测误差带来的不利影响，提升牵引变电所的经济优化运行能力，同时能够有效实现变电所原边负序电流实时补偿，有利于与三相电网的友好交互。
为了解决技术问题，本发明的技术方案是：
一种光伏和储能***接入的柔性牵引变电所能量管理方法，将***能量管理策略分为三层时间尺度，所述方法包括：
S1：在日前优化调度阶段，基于列车牵引负荷与光伏出力短期预测数据，以牵引变电所综合运行成本最低为目标函数，并以保证牵引变电所正常运行构建约束条件，建立日前潮流优化调度的混合整数线性规划模型；
S2：在日内滚动优化阶段，以牵引变电所供电计划偏差最小为目标函数，并以控制时域内变电所正常运行构建约束条件，构建柔性牵引变电所的模型预测控制方案；
S3：在实时优化运行阶段，考虑光伏柔性出力方案，并建立牵引变电所原边负序电流最低的非线性优化模型，求解背靠背变流器的实时功率补偿指令，构建柔性牵引变电所的实时优化运行方法。
进一步，在所述步骤S1之前，所述方法还包括：将所述能量管理方法分为日前、日内和实时三个时间尺度。
进一步，采用牵引负荷与光伏预测方法，得到调度日内的牵引变电所左右两侧供电臂列车负荷和光伏出力短期预测数据；
所述建立日前潮流优化调度的混合整数线性规划模型的目标函数如下：
式中：CDA为调度日总运行成本；cG,b、cG,s分别为牵引变电所购电价格和返送三相电网电费价格；cD为需量电费价格；cEss、cPV分别为储能、光伏***运维成本；分别为t时刻牵引变电所从三相电网的购电功率与返送功率；PDem为最大需量功率；/>分别为t时刻储能***的充电和放电功率；/>为t时刻光伏发电***功率出力值；T为日前潮流优化调度阶段的调度时段数；Δt为日前优化调度阶段的时间尺度。
进一步，根据柔性牵引变电所模型，并基于列车负荷和光伏出力短期预测数据，建立日前潮流优化调度阶段的约束条件，包括：变电所功率平衡约束、原边公共连接点即PCC点功率约束、背靠背变流器容量约束、储能***充放电功率约束、储能介质荷电状态约束和最大需量功率约束。
进一步，在建立日前潮流优化调度阶段的混合整数线性规划模型后，对模型进行求解，得到变电所PCC点功率计划、储能***充放电功率计划、储能介质荷电状态计划，即完成光伏和储能***接入的柔性牵引变电所日前潮流优化调度，将上述调度计划提前下发至日内滚动优化运行阶段。
进一步，在日内滚动优化运行阶段建立柔性牵引变电所k时刻的模型预测控制方法，具体包括：
选取柔性牵引变电所k时刻的PCC点功率、储能***充放电功率以及荷电状态构成的向量为状态向量；选取柔性牵引变电所k时刻的储能***出力相对日前计划值的增量/>为控制向量；选取柔性牵引变电所k时刻的左右供电臂列车总负荷和光伏出力的超短期预测功率曲线相对日前预测曲线的增量构成向量为扰动向量；选取柔性牵引变电所k时刻的PCC点功率和储能***荷电状态构成的向量/>为输出向量，建立k时刻柔性牵引变电所模型预测控制方法的预测模型：
式中：ηEss为储能***的充放电效率；Δk为日内滚动优化阶段的时间尺度。
进一步，在k时刻获取k+1时刻至k+P时刻内，即预测时域内牵引负荷和光伏出力的超短期预测数据，由上述中预测模型在超短期预测时域内逐步迭代，构造预测时域内输出向量矩阵如下：
Yk＝[yk+1,yk+2,…,yk+P]T
式中：yk+p(p＝1,,P)为预测模型在k时刻预测k+p时刻由变电所PCC点功率和储能***荷电状态构成的输出向量；
基于获取的牵引负荷和光伏出力超短期预测数据，选取柔性牵引变电所k+1时刻至k+M时刻为控制时域，其中控制时域需小于等于预测时域，即M≤P，建立k时刻模型预测控制方法的优化目标如下：
式中：为k时刻控制时域内输出向量的跟踪计划目标矩阵，由时域内各时刻对应日前计划中PCC点功率值/>储能荷电状态/> 构成；ΔUk为k时刻控制时域内的控制矩阵，由时域内各时刻储能功率相对日前计划的增量构成；W、Q为权重系数矩阵。
进一步，根据柔性牵引变电所模型，并基于上述中得到的负荷和光伏出力的超短期预测数据，建立柔性牵引变电所在控制时域内正常运行条件下的约束条件，包括：变电所功率平衡约束、原边公共连接点功率约束、背靠背变流器功率约束、储能***充放电功率约束、储能***荷电状态约束和最大需量约束；
根据上述得到的模型预测控制方法的预测模型目标函数与得到的柔性牵引变电所在控制时域内正常运行约束条件，建立k时刻日内优化运行阶段的二次规划模型，对该二次规划模型进行求解，得到储能***在k+1，k+2，…，k+M时刻的充放电功率修正向量，并将该向量中第一个时段即k+1至k+2时刻内的修正量下发至储能***实时运行控制***。
进一步，在实时优化运行阶段，构建柔性牵引变电所k时刻的实时优化运行方法，具体包括：
由柔性牵引变电所k-1时刻的模型预测控制方法所得的k至k+1时刻内储能***修正量，叠加k至k+1时刻内储能***日前工作计划值，得到储能***在k至k+1时刻内的最终工作计划；
在k至k+1时刻内实时采集左右两侧供电臂电压与/>左右两侧供电臂负荷电流/>与/>以及光伏阵列输出电压电流值/>与/>计算左右两侧供电臂列车总负荷的有功功率/>与/>无功功率以及光伏发电功率/>并判断当前时刻是否存在PCC点功率返送三相电网的现象，若不存在返送现象，光伏并网变流器工作在最大功率点跟踪模式；反之，其采取限功率输出模式，光伏的实时输出功率如下式：
式中：为上述中得到的储能***最终工作计划值。
基于实时采集得到的左侧供电臂负荷、右侧供电臂负荷以及经光伏并网变流器控制后得到的光伏输出功率，建立负序电流实时优化补偿目标函数如下：
式中：kT为牵引变压器变比；分别为n时刻α、β相供电臂总有功功率；分别为n时刻α、β相供电臂总无功功率；
根据柔性牵引变电所模型，并基于得到的负荷实时数据和光伏控制出力数据，建立背靠背变流器正常运行条件下的约束条件，包括：左右两侧供电臂功率平衡约束、直流母线功率平衡约束和背靠背变流器容量约束；
根据上述得到的负序电流实时补偿目标函数与得到的背靠背变流器正常运行约束条件，建立n时刻日内优化运行阶段的非线性规划模型，对该模型进行快速求解，得到背靠背变流器在n时刻的实时有功功率补偿指令与/>实时无功功率补偿指令/>与并将该指令下发至背靠背变流器的实时运行控制***。
进一步，所述方法还包括：
在k+1时刻获取k+2至k+P+1时刻内牵引负荷和光伏出力的超短期预测数据，建立柔性牵引变电所k+1时刻的模型预测控制方案，重复在日内滚动优化运行阶段建立柔性牵引变电所k时刻的模型预测控制方法，建立k+2至k+M+1时刻内日内优化运行阶段的二次规划模型，对该模型进行求解，得到储能***在k+2，k+3，…，k+M+1时刻充放电功率修正向量，并将该向量中第一个时段即k+2至k+3时刻内的修正量下发至储能***实时运行控制***，如此不断向前滚动优化；
由柔性牵引变电所k时刻的模型预测控制方案所得的k+1至k+2时刻内储能***修正量，叠加k+1至k+2时刻内储能***日前工作计划值，得到储能***在k+1至k+2时刻内的最终工作计划；重复实时优化运行阶段构建k+1时刻柔性牵引变电所的实时优化运行方法，求解k+1至k+2时刻内的实时优化运行计划，即得到k+1至k+2时刻内的光伏实时输出功率指令、背靠背变流器实时有功功率与无功功率补偿指令，并下发至各变流器的运行控制***；
由此随着k的增加，不断重复构建，完成光伏和储能***接入的柔性牵引变电所能量管理方法。
与现有技术相比，本发明的优点在于：
1、本发明将光伏和储能***接入的柔性牵引变电所能量管理方法分为日前、日内和实时三个时间尺度，日前潮流优化调度实现了牵引变电所对光伏发电资源与列车再生制动能量的有效利用，并提升了两部制收费方案下的牵引变电所经济运行能力；
2、本发明的日内滚动优化阶段考虑了牵引负荷与光伏出力的不确定性对运行方案造成的影响，降低了由于预测数据误差导致的运行计划偏差，提升柔性牵引变电所的能源消纳和最大需量削减能力；
3、本发明的实时优化运行阶段考虑了牵引负荷快速波动下的负序电流实时优化补偿方法，降低了变电所原边负序电流，满足了牵引变电所的实时运行控制需求。
附图说明
图1为本发明中光伏和储能***接入的柔性牵引变电所结构图；
图2为本发明中多时间尺度能量管理方案基本框架；
图3为本发明中实时优化运行阶段中光伏柔性出力方案流程图；
图4为实施例中仅日前潮流优化调度方法PCC点功率与其参考计划功率对比图；
图5为实施例中本发明方法PCC点功率与其参考计划功率对比图。
具体实施方式
下面结合实施例描述本发明具体实施方式：
需要说明的是，本说明书所示意的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
实施例1：
本发明针对的柔性牵引变电所结构如图1所示，光伏和储能***接入的柔性牵引变电所能量管理方案基本框架如图2所示。
本发明具体包括以下步骤：
步骤1：在日前潮流优化调度阶段，采用循环神经网络预测模型，得到调度日内的牵引变电所左右两侧供电臂列车负荷有功功率的预测数据；从当地气象部门获取调度日内的气象数据与光照辐射数据，采用直接预测模型得到光伏出力预测数据；
步骤2：考虑电气化铁路两部制电费收取方式，牵引变电所电量电费参数包括电度电费、返送电量电费以及需量电费，而光伏和储能***接入的柔性牵引变电所运维费用包括储能***运维电费、光伏发电***运维电费，根据牵引变电所电量电费与运维费用收取方案，建立日前潮流优化调度方案的目标函数如下：
式中：CDA为调度日总运行成本；cG,b、cG,s分别为牵引变电所购电价格和返送三相电网电费价格；cD为需量电费价格；cEss、cPV分别为储能、光伏***运维成本；分别为t时刻牵引变电所从三相电网的购电功率与返送功率；PDem为最大需量功率；/>分别为t时刻储能***的充电和放电功率；/>为t时刻光伏发电***功率出力值；T为日前潮流优化调度阶段的调度时段数；Δt为日前优化调度阶段的时间尺度。
综合考虑列车牵引负荷快速波动特性与日前潮流优化调度问题的规模大小，将日前优化调度阶段的时间尺度选取为1分钟，调度周期T＝1440。
步骤3：根据柔性牵引变电所模型，并基于步骤1得到的左右两侧供电臂列车负荷和光伏出力预测数据，建立光伏和储能***接入的柔性牵引变电所正常运行条件下的约束条件，包括牵引变压器原次边有功功率平衡约束、左右两侧供电臂有功功率平衡约束、背靠背变流器中间直流母线有功功率平衡约束、原边公共连接点(PCC点)与三相电网交互的有功功率约束、背靠背变流器有功功率约束、储能***充放电功率约束、储能***荷电状态约束以及最大需量约束，具体约束条件如下：
牵引变压器需保持原次边有功功率平衡，约束为：
式中：分别为t时刻α、β相供电臂总有功功率。
左右两侧供电臂需保持有功功率平衡，约束为：
式中：分别为t时刻背靠背变流器中α、β相变流器有功功率；/>分别为t时刻α、β相供电臂列车总有功负荷。
背靠背变流器中间直流母线需保持有功功率平衡，约束为：
牵引变电所原边PCC点交互功率受到牵引变压器容量约束，具体为：
式中：为牵引变电所与三相电网交互功率限值；/>为t时刻表示牵引变电所与三相电网交互功率方向的二进制变量，/>表示牵引变电所从三相电网取电，/>表示牵引变电所向三相电网返送。
背靠背变流器补偿有功功率需满足设备额定容量约束，具体为：
式中：为i相变流器设备容量。
储能***充放电功率需在额定充放电功率范围内，具体约束为：
式中：为储能***额定充放电功率；/>为t时刻表示储能***充放电状态的二进制变量，/>表示储能***处于充电状态，/>表示储能***处于放电状态。
为避免储能介质出现过充过放，需限制其存储的能量在一定范围内；为保证日前调度阶段具备周期性，还需保证储能***能量水平的始末状态一致，储能***荷电状态需满足具体约束为：
式中：为t时刻储能***所存储的能量；ηEss,c、ηEss,d分别为储能***的充电和放电效率；/>为t时刻储能***的荷电状态；EEss,r为储能***额定容量；/>S Ess 分别为储能***荷电状态的上下限值；/>分别为储能***在调度日内初始时刻与结束时刻的能量水平。
电气化铁路中通常以牵引变电所15分钟内负荷均值的最大值作为当月最大需量计费值，假定牵引变电所的列车运行具备日周期性，因此以调度日的最大需量功率作为当月基本电费计费值，最大需量需满足约束条件：
步骤4：根据步骤2得到的日前潮流优化调度模型目标函数与步骤3得到的柔性牵引变电所正常运行约束条件，建立日前潮流优化调度阶段的混合整数线性规划模型，利用商业规划求解器，例如IBM公司开发的优化工具CPLEX，在Matlab环境下通过Yalmip平台调用该求解器，完成对该混合整数线性规划模型的求解，得到调度日内牵引变电所全局最优经济运行目的下的PCC点有功功率计划、储能***充放电功率计划、储能介质荷电状态计划，并将调度计划提前下发至日内运行阶段，即完成光伏和储能***接入的柔性牵引变电所日前潮流优化调度；
步骤5：在日内滚动优化运行阶段，构建柔性牵引变电所k时刻的模型预测控制方案：
5.1选取柔性牵引变电所k时刻的PCC点功率(以牵引变电所从三相电网取电为正值，牵引变电所返送三相电网为负值)、储能***充放电功率(以放电状态的功率为正值，充电状态的功率为负值)以及储能***荷电状态构成的向量为状态向量；选取柔性牵引变电所k时刻的储能***出力相对日前计划值的增量/>为控制向量；选取柔性牵引变电所k时刻的左右供电臂列车总负荷和光伏出力的超短期预测功率曲线相对日前预测曲线的增量构成向量/>为扰动向量；选取柔性牵引变电所k时刻的PCC点功率和储能***荷电状态构成的向量/>为输出向量，建立k时刻柔性牵引变电所模型预测控制方法的预测模型如下：
式中：ηEss为储能***的充放电效率；Δk为日内滚动优化阶段的时间尺度。
5.2获取k+1时刻至k+P时刻，即预测时域内牵引负荷和光伏出力的超短期预测数据，由5.1中预测模型在超短期预测时域内逐步迭代，构造预测时域内输出向量矩阵如下：
Yk＝[yk+1,yk+2,…,yk+P]T
式中：yk+p(p＝1,…,P)为预测模型在k时刻预测k+p时刻由变电所PCC点功率和储能***荷电状态构成的输出向量。
5.3基于5.2中获取的牵引负荷和光伏出力超短期预测数据，选取柔性牵引变电所k+1时刻至k+M时刻为模型预测控制方案的控制时域，为保证牵引变电所日内运行计划对日前调度计划的有效跟踪，并保证PCC点功率与日前计划之间的偏差尽可能的小，同时为避免对储能***的功率调整量过大，建立k时刻模型预测控制方法的优化目标如下：
式中：为k时刻控制时域内输出向量的跟踪计划目标矩阵，由时域内各时刻对应日前计划中PCC点功率值/>储能荷电状态/> 构成；ΔUk为k时刻控制时域内的控制矩阵，由时域内各时刻储能功率相对日前计划的增量构成；W、Q为权重系数矩阵，其中为保证PCC点功率对日前调度计划的有效跟踪，PCC点功率的权重值需远大于储能***荷电状态的权重值。
为降低牵引负荷与光伏出力波动性对PCC点工作计划的影响程度，尽可能提升柔性牵引变电所的经济运行能力，将日内滚动优化阶段时间尺度选取为5秒，滚动优化次数K＝17280；同时选取模型预测控制中预测时域长为15分钟，时段数P＝180，控制时域长为3分钟，时段数M＝36。
5.4根据柔性牵引变电所模型，并基于5.2中得到的负荷和光伏出力超短期预测数据，建立变电所在控制时域内正常运行条件下的约束条件，包括变电所功率平衡约束、原边公共连接点(PCC点)功率约束、背靠背变流器功率约束、储能***充放电功率约束、储能***荷电状态约束以及最大需量约束，约束条件如下：
牵引变压器需保持原次边有功功率平衡，约束为：
式中：分别为p时刻α、β相供电臂总有功功率。
左右两侧供电臂需保持有功功率平衡，约束为：
式中：分别为p时刻α、β相变流器有功功率；/>分别为p时刻α、β相供电臂列车总有功负荷。
背靠背变流器中间直流母线需保持有功功率平衡，约束为：
牵引变电所原边PCC点交互功率受到牵引变压器容量约束，具体为：
式中：为PCC点交互功率，以牵引变电所从三相电网购电为正值，返送至三相电网为负值；/>为牵引变电所与三相电网交互功率限值。
背靠背变流器补偿有功功率需满足设备额定容量约束，具体为：
式中：为i相变流器设备容量。
储能***充放电功率需在额定充放电功率范围内，具体约束为：
式中：为储能***功率，以放电为正值，充电为负值；/>为储能***额定充放电功率。
为避免储能介质出现过充过放，需限制其存储的能量在一定范围内，具体约束为：
式中：为p时刻储能***所存储的能量；ηEss为储能***的充放电效率；/>为p时刻储能***的荷电状态；EEss,r为储能***额定容量；/> SEss 分别为储能***荷电状态的上下限值；Δk为日内滚动优化阶段的时间尺度。
5.5根据5.3得到的模型预测控制方案目标函数与5.4得到的柔性牵引变电所正常运行约束条件，建立k时刻日内优化运行阶段的二次规划模型，利用二次规划求解器，例如Matlab提供的二次规划问题求解器quadprog函数，对该模型进行求解，得到储能***在k+1，k+2，…，k+M时刻的充放电功率修正向量，并将该向量中第一个时段(即k+1至k+2时刻内)的修正量下发至储能***实时运行控制***；
步骤6：在实时优化运行阶段，构建柔性牵引变电所k时刻的实时优化运行方法：
6.1利用步骤5中柔性牵引变电所k-1时刻建立模型预测控制方案，求解得到k至k+1时刻内储能***充放电功率的修正量，由该量叠加k至k+1时刻内储能***日前工作计划值，即可得到储能***在k至k+1时刻内的最终工作计划；
6.2利用安装在柔性牵引变电所内的数据采集装置，在k至k+1时刻内实时采集左右两侧供电臂电压与/>左右两侧供电臂负荷电流/>与/>以及光伏阵列输出电压电流值/>与/>计算左右两侧供电臂列车总负荷的有功功率/>与/>无功功率以及光伏发电功率/>由于三相电网对电气化铁路牵引变电所的有功返送功率采取“返送正计”或“返送不计”政策，当光伏出力无法被列车负荷和储能***消纳时，将通过背靠背变流器直接返送电网，这不仅不会对柔性牵引变电所运行带来经济收益，还会额外占用背靠背变流器容量，降低其电能质量治理能力，不利于柔性牵引变电所的友好并网。因此，在实时优化运行阶段，需先判断光伏发电***实际出力值，具体方法如图3所示，依据实时信息采集并判断当前时刻是否存在PCC点功率返送三相电网的现象，若判断结果为不存在返送现象，则光伏并网变流器工作在最大功率点跟踪模式，控制光伏阵列输出当前环境条件下可发出的最大功率；反之，其采取限功率输出模式，控制光伏阵列发出所需的实时输出功率，光伏的实时输出功率如下式：
式中：为6.1中得到的储能***最终工作计划值。
6.3基于6.2中实时采集并计算得到的左侧供电臂负荷、右侧供电臂负荷以及经光伏并网变流器控制后得到的光伏输出功率，为实现牵引变电所与三相电网的友好交互，降低变电所原边负序电流，建立负序电流实时优化补偿目标函数如下：
式中：kT为牵引变压器变比；分别为n时刻α、β相供电臂总有功功率；分别为n时刻α、β相供电臂总无功功率。
为满足实时控制要求，将实时优化阶段时间尺度选取为1秒，实时优化时段数N＝86400。
6.4根据柔性牵引变电所模型，并基于6.2中得到的负荷实时数据和光伏控制出力数据，建立背靠背变流器正常运行条件下的约束条件，包括左右两侧供电臂功率平衡约束、直流母线功率平衡约束和背靠背变流器容量约束，约束条件如下：
左右两侧供电臂需满足有功功率平衡、无功功率平衡，约束为：
式中：分别为n时刻i相供电臂列车总有功负荷、总无功负荷；/>分别为n时刻背靠背变流器中i相变流器有功补偿功率、无功补偿功率。
背靠背变流器中间直流母线需保持有功功率平衡，约束为：
/>
背靠背变流器中左右两侧变流器的补偿功率需满足设备容量约束，具体为：
6.5根据6.3得到的负序电流实时补偿目标函数与6.4得到的背靠背变流器正常运行约束条件，建立n时刻日内优化运行阶段的非线性规划模型，利用非线性优化求解算法，例如序列二次规划算法，对该模型进行快速求解，得到背靠背变流器在n时刻的实时有功功率补偿指令与/>实时无功功率补偿指令/>与/>并将该指令下发至背靠背变流器的实时运行控制***；
步骤7：在k+1时刻获取牵引变电所k+2至k+P+1时刻内牵引负荷和光伏出力的超短期预测数据，建立柔性牵引变电所k+1时刻的模型预测控制方案，重复步骤5，建立k+2至k+M+1时刻内日内优化运行阶段的二次规划模型，对该模型进行求解，得到储能***在k+2，k+3，…，k+M+1时刻充放电功率修正向量，并将该向量中第一个时段(即k+2至k+3时刻内)的修正量下发至储能***实时运行控制***，如此不断向前滚动优化；
步骤8：由柔性牵引变电所k时刻模型预测控制方案所得的k+1至k+2时刻内储能***修正量，叠加k+1至k+2时刻内储能***日前工作计划值，得到储能***在k+1至k+2时刻内的最终工作计划；重复步骤6，求解k+1至k+2时刻内的实时优化运行计划，即得到k+1至k+2时刻内的光伏实时输出功率指令、背靠背变流器实时有功功率与无功功率补偿指令，并下发至各变流器的运行控制***。
由此随着日内运行时刻k的增加，不断重复步骤5、步骤6、步骤7和步骤8，即可完成光伏和储能***接入的柔性牵引变电所在全天内的能量管理。
实施例2：
本发明中光伏和储能***接入的柔性牵引变电所结构如图1所示，***中部分设备的相关参数如表1所示：
表1***设备参数设置
以传统牵引供电***为参考组，以光伏和储能***接入的柔性牵引变电所仅采用日前潮流优化调度的单一时间尺度能量管理方案为对照组，采用循环神经网络预测模型所得到的牵引变电所负荷预测数据作为日前预测数据，而日内超短期预测数据由日前预测数据叠加正态分布的预测误差获取。在传统牵引供电***的参考组中，实时运行时由三相电网为列车负荷供电；在仅采用日前潮流优化调度的对照组中，实时运行时储能***按照日前调度计划运行，而光伏发电***按照实时最大功率点输出，背靠背变流器则采用与本发明中负序电流优化补偿步骤相同的方法进行负序补偿，而列车负荷的波动则由三相电网进行实时平抑。
各方案经仿真计算得到牵引变电所综合运行成本结果如表2所示：
表2经济性优化结果
根据表2结果可知，光伏和储能***接入的柔性牵引变电所能够实现对光伏发电资源和再生制动能量的有效利用，从而降低牵引变电所的运行成本。进一步的，在仅采用日前潮流优化调度这一单一时间尺度的能量管理方案时，牵引变电所电度电费下降了51.2％，需量电费下降了64.5％，总运行成本下降了48.9％。而在本发明方法的多时间尺度能量管理方案下，牵引变电所电度电费下降了57.4％，需量电费下降了60.2％，总运行成本下降了51.2％，可见牵引变电所的经济运行能力得到进一步提升。
为评价本发明中多时间尺度能量管理方案的效果，定义评价指标平均相对偏差，该指标用于评估日内滚动优化后PCC点工作计划曲线对于日前调度计划的跟踪效果，值越小表明对日前计划跟踪效果越好；反之，值越大表明对日前计划跟踪效果越差。平均相对偏差表达式如下：
式中：为实时运行阶段中n时刻牵引变电所PCC点的日前潮流优化调度计划值；/>为实时运行阶段中n时刻牵引变电所PCC点的实际值。
各方案经仿真计算得到牵引变电所相关技术性指标结果如表3所示：
表3技术性指标优化结果
根据表3结果可知，在仅采用日前潮流优化调度这一单一时间尺度的能量管理方案时，在日内实时运行时仅由三相电网平抑牵引负荷运行数据和光伏出力数据与日前预测值之间的误差，造成变电所PCC点处功率波动较大，与日前潮流优化调度之间的偏离程度也较大，如图4所示。而采用本发明的多时间尺度能量管理方案对变电所日内运行计划进行修正后，由牵引负荷与光伏出力预测误差所带来的不利影响也得到有效降低，牵引变电所PCC点日内运行跟踪日前调度计划的能力得到明显提升，变电所PCC点功率波动也较低，如图5所示。
在负序电流补偿方面，在仅采用日前潮流优化调度这一单一时间尺度的能量管理方案时，得益于背靠背变流器的负序补偿能力，相较于传统牵引供电***，负序电流最大值下降至41.43A，负序电流95％概率值也下降至0.08A。但是，由于光伏实时出力并未采用柔性出力方案，背靠背变流器负序电流补偿能力未得到完全发挥。因此，在本发明中实时运行阶段中考虑了光伏柔性出力方案，牵引变电所原边负序电流最大值进一步降低至30.82A，负序电流95％概率值也进一步下降至0.06A，牵引变电所负序电流补偿效果更好。
本发明通过将柔性牵引变电所的背靠背变流器中间直流环节引出构造直流母线，实现光伏发电***和储能***的接入，使用日前经济性优化调度、日内误差滚动校正和负序电流实时补偿运行的多时间尺度能量管理方案，实现对铁路沿线光伏发电资源和列车再生制动能量的有效利用，降低牵引变电所的综合运行成本，提升经济运行能力；同时考虑了列车牵引负荷和光伏出力预测的不确定性，降低了由于日前预测数据误差导致牵引变电所跟踪日前计划能量下降的不利影响；进一步在实时运行阶段考虑负序电流的优化补偿，有利于牵引变电所与三相电网的友好交互。通过多时间尺度的能量管理方案提升牵引变电所的经济运行能力和降低了原边负序电流，向电气化铁路中光伏发电***和储能***的接入提供运行方案，并为未来提供工程应用基础。
上面对本发明优选实施方式作了详细说明，但是本发明不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
不脱离本发明的构思和范围可以做出许多其他改变和改型。应当理解，本发明不限于特定的实施方式，本发明的范围由所附权利要求限定。

Claims (10)

1.一种光伏和储能***接入的柔性牵引变电所能量管理方法，其特征在于，将***能量管理策略分为三层时间尺度，所述方法包括：
S1：在日前优化调度阶段，基于列车牵引负荷与光伏出力短期预测数据，以牵引变电所综合运行成本最低为目标函数，并以保证牵引变电所正常运行构建约束条件，建立日前潮流优化调度的混合整数线性规划模型；
S2：在日内滚动优化阶段，以牵引变电所供电计划偏差最小为目标函数，并以控制时域内变电所正常运行构建约束条件，构建柔性牵引变电所的模型预测控制方案；
S3：在实时优化运行阶段，考虑光伏柔性出力方案，并建立牵引变电所原边负序电流最低的非线性优化模型，求解背靠背变流器的实时功率补偿指令，构建柔性牵引变电所的实时优化运行方法。
2.根据权利要求1所述的一种光伏和储能***接入的柔性牵引变电所能量管理方法，其特征在于，在所述步骤S1之前，所述方法还包括：将所述能量管理方法分为日前、日内和实时三个时间尺度。
3.根据权利要求1所述的一种光伏和储能***接入的柔性牵引变电所能量管理方法，其特征在于，采用牵引负荷与光伏预测方法，得到调度日内的牵引变电所左右两侧供电臂列车负荷和光伏出力短期预测数据；
所述日前潮流优化调度建立的混合整数线性规划模型的目标函数如下：
式中：CDA为调度日总运行成本；cG,b、cG,s分别为牵引变电所购电价格和返送三相电网电费价格；cD为需量电费价格；cEss、cPV分别为储能、光伏***运维成本；分别为t时刻牵引变电所从三相电网的购电功率与返送功率；PDem为最大需量功率；/>分别为t时刻储能***的充电和放电功率；/>为t时刻光伏发电***功率出力值；T为日前潮流优化调度阶段的调度时段数；Δt为日前优化调度阶段的时间尺度。
4.根据权利要求1所述的一种光伏和储能***接入的柔性牵引变电所能量管理方法，其特征在于，根据柔性牵引变电所模型，并基于列车负荷和光伏出力短期预测数据，建立日前潮流优化调度阶段的约束条件，包括：变电所功率平衡约束、原边公共连接点即PCC点功率约束、背靠背变流器容量约束、储能***充放电功率约束、储能介质荷电状态约束和最大需量功率约束。
5.根据权利要求1所述的一种光伏和储能***接入的柔性牵引变电所能量管理方法，其特征在于，在建立日前潮流优化调度阶段的混合整数线性规划模型后，对模型进行求解，得到变电所PCC点功率计划、储能***充放电功率计划、储能介质荷电状态计划，即完成光伏和储能***接入的柔性牵引变电所日前潮流优化调度，将上述调度计划提前下发至日内滚动优化运行阶段。
6.根据权利要求1所述的一种光伏和储能***接入的柔性牵引变电所能量管理方法，其特征在于，在日内滚动优化运行阶段建立柔性牵引变电所k时刻的模型预测控制方法，具体包括：
选取柔性牵引变电所k时刻的PCC点功率、储能***充放电功率以及荷电状态构成的向量为状态向量；选取柔性牵引变电所k时刻的储能***出力相对日前计划值的增量/>为控制向量；选取柔性牵引变电所k时刻的左右供电臂列车总负荷和光伏出力的超短期预测功率曲线相对日前预测曲线的增量构成向量为扰动向量；选取柔性牵引变电所k时刻的PCC点功率和储能***荷电状态构成的向量/>为输出向量，建立k时刻柔性牵引变电所模型预测控制方法的预测模型：
式中：ηEss为储能***的充放电效率；Δk为日内滚动优化阶段的时间尺度。
7.根据权利要求1所述的一种光伏和储能***接入的柔性牵引变电所能量管理方法，其特征在于，在k时刻获取k+1时刻至k+P时刻内，即预测时域内牵引负荷和光伏出力的超短期预测数据，由上述中预测模型在超短期预测时域内逐步迭代，构造预测时域内输出向量矩阵如下：
Yk＝[yk+1,yk+2,,yk+P]T
式中：yk+p(p＝1,…,P)为预测模型在k时刻预测k+p时刻由变电所PCC点功率和储能***荷电状态构成的输出向量；
基于获取的牵引负荷和光伏出力超短期预测数据，选取柔性牵引变电所k+1时刻至k+M时刻为控制时域，其中控制时域需小于等于预测时域，即M≤P，建立k时刻模型预测控制方法的优化目标如下：
式中：为k时刻控制时域内输出向量的跟踪计划目标矩阵，由时域内各时刻对应日前计划中PCC点功率值/>储能荷电状态/> 构成；ΔUk为k时刻控制时域内的控制矩阵，由时域内各时刻储能功率相对日前计划的增量/>构成；W、Q为权重系数矩阵。
8.根据权利要求7所述的一种光伏和储能***接入的柔性牵引变电所能量管理方法，其特征在于，根据柔性牵引变电所模型，并基于上述中得到的负荷和光伏出力的超短期预测数据，建立柔性牵引变电所在控制时域内正常运行条件下的约束条件，包括：变电所功率平衡约束、原边公共连接点功率约束、背靠背变流器容量约束、储能***充放电功率约束、储能介质荷电状态约束和最大需量约束；
根据上述模型预测控制方法预测模型得到目标函数与得到的柔性牵引变电所在控制时域内正常运行约束条件，建立k时刻日内优化运行阶段的二次规划模型，对该二次规划模型进行求解，得到储能***在k+1，k+2，…，k+M时刻的充放电功率修正向量，并将该向量中第一个时段即k+1至k+2时刻内的修正量下发至储能***实时运行控制***。
9.根据权利要求1所述的一种光伏和储能***接入的柔性牵引变电所能量管理方法，其特征在于，在实时优化运行阶段，构建柔性牵引变电所k时刻的实时优化运行方法，具体包括：
由柔性牵引变电所k-1时刻的模型预测控制方法所得的k至k+1时刻内储能***修正量，叠加k至k+1时刻内储能***日前工作计划值，得到储能***在k至k+1时刻内的最终工作计划；
在k至k+1时刻内实时采集左右两侧供电臂电压与/>左右两侧供电臂负荷电流/>与/>以及光伏阵列输出电压电流值/>与/>计算左右两侧供电臂列车总负荷的有功功率/>与/>无功功率以及光伏发电功率/>并判断当前时刻是否存在PCC点功率返送三相电网的现象，若不存在返送现象，光伏并网变流器工作在最大功率点跟踪模式；反之，其采取限功率输出模式，光伏的实时输出功率如下式：
式中：为上述中得到的储能***最终工作计划值。
基于实时采集得到的左侧供电臂负荷、右侧供电臂负荷以及经光伏并网变流器控制后得到的光伏输出功率，建立负序电流实时优化补偿目标函数如下：
式中：kT为牵引变压器变比；分别为n时刻α、β相供电臂总有功功率；分别为n时刻α、β相供电臂总无功功率；
根据柔性牵引变电所模型，并基于得到的负荷实时数据和光伏控制出力数据，建立背靠背变流器正常运行条件下的约束条件，包括：左右两侧供电臂功率平衡约束、直流母线功率平衡约束和背靠背变流器容量约束；
根据上述得到的负序电流实时补偿目标函数与得到的背靠背变流器正常运行约束条件，建立n时刻日内优化运行阶段的非线性规划模型，对该模型进行快速求解，得到背靠背变流器在n时刻的实时有功功率补偿指令与/>实时无功功率补偿指令/>与/>并将该指令下发至背靠背变流器的实时运行控制***。
10.根据权利要求1所述的一种光伏和储能***接入的柔性牵引变电所能量管理方法，其特征在于，所述方法还包括：
在k+1时刻获取k+2至k+P+1时刻内牵引负荷和光伏出力的超短期预测数据，建立柔性牵引变电所k+1时刻的模型预测控制方案，重复在日内滚动优化运行阶段建立柔性牵引变电所k时刻的模型预测控制方法，建立k+2至k+M+1时刻内日内优化运行阶段的二次规划模型，对该模型进行求解，得到储能***在k+2，k+3，…，k+M+1时刻充放电功率修正向量，并将该向量中第一个时段即k+2至k+3时刻内的修正量下发至储能***实时运行控制***，如此不断向前滚动优化；
由柔性牵引变电所k时刻的模型预测控制方案所得的k+1至k+2时刻内储能***修正量，叠加k+1至k+2时刻内储能***日前工作计划值，得到储能***在k+1至k+2时刻内的最终工作计划；重复实时优化运行阶段构建柔性牵引变电所k+1时刻的实时优化运行方法，求解k+1至k+2时刻内的实时优化运行计划，即得到k+1至k+2时刻内的光伏实时输出功率指令、背靠背变流器实时有功功率与无功功率补偿指令，并下发至各变流器的运行控制***；
由此随着k的增加，不断重复构建，完成光伏和储能***接入的柔性牵引变电所能量管理方法。
CN202310513717.5A 2023-05-08 2023-05-08 一种光伏和储能***接入的柔性牵引变电所能量管理方法 Pending CN116565908A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310513717.5A CN116565908A (zh) 2023-05-08 2023-05-08 一种光伏和储能***接入的柔性牵引变电所能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310513717.5A CN116565908A (zh) 2023-05-08 2023-05-08 一种光伏和储能***接入的柔性牵引变电所能量管理方法

Publications (1)

Publication Number Publication Date
CN116565908A true CN116565908A (zh) 2023-08-08

Family

ID=87497681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310513717.5A Pending CN116565908A (zh) 2023-05-08 2023-05-08 一种光伏和储能***接入的柔性牵引变电所能量管理方法

Country Status (1)

Country Link
CN (1) CN116565908A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117039892A (zh) * 2023-10-08 2023-11-10 江苏省电力试验研究院有限公司 配电台区柔性互联***优化调度方法、***、设备及存储介质
CN117810914A (zh) * 2024-02-27 2024-04-02 成都交大光芒科技股份有限公司 一种牵引变电所储能装置运行状态预测方法以及***

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117039892A (zh) * 2023-10-08 2023-11-10 江苏省电力试验研究院有限公司 配电台区柔性互联***优化调度方法、***、设备及存储介质
CN117039892B (zh) * 2023-10-08 2024-01-19 江苏省电力试验研究院有限公司 配电台区柔性互联***优化调度方法、***、设备及存储介质
CN117810914A (zh) * 2024-02-27 2024-04-02 成都交大光芒科技股份有限公司 一种牵引变电所储能装置运行状态预测方法以及***
CN117810914B (zh) * 2024-02-27 2024-05-03 成都交大光芒科技股份有限公司 一种牵引变电所储能装置运行状态预测方法以及***

Similar Documents

Publication Publication Date Title
Shivashankar et al. Mitigating methods of power fluctuation of photovoltaic (PV) sources–A review
Zhang et al. An improved charging/discharging strategy of lithium batteries considering depreciation cost in day-ahead microgrid scheduling
CN111313465B (zh) 含光伏与混合储能装置的柔性牵引供电***能量管理方法
Chen et al. Multitime-scale optimal dispatch of railway FTPSS based on model predictive control
Li et al. Emission-concerned wind-EV coordination on the transmission grid side with network constraints: Concept and case study
CN116565908A (zh) 一种光伏和储能***接入的柔性牵引变电所能量管理方法
CN110148969B (zh) 基于模型预测控制技术的主动配电网优化运行方法
CN102509167B (zh) 基于虚拟电厂的光伏发电能量管理***
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
CN112800658A (zh) 一种考虑源储荷互动的主动配电网调度方法
Chen et al. Evaluation of advantages of an energy storage system using recycled EV batteries
Li et al. Optimal configuration of photovoltaic energy storage capacity for large power users
CN107658867B (zh) 多主体参与的交直流混合配电网动态重构方法
Singh et al. A real-time smart charging station for EVs designed for V2G scenario and its coordination with renewable energy sources
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
CN113708394B (zh) 一种百兆瓦级储能参与调峰及频率响应辅助服务的联合调度方法
CN112699562B (zh) 一种构建配电网架构的方法及终端
Chandio et al. Gridpeaks: Employing distributed energy storage for grid peak reduction
CN114977182B (zh) 计及光伏接入的柔性牵引供电***区间最优潮流优化方法
CN115986743A (zh) 基于隐式决策法的电力跨区域配置优化方法、装置及设备
Roy et al. Stochastic power allocation of distributed tri-generation plants and energy storage units in a zero bus microgrid with electric vehicles and demand response
Arcos-Aviles et al. Fuzzy control-based energy management system for interconnected residential microgrids using the forecasts of power generation and load demand
Wang et al. Bi-level Optimization Model for Coordinated Operation of Wind Power and Energy Storage System
Hongli et al. Day-ahead optimal dispatch of regional power grid based on electric vehicle participation in peak shaving pricing strategy
Zheng et al. Carbon reduction assessment of electric vehicle aggregation participating in distribution network dispatching based on v2g technology

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