CN205212449U - 一种串联结构光储型多微网硬件*** - Google Patents
一种串联结构光储型多微网硬件*** Download PDFInfo
- Publication number
- CN205212449U CN205212449U CN201520975411.2U CN201520975411U CN205212449U CN 205212449 U CN205212449 U CN 205212449U CN 201520975411 U CN201520975411 U CN 201520975411U CN 205212449 U CN205212449 U CN 205212449U
- Authority
- CN
- China
- Prior art keywords
- microgrid
- controller
- straton
- sub
- 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.)
- Active
Links
- 238000003860 storage Methods 0.000 title claims abstract description 32
- 238000004146 energy storage Methods 0.000 claims abstract description 35
- 238000010248 power generation Methods 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 10
- 238000009826 distribution Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 abstract description 17
- 238000005457 optimization Methods 0.000 abstract description 10
- 238000000034 method Methods 0.000 abstract description 9
- 238000004422 calculation algorithm Methods 0.000 abstract description 8
- 238000011160 research Methods 0.000 abstract description 5
- 238000013461 design Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 101150114085 soc-2 gene Proteins 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- OFPXSFXSNFPTHF-UHFFFAOYSA-N oxaprozin Chemical compound O1C(CCC(=O)O)=NC(C=2C=CC=CC=2)=C1C1=CC=CC=C1 OFPXSFXSNFPTHF-UHFFFAOYSA-N 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- 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
- Photovoltaic Devices (AREA)
Abstract
本实用新型公开了一种串联结构光储型多微网硬件***。本串联结构光储型多微网***包括一次***与控制***,一次***由两个子微网通过并离网开关K1串联构成,包括光伏发电阵列、蓄电池和本地负荷;控制***由子微网控制器、光伏控制器、储能控制器、负荷控制器及通信网络构成。本串联结构光储型多微网经济优化方法采用一种考虑峰谷电价的分布式模型预测控制算法,根据多微网中源荷特性与运行特性,建立微电网预测模型和优化目标函数。本实用新型建立的串联结构光储型多微网***及方法,对开展光储型多微网***规划设计、模式切换和优化运行的研究具有重要的工程应用价值。
Description
技术领域
本实用新型属于微电网领域,具体涉及一种串联结构光储型多微网硬件***。
背景技术
能源是人类赖以生存的重要物质基础,也是社会经济发展的重要推动剂,然而,随着工业化进程的推进和世界人口的快速增加,常规能源短缺和环境污染问题日益显现,已经无法满足人类社会可持续发展和提高生活质量的需求,为此,从人类发展的长远目标来看,开发绿色可再生能源已经是必然趋势。
基于微电网形式的电网方便大规模分布式能源接入中低压配电网***,不仅可以充分发挥微电源的优势,而且能减少对大电网的冲击,加上其灵活、可控的运行方式,使其成为能有效补充大电网的友好单元。因此,“微电网”这一概念逐渐被国内外的学者和专家所认可,成为分布式发电技术的发展方向。分布式发电具有能源使用率高、安装位置灵活、节省资源费用、减少线路损耗等优点,因此,分布式发电成为大电网的重要补充,它可以减少大电网总装机容量,平衡大电网电量的高峰低谷,提高供电可靠性。但随着对分布式发电研究的逐步深入,其本身存在的问题也慢慢突显出来,一方面,分布式电源接入大电网后,由于其不可控性会对电网带来冲击;另一方面,分布式发电容易受到环境影响而不能输电稳定的电能,影响***稳定性;同时,分布式电源接入成本高,经济性较差,以上这些弊端极大的限制了分布式发电的有效应用。
随着微网工程的大规模建成,一定区域内多个邻近微网因互联互供所需将形成多微网***。目前我国在光储多微网***方面的研究和现场运行经验较少,随着光储微电网进入快速发展阶段,有必要发展一种含串联的光储型多微网经济运行硬件***与方法,以开展光储多微网的关键技术研究。
经对现有技术文献的检索发现,中国专利申请号为:201220002686.4,名称为:一种实验室用的微电网***,该申请内的微电网***只包括一次***,未涉及控制***设计及经济优化方法,且该申请内的微电网***为单微网,不适用多微网的关键技术研究。
实用新型内容
本实用新型为了解决上述现有技术中存在的不足之处,提供一种含串联结构光储型多微网硬件***,对开展光储型多微网***的规划设计、模式切换和经济运行研究具有重要意义。
为实现上述实用新型目的,本实用新型采用以下技术方案。
一种含串联结构光储型多微网硬件***,包括一次***与控制***;考虑峰谷电价的分布式模型预测控制算法。
所述的一次***由两个子微网(上层子微网和下层子微网)通过并离网开关K1串联构成。其中上层子微网包括30kW光伏发电阵列、66.7kWh蓄电池和本地负荷,下层子微网包括30kW光伏发电阵列、30kWh蓄电池和本地负荷。通过控制PCC(公共连接点)及K1开断能够切换两个子微网的并离网状态:上层子微网通过公共连接点PCC与配电网相连,通过控制公共连接点PCC开断能够实现整个多微网***并网和孤岛两种运行模式的转换,下层子微网通过K1接入上层子微网,通过控制K1能够实现下层子微网并网和孤岛两种运行模式的转换。
所述的控制***由子微网控制器(上层子微网控制器和下层子微网控制器)、光伏控制器、储能控制器、负荷控制器及通信网络构成。其中,公共连接点PCC与并离网开关K1通过通信总线直接与上层子微网控制器相连并由其直接控制;光伏控制器、储能控制器和负荷控制器分别由该子微网内控制器控制,子微网控制器通过通信总线相联,可实时传输该子微网电气信息至其他子微网;各微源控制器与逆变器相连,子微网控制器通过向各控制器下达指令,可控制各微源出力情况。
与现有技术相比,本实用新型具有如下优点和技术效果:
本实用新型建立的串联结构光储型多微网***,结构简单,控制效率高,对开展光储型多微网***规划设计、模式切换和优化运行的研究具有重要的工程应用价值。可将整个***的优化问题分散到各个子***中解决,采用该结构可以大大减轻计算复杂度,可实现每一电价段内每一时刻的购电成本最小,从而达到一天多微网的经济性运行。
附图说明
图1是一种串联结构光储型多微网硬件***的***电气拓扑图。
图2是串联结构光储型多微网中考虑峰谷电价的分布式模型预测控制总流程图。
图3a是串联结构光储型多微网中分布式预测控制流程图。
图3b是采用基于串联结构的分布式模型预测控制对***进行预测控制示意图。
图4是简单并网优化仿真波形;
图5是考虑峰谷电价的分布式预测控制算法波形图。
具体实施方式
以下将结合附图及具体实施例详细说明本实用新型的技术方案,以便更清楚直观地理解本实用新型实质,以下若有未特别详细说明之处,均是本领域技术人员可参照现有技术实现的。
图1是一种串联结构光储型多微网硬件***的***电气拓扑图。
一种串联结构光储型多微网***,其包括一次***与控制***。
所述的一次***由两个子微网(上层子微网和下层子微网)通过并离网开关K1串联构成。其中上层子微网包括30kW光伏发电阵列、66.7kWh蓄电池和本地负荷,下层子微网包括30kW光伏发电阵列、30kWh蓄电池和本地负荷。通过控制PCC(公共连接点)及K1开断能够切换两个子微网的并离网状态:上层子微网通过公共连接点PCC与配电网相连,通过控制公共连接点PCC开断能够实现整个多微网***并网和孤岛两种运行模式的转换,下层子微网通过K1接入上层子微网,通过控制K1能够实现下层子微网并网和孤岛两种运行模式的转换。
所述的控制***由子微网控制器(上层子微网控制器和下层子微网控制器)、光伏控制器、储能控制器、负荷控制器及通信网络构成。其中,公共连接点PCC与并离网开关K1通过通信总线直接与上层子微网控制器相连并由其直接控制;光伏控制器、储能控制器和负荷控制器分别由该子微网内控制器控制,子微网控制器通过通信总线相联,可实时传输该子微网电气信息至其他子微网;各微源控制器与逆变器相连,子微网控制器通过向各控制器下达指令,可控制各微源出力情况。
本实用新型的设计在于硬件结构,以下作为一种实例,其中涉及的软件程序部分是本领域技术人员可参照现有技术理解或编程实现的。图2是串联结构光储型多微网中考虑峰谷电价的分布式模型预测控制流程图。图中,SOC1 *(t)表示上层微电网储能在t时刻的预测值,SOC2 *(t)表示下层微电网储能在t时刻的预测值。通过对当前时段和下一时段的电价判断,并由储能元件t时刻容量进行约束,满足条件后进入图3所示的预测控制环节。
作为一种实例,在预测控制理论中,预测模型是一个描述***动态行为的基础模型,具有预测的功能即能够根据***的历时数据和未来的输入,预测***未来输出值。基于动态矩阵控制算法的预测控制模型如式(1)所示。
记Y*=[y*(t+1),y*(t+2),…,y*(t+n)]T;
ΔU=[Δu(t),Δu(t+1),…,Δu(t+n-1)]T;
Y0=[y0(t+1),y0(t+2),…,y0(t+n)]T
式中,y*(t+n)表示未来第n个时刻的***预测输出值;an表示未来第n个时刻作用于***控制量的程度;Δu(t+n-1)表示未来第n个时刻作用于***的控制量;y0(t+1)表示未来第n个时刻无ΔU作用时的***预测输出值;
上式可简化为式(2):
Y*=AΔU+Y0(2)
式中,Y*表示有作用时的未来n个时刻的***预测输出值;A表示未来n个时刻作用于***控制量的程度;ΔU表示未来n个时刻作用于***的控制量;Y0表示无ΔU作用时的未来n个时刻的***预测输出值。
针对串联结构光储型多微网,需要对***模型和目标函数进行分解。采用基于串联结构的分布式模型预测控制对***进行预测控制,如下图3b所示。其中u为下层子微网向上层传输的信息量;y为微电网***输出量,为微电网和配电网的联络线功率预测值Pgrid1 *(t+1);ui为子微网控制i的单独输入量,为相应子微网的储能、负荷和光伏的状态参数;yi为子微网控制器i输出量,为相应子微网的储能输出功率预测值PBSi *(t+1),即下一时刻的储能输出功率参考。
目标函数如式(3)所示:
式中:n为最大预测长度;y*(t+i)为第i时刻***预测输出值;yN(t+i)无ΔU作用时的未来第i时刻的***预测输出值;λ(j)为j时刻大于0的控制系数;Δu(t+j-1)第j-1时刻作用与***的控制量。
微电网和配电网的联络线功率Pgrid1可以为负数,简单起见,本实例简化目标函数的计算量。上层子微网目标函数如式(4)所示。
G1(i)=Pgrid1i *(t+1)(4)
其中i=1,2,…,n。
将下一时刻储能SOC的所有可能值SOC1i *(t+1)均作用于预测模型,计算相应的联络线功率预测值Pgrid1i *,i为对应编号。查找联络线功率的最小预测值并输出对应的编号i*,由式(5)所示。
[i*]=min(G1)(5)
通过换算出储能输出功率预测值PBS1 *(t+1)以作为下一时刻储能单元功率参考值,实现下一时刻联络线功率Pgrid1(t+1)最小。
由于被控对象及环境的不确定性,在t时刻实施控制量ΔU的作用后,在t+1时刻的实际输出和预测输出不一定相等,生成预测误差e(t+1):
e(t+1)=y(t+1)-y*(t+1)(6)
式中y(t+1)为t+1时刻实际输出量;y*(t+1)为t+1时刻预测输出量。
此误差经过加权后修正对未来其他时刻的预测值,如式(7)所示:
yf *(t+2)=y*(t+2)+h·e(t+1)(7)
式中,yf *(t+2)为修正后的t+2时刻预测值;y*(t+2)为t+2时刻预测值;h为预测误差的加权系数,本实用新型取h=1,则经修正后的目标函数为:
G1(i)=Pgrid1i(t+1)+e1(t+1)(8)
由于预测控制只实现下一时刻的购电成本最小,而实际购电成本与峰谷电价关系密切,只使用预测控制对微电网进行能量管理,无法根据当前所处的电价时段和下一电价时段进行能量优化管理,实现全局最优。本实例根据一天的峰谷电价实现不同电价段的能量优化管理,结合预测控制的优点,实现每一电价段内每一时刻的购电成本最小,从而达到一天多微网的经济性运行。
根据峰谷电价实现不同电价段的经济运行,结合预测控制优点,实现每个电价段内各时刻的购电成本最小。微电网功率缺额如下式所示:
Ploss=Pload1+Pload2-PPV1-PPV2(9)
式中:Ploss为功率缺额;Pload1为负载1的有功功率;Pload2为负载2的有功功率;PPV1为光伏1输出功率;PPV2为光伏2输出功率。
当下一时段的电价高于当前时段且Ploss>0时,储能电量可能无法满足Ploss,使下一时段的微电网与配电网的联络线功率全时段均为0。由于下一时段的电价高于当前时段,则微电网下一时段的功率缺额将使用配电网高价电补足。为提高经济性,微电网储能应在当前时段进行充电,储能最大限度的满足下一时段的功率缺额,使得下一时刻对配电网的用电量最少,减少微电网对配电网的购电成本。
设定t时刻到t+1时刻子微网j储能SOCj(t+1)的变化量为Vj(t+1),则有:
SOCj *(t+1)=SOCj(t)-Vj(t+1)(10)
式中:SOCj *(t+1)为储能在t+1时刻的预测值;T为单位步长时间;WBSj为储能元件的容量。
Vj(t+1)与t+1时刻子微网储能的充放电功率呈线性关系。储能放电功率为正,充电功率为负,由于储能功率范围为:
PBSjmin≤PBSj≤PBSjmax(12)
式中:PBSjmin为子微网j储能的最大充电功率;PBSjmax为子微网j储能的最大放电功率。
为求解所建立数学模型,使用滚动优化法对经济最优化进行寻优,单个步长的限定条件为:
根据单个步长限定条件,分别以Vj(t+1)=0为中心往正负取n段,则Vj(t+1)可取2n+1个值。
根据每一个Vji(t+1)得到对应的下一时刻储能SOC的所有可能值SOCji *(t+1),并作用于预测模型,计算相应的联络线功率预测值Pgrid1 *(t+1),i为对应编号,i=1,2,…,2n+1。根据公式(7),计算其相应的目标函数值,并由公式(5)得到其最小值所对应的编号i*。计算编号i*所对应的储能输出功率预测值PBS1 *(t+1)并作为下一时刻储能单元功率参考值,实现下一时刻联络线功率Pgrid1(t+1)最小。实现微电网对配电网的购电成本最小,以及上网电价收益最高。
已知t时刻的上、下层子微网各参数,则t+1时刻储能荷电状态、上层子微网的联络线功率、下层子微网的联络线功率分别下式所示;
Pgrid2 *(t+1)=Pload2 *(t+1)-PPV2 *(t+1)-PBS2 *(t+1)(15)Pgrid1 *(t+1)=Pload1 *(t+1)-PPV1 *(t+1)-PBS1 *(t+1)+Pgrid2 *(t+1)(16)
Pgrid1 *(t+1)=Pload1 *(t+1)-PPV1 *(t+1)-PBS1 *(t+1)+Pgrid2 *(t+1)(17)
式中:参数上标有*的为该时刻的预测值;储能容量,上层为WBS1,下层为WBS2;储能功率,上层为PBS1(t),下层为PBS2(t);负荷功率,上层为Pload1(t),下层为Pload2(t);光伏输出功率,上层为PPV1(t),下层为PPV2(t);联络线功率,上层子微网联络线功率,Pgrid1(t+1),下层子微网联络线功率Pgrid2(t+1),Pgridj(t+1)为正时电能从上往下传输,为负时则相反。
图3a是串联结构光储型多微网中分布式预测控制流程图。***同时对上层子微网和下层子微网进行模型预测控制,并将下层子微网的预测控制结果返回至上层子微网的预测控制流程中,最终得到联络线功率最低的目标函数。
结合式(14-17)可得:
由于t时刻,SOC1(t)和SOC2(t)已知,Pload1(t+1)、Pload2(t+1)可根据负荷历史数据得到,PPV1(t+1)、PPV2(t+1)可根据光伏出力历史曲线得到。为防止各子微网储能出现过充过放的情况,储能SOC的预测值约束条件如式(19)所示。
20%≤SOCj *(t+1)≤80%(19)
由功率平衡可得式(20):
Pgrid1 *(t+1)=Pload1 *(t+1)+Pload2 *(t+1)-PPV1 *(t+1)-PPV2 *(t+1)
(20)
-[PBS1 *(t+1)+PBS2 *(t+1)]
由于t+1时刻Pload1 *(t+1)、Pload2 *(t+1)、PPV1 *(t+1)、PPV2 *(t+1)均为常数,因此当PBS1 *(t+1)+PBS2 *(t+1)不变,则对应的Pgrid1 *(t+1)不变。由此可知当V1(t+1)>0且V2(t+1)<0或V1(t+1)<0且V2(t+1)>0时,满足该条件的某组[V1(t+1),V2(t+1)]存在一组[V1(t+1),0]或[0,V2(t+1)],使得[V1(t+1),0]或[0,V2(t+1)]所对应的Pgrid1 *(t+1)与[V1(t+1),V2(t+1)]对应的Pgrid1 *(t+1)相等,且当V1(t+1)>0且V2(t+1)<0时,会增加储能设备的运行损耗。因此,需预测控制的约束条件如下式所示。
(V1(t+1)≥0∩V2(t+1)≥0)∪(V1(t+1)≤0∩V2(t+1)≤0)(21)
即V1(t+1)和V2(t+1)符号相同。
图4、图5分别是简单并网优化仿真波形和考虑峰谷电价的分布式预测控制算法波形图。
经统计,在简单并网优化情况下,微电网对配电网的购电成本为139.0元,上网电费收入为105.3元,微电网总电费为33.7元;在考虑峰谷电价的分布式预测控制算法情况下,微电网对配电网的购电成本为126.7元,上网电费收入为134.3元,微电网总电费为-7.4元。采用基于峰谷电价和预测控制的能量管理算法的微电网运行一天能获取7.4元的利润。算例结果验证了所提出优化算法的可行性及经济性。
以上所述仅为本实用新型与实用新型的优选实施例,并非因此限制其专利范围,凡是利用本实用新型说明书及附图内容所作的等效结构变换,直接或间接运用在其他相关的技术领域,均同理包括在本实用新型的专利保护范围内。
Claims (2)
1.一种串联结构光储型多微网硬件***,包括一次***与控制***,其特征在于:一次***包括上层子微网和下层子微网,上层子微网和下层子微网通过并离网开关串联构成;其中上层子微网包括30kW光伏发电阵列、66.7kWh蓄电池和本地负荷,下层子微网包括30kW光伏发电阵列、30kWh蓄电池和本地负荷;通过控制公共连接点及并离网开关开断能够切换前述两个子微网的并离网状态:上层子微网通过公共连接点与配电网相连,通过控制公共连接点开断能够实现整个多微网***并网和孤岛两种运行模式的转换,下层子微网通过并离网开关接入上层子微网,通过控制并离网开关能够实现下层子微网并网和孤岛两种运行模式的转换。
2.根据权利要求1所述的串联结构光储型多微网硬件***,其特征在于所述控制***由上层子微网控制器、下层子微网控制器、光伏控制器、储能控制器、负荷控制器及通信网络构成,其中,所述公共连接点与并离网开关均通过通信总线直接与两个子微网相连;微源控制器即光伏控制器、储能控制器和负荷控制器分别由上层子微网控制器控制,两个子微网控制器通过通信总线相联,能实时相互传输子微网内电气信息;各微源控制器与逆变器相连,各子微网控制器通过向各微源控制器下达指令,控制各微源出力情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201520975411.2U CN205212449U (zh) | 2015-11-30 | 2015-11-30 | 一种串联结构光储型多微网硬件*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201520975411.2U CN205212449U (zh) | 2015-11-30 | 2015-11-30 | 一种串联结构光储型多微网硬件*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN205212449U true CN205212449U (zh) | 2016-05-04 |
Family
ID=55850141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201520975411.2U Active CN205212449U (zh) | 2015-11-30 | 2015-11-30 | 一种串联结构光储型多微网硬件*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN205212449U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105337310A (zh) * | 2015-11-30 | 2016-02-17 | 华南理工大学 | 一种串联结构光储型多微网经济运行***及方法 |
-
2015
- 2015-11-30 CN CN201520975411.2U patent/CN205212449U/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105337310A (zh) * | 2015-11-30 | 2016-02-17 | 华南理工大学 | 一种串联结构光储型多微网经济运行***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105337310A (zh) | 一种串联结构光储型多微网经济运行***及方法 | |
Giaouris et al. | A systems approach for management of microgrids considering multiple energy carriers, stochastic loads, forecasting and demand side response | |
CN106058855A (zh) | 协调储能与柔性负荷的主动配电网多目标优化调度方法 | |
Machlev et al. | A review of optimal control methods for energy storage systems-energy trading, energy balancing and electric vehicles | |
CN105071389B (zh) | 计及源网荷互动的交直流混合微电网优化运行方法及装置 | |
CN112072641A (zh) | 一种源网荷储柔性协调控制和运行优化方法 | |
CN107979111A (zh) | 一种基于两阶段鲁棒优化的微电网能量管理方法 | |
CN109103912A (zh) | 考虑电网调峰需求的工业园区主动配电***调度优化方法 | |
CN103810539B (zh) | 考虑换电服务可用性的电动汽车换电站容量优化配置方法 | |
CN106228258A (zh) | 一种计及需求侧管理的家庭能源局域网能量优化控制方法 | |
CN106532751B (zh) | 一种分布式电源能效优化方法及*** | |
CN104362677A (zh) | 一种主动配电网优化配置结构及其配置方法 | |
Capizzi et al. | Recurrent neural network-based control strategy for battery energy storage in generation systems with intermittent renewable energy sources | |
CN104779611A (zh) | 基于集中式和分布式双层优化策略的微电网经济调度方法 | |
CN105552940A (zh) | 基于交替方向乘子算法的分布式全局最优能量管理*** | |
CN103455729B (zh) | 一种确定光储并网联合发电调度值的方法 | |
CN104377826A (zh) | 一种主动配电网控制策略及方法 | |
CN112952847B (zh) | 考虑用电需求弹性的多区域主动配电***调峰优化方法 | |
Shen et al. | Multi-timescale rolling optimization dispatch method for integrated energy system with hybrid energy storage system | |
Yang et al. | Deep learning-based distributed optimal control for wide area energy Internet | |
Xue et al. | Adaptive dynamic programming method for optimal battery management of battery electric vehicle | |
CN105514986A (zh) | 一种基于虚拟电厂技术的der用户竞价并网方法 | |
CN205212449U (zh) | 一种串联结构光储型多微网硬件*** | |
CN105207255B (zh) | 一种适用于风电出力的电力***调峰计算方法 | |
CN106447061A (zh) | 分布式电源定容选址的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |