+

CN116722570A - 一种配电网优化运行方法、装置、电子设备及存储介质 - Google Patents

一种配电网优化运行方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116722570A
CN116722570A CN202310938007.7A CN202310938007A CN116722570A CN 116722570 A CN116722570 A CN 116722570A CN 202310938007 A CN202310938007 A CN 202310938007A CN 116722570 A CN116722570 A CN 116722570A
Authority
CN
China
Prior art keywords
resource
power plant
energy consumption
electric vehicle
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.)
Pending
Application number
CN202310938007.7A
Other languages
English (en)
Inventor
李建宇
徐妙风
张彦昌
龙春福
李琛
陈雷声
李琼鹏
叶鹏
叶志华
徐钰栋
胡高铭
肖禧超
李曼
赵大柯
陈蕾
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.)
Yueqing Electric Power Industrial Co ltd
Yueqing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Yueqing Power Supply Co of State Grid Zhejiang 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 Yueqing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Yueqing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202310938007.7A priority Critical patent/CN116722570A/zh
Publication of CN116722570A publication Critical patent/CN116722570A/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
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/38—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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Biophysics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种配电网优化运行方法、装置、电子设备及存储介质，通过对虚拟电厂内部包含的数据中心、电动汽车等需求响应资源进行精细化建模，在此基础上对建立虚拟电厂经济优化模型，探究电价信号对其用能行为的影响，并通过建立配电网可再生能源消纳优化模型，计算在虚拟电厂用能计划确定时配电网单日的可再生能源消纳量，最后通过粒子群算法求解虚拟电厂资源所在配电网节点的引导电价，通过经济性信号实现配电网单日可再生能源消纳量的提升，使得电网潮流的分布更加合理，使得配电网系统的环保性、经济性等指标提升。

Description

一种配电网优化运行方法、装置、电子设备及存储介质
技术领域
本申请实施例涉及电力系统领域，特别是涉及一种配电网优化运行方法、装置、电子设备及存储介质。
背景技术
随着配电网负荷侧需求响应资源的种类与体量不断攀升，电力市场中的不同参与者在经济优化过程中自发制定的用能计划可能会导致电网潮流的不合理分布，使得系统环保性、经济性等指标下降。虚拟电厂作为一种重要的需求响应资源聚合体，其通过现代通讯技术可实现内部多种资源的整体优化，研究虚拟电厂与配电网的协调优化策略，对于系统环保、经济、可靠的运行具有重要意义。
发明内容
本发明提供了一种配电网优化运行方法、装置、电子设备及存储介质，通过建立虚拟电厂经济优化模型，探究电价信号对其用能行为的影响，从而提升配电网系统的环保性、经济性指标。
第一方面，本发明提供了一种配电网优化运行方法，包括如下步骤：
获取虚拟电厂的需求响应资源数据，并根据所述需求响应资源数据，建立虚拟电厂能耗模型；
根据所述需求响应资源所在节点的电价，建立虚拟电厂经济优化模型；
获取配电网可再生能源机组所在节点，并根据所述可再生能源机组所在节点，建立配电网可再生能源消纳优化模型；
预设粒子群算法参数，生成电价粒子群，并通过将所述电价粒子群代入所述虚拟电厂经济优化模型，获取资源计划购售电量；
通过将所述资源计划购售电量代入所述配电网可再生能源消纳优化模型，获取配电网可再生资源消纳量；
通过粒子群优化算法对所述电价粒子群进行更新，获取虚拟电厂需求响应资源所在节点的引导电价，其中，所述引导电价为经计算后使得所述配电网可再生资源消纳量为最大的电价粒子群的数值。
进一步地，所述获取虚拟电厂的需求响应资源数据，包括数据中心资源和电动汽车资源：
根据所述数据中心资源，构建数据中心资源能耗模型，其公式为：
其中，PUEi为数据中心i的电能利用效率，si,t为第t个小时数据中心i内部的活跃服务器数量，Pi fixed为数据中心i的服务器其他定值组件能耗，Ki为数据中心i以服务率为对象的CPU能耗系数，μCPU,i为数据中心i内部服务器服务率，λdata,i,t为第t个小时数据中心i单位时间承担的数据负荷量；
根据所述电动汽车资源，获取电动汽车特征，并根据所述电动汽车特征的分类，构建电动汽车短时停泊能耗模型和电动汽车长时停泊能耗模型，所述电动汽车短时停泊能耗模型公式为：
其中，PIin,v,t为第v辆I类电动汽车在第t个小时的充电功率，为第v辆I类电动汽车的充电功率上限，WEVI,v,t为第v辆I类电动汽车在第t个小时的电池电量，ts为初始充电时刻，tf为充电结束时刻，αIin,v为第v辆I类电动汽车的充电效率，
所述电动汽车长时停泊能耗模型的公式为：
PIIin,v,tPIIout,v,t＝0
WEVII,v,t＝WEVII,v,t-1+αIIin,vPIIin,v,t-1-αIIout,vPIIout,v,t-1
其中，PIIin,v,t为第v辆II类电动汽车在第t个小时的充电功率，为第v辆II类电动汽车的充电功率上限，PIIout,v,t为第v辆II类电动汽车在第t个小时的放电功率，/>为第v辆II类电动汽车的放电功率上限，WEVII,v,t为第v辆II型电动汽车在第t个小时的电池电量，αIIin,v为第v辆II型电动汽车的充电效率，αIIout,v为第v辆II型电动汽车的放电效率，为第v辆II型电动汽车的电池容量上限。
进一步地，所述通过粒子群优化算法对所述电价粒子群进行更新，还包括：
更新各组电价粒子的当前个体极值与所述电价粒子群的当前全局最优解，并更新各个电价粒子的速度和位置；
预设最大迭代次数和收敛精度阈值，将更新后的各组电价粒子重复代入所述虚拟电厂经济优化模型进行迭代；
当迭代次数超过所述预设最大迭代次数，或，连续两次迭代操作获取的全局最优解的差值小于所述收敛精度阈值，则停止所述迭代并输出当前全局最优解，所述当前全局最优解指示当前所述配电网可再生资源消纳量为最大。
进一步地，所述建立虚拟电厂经济优化模型，还包括：
获取所述虚拟电厂需求响应资源数据的购售电量，其中，所述电动汽车资源所在节点的购电量为：
所述数据中心资源所在节点的购售电量为：
其中，Pbuyi,t为虚拟电厂资源所在节点i在第t个小时的购电量，Pselli,t为虚拟电厂资源所在节点i的第t个小时的售电量；
根据所述虚拟电厂需求响应资源数据的购电量，建立所述虚拟电厂经济优化模型，其公式为：
其中，αi,t为虚拟电厂资源所在节点i在第t个小时电价的基准价格，βi为虚拟电厂资源所在节点i电价的价格敏感系数，gi,t为虚拟电厂资源所在节点i在第t个小时的售电价格。
第二方面，本发明还提供了一种配电网优化运行装置，包括：
能耗模型建立模块，用于获取虚拟电厂的需求响应资源数据，并根据所述需求响应资源数据，建立虚拟电厂能耗模型；
优化模型建立模块，用于根据所述需求响应资源所在节点的电价，建立虚拟电厂经济优化模型；
能源消纳优化模型建立模块，用于获取配电网可再生能源机组所在节点，并根据所述可再生能源机组所在节点，建立配电网可再生能源消纳优化模型；
资源计划购售电量获取模块，用于预设粒子群算法参数，生成电价粒子群，并通过将所述电价粒子群代入所述虚拟电厂经济优化模型，获取资源计划购售电量；
可再生资源消纳量获取模块，用于通过将所述资源计划购售电量代入所述配电网可再生能源消纳优化模型，获取配电网可再生资源消纳量；
引导电价获取模块，用于通过粒子群优化算法对所述电价粒子群进行更新，获取虚拟电厂需求响应资源所在节点的引导电价，其中，所述引导电价为经计算后使得所述配电网可再生资源消纳量为最大的电价粒子群的数值。
进一步地，所述能耗模型建立模块，还包括：
数据中心资源能耗建立单元和电动汽车资源能耗建立单元：
所述数据中心资源能耗建立单元用于根据所述数据中心资源，构建数据中心资源能耗模型，其公式为：
其中，PUEi为数据中心i的电能利用效率，si,t为第t个小时数据中心i内部的活跃服务器数量，Pi fixed为数据中心i的服务器其他定值组件能耗，Ki为数据中心i以服务率为对象的CPU能耗系数，μCPU,i为数据中心i内部服务器服务率，λdata,i,t为第t个小时数据中心i单位时间承担的数据负荷量；
所述电动汽车资源能耗建立单元用于根据所述电动汽车资源，获取电动汽车特征，并根据所述电动汽车特征的分类，构建电动汽车短时停泊能耗模型和电动汽车长时停泊能耗模型，所述电动汽车短时停泊能耗模型公式为：
其中，PIin,v,t为第v辆I类电动汽车在第t个小时的充电功率，为第v辆I类电动汽车的充电功率上限，WEVI,v,t为第v辆I类电动汽车在第t个小时的电池电量，ts为初始充电时刻，tf为充电结束时刻，αIin,v为第v辆I类电动汽车的充电效率，
所述电动汽车长时停泊能耗模型的公式为：
PIIin,v,tPIIout,v,t＝0
WEVII,v,t＝WEVII,v,t-1+αIIin,vPIIin,v,t-1-αIIout,vPIIout,v,t-1
其中，PIIin,v,t为第v辆II类电动汽车在第t个小时的充电功率，为第v辆II类电动汽车的充电功率上限，PIIout,v,t为第v辆II类电动汽车在第t个小时的放电功率，/>为第v辆II类电动汽车的放电功率上限，WEVII,v,t为第v辆II型电动汽车在第t个小时的电池电量，αIIin,v为第v辆II型电动汽车的充电效率，αIIout,v为第v辆II型电动汽车的放电效率，为第v辆II型电动汽车的电池容量上限。
进一步地，所述引导电价获取模块，还包括：
粒子更新单元，用于更新各组电价粒子的当前个体极值与所述电价粒子群的当前全局最优解，并更新各个电价粒子的速度和位置；
迭代单元，用于预设最大迭代次数和收敛精度阈值，将更新后的各组电价粒子重复代入所述虚拟电厂经济优化模型进行迭代；
迭代终止判断单元，用于当迭代次数超过所述预设最大迭代次数，或，连续两次迭代操作获取的全局最优解的差值小于所述收敛精度阈值，则停止所述迭代并输出当前全局最优解，所述当前全局最优解指示当前所述配电网可再生资源消纳量为最大。
进一步地，所述优化模型建立模块，还包括：
购售电量获取单元，用于获取所述虚拟电厂需求响应资源数据的购售电量，其中，所述电动汽车资源所在节点的购电量为：
所述数据中心资源所在节点的购售电量为：
其中，Pbuyi,t为虚拟电厂资源所在节点i在第t个小时的购电量，Pselli,t为虚拟电厂资源所在节点i的第t个小时的售电量；
经济优化模型建立单元，用于根据所述虚拟电厂需求响应资源数据的购电量，建立所述虚拟电厂经济优化模型，其公式为：
其中，αi,t为虚拟电厂资源所在节点i在第t个小时电价的基准价格，βi为虚拟电厂资源所在节点i电价的价格敏感系数，gi,t为虚拟电厂资源所在节点i在第t个小时的售电价格。
第三方面，本申请实施例提供一种电子设备，包括：
至少一个存储器以及至少一个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如第一方面所述的一种配电网优化运行方法的步骤。
第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的一种配电网优化运行方法的步骤。
本发明通过对虚拟电厂内部包含的数据中心、电动汽车等需求响应资源进行精细化建模。在此基础上对建立虚拟电厂经济优化模型，探究电价信号对其用能行为的影响，并通过建立配电网可再生能源消纳优化模型，计算在虚拟电厂用能计划确定时配电网单日的可再生能源消纳量。最后通过粒子群算法求解虚拟电厂资源所在配电网节点的引导电价，通过经济性信号实现配电网单日可再生能源消纳量的提升，使得电网潮流的分布更加合理，使得配电网系统的环保性、经济性等指标提升。
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
附图说明
图1为在一个示例性的实施例中提供的一种配电网优化运行方法的步骤流程图；
图2为在一个示例性的实施例中提供的一种配电网优化运行方法的粒子群优化算法的流程示意图；
图3为在一个示例性的实施例中提供的一种配电网优化运行装置的模块示意图；
图4为在一个示例性的实施例中提供的一种电子设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。
应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请实施例保护的范围。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
虚拟电厂是一种通过先进信息通信技术和软件系统，实现分布式电源DG(distributed generator)、储能系统、可控负荷、电动汽车等分布式能源资源DER(Distributed Energy Resource)的聚合和协调优化，以作为一个特殊电厂参与电力市场和电网运行的电源协调管理系统。虚拟电厂概念的核心可以总结为“通信”和“聚合”。虚拟电厂的关键技术主要包括协调控制技术、智能计量技术以及信息通信技术。虚拟电厂最具吸引力的功能在于能够聚合DER参与电力市场和辅助服务市场运行，为配电网和输电网提供管理和辅助服务。
“虚拟”即意味着并非实体，因此虚拟电厂本身并不发电，而是将电网中大量散落的、可调节的电力负荷整合起来，加入电网调度，实现有效削峰填谷。与此同时，还可以提供调频、调压、备用等电力辅助服务，增强电网安全性。所以，虚拟电厂本质上是一套软件平台系统，它聚合了现有的分布式资源，并通过协同控制，参与电力市场。
而虚拟电厂与配电网优化运行策略的研究主要聚焦于两个方面，第一方面是虚拟电厂所包含的资源种类与其需求响应特性。现有部分研究聚合了常规负荷、可转移负荷、迎峰负荷和避峰负荷，储能等灵活性资源，提出了不同优化目标的虚拟电厂与配电网的优化运行策略。但在上述研究中，对于新兴且体量不断增长的数据中心、电动汽车等需求响应特性较为复杂的可聚合资源未进行拓展研究，可以进一步将其纳入虚拟电厂调控范围提升系统优化的潜力。
第二个方面是虚拟电厂与配电网的交互方式。部分研究通过建立碳排成本系数、不平衡电量惩罚项、补贴电价等方式，引导虚拟电厂内部资源用能，实现了环保性和经济性角度的优化。上述研究表明，经济性信号是连接虚拟电厂与配电网的桥梁，可通过电价信息的改变牵引虚拟电厂资源合理用能，实现二者之间的交互，提升配电网系统相关指标。
基于背景技术中的内容及上述思考，如图1所示，本申请实施例提供了一种配电网优化运行方法，包括如下方法步骤：
S201：获取虚拟电厂的需求响应资源数据，并根据所述需求响应资源数据，建立虚拟电厂能耗模型。
具体的，需求响应资源数据包括虚拟电厂内部的数据中心资源和电动汽车资源，在构建虚拟电厂能耗模型应考虑分别构建虚拟电厂内部各资源的能耗模型并配置响应约束。
在本申请实施例中，数据中心资源的能耗模型如下：
其中：PUEi为数据中心i的电能利用效率；si,t为第t个小时数据中心i内部的活跃服务器数量；Pi fixed为数据中心i的服务器其他定值组件能耗；Ki为数据中心i以服务率为对象的CPU能耗系数；μCPU,i为数据中心i内部服务器服务率；λdata,i,t为第t个小时数据中心i单位时间承担的数据负荷量。
数据中心资源的能耗模型所受约束如下：
其中：Ndata为数据中心个数；为第t个小时数据中心运营商前端接受的数据负荷总量；D为服务器处理数据负荷的平均逗留时间上限；/>为数据中心i内部的活跃服务器数量上限。
第二部分电动汽车能耗模型，根据电动汽车特征将其分为两类，第I类电动汽车为短时停泊，即仅可充电不可放电，其充电特性如下：
其中：PIin,v,t为第v辆I类电动汽车在第t个小时的充电功率；为第v辆I类电动汽车的充电功率上限；WEVI,v,t为第v辆I类电动汽车在第t个小时的电池电量；ts为初始充电时刻；tf为充电结束时刻；αIin,v为第v辆I类电动汽车的充电效率。
第II类电动汽车为长时间停泊，即可充电也可放电，其充放电特性如下：
PIIin,v,tPIIout,v,t＝0
WEVII,v,t＝WEVII,v,t-1+αIIin,vPIIin,v,t-1-αIIout,vPIIout,v,t-1
其中：：PIIin,v,t为第v辆II类电动汽车在第t个小时的充电功率；为第v辆II类电动汽车的充电功率上限；PIIout,v,t为第v辆II类电动汽车在第t个小时的放电功率；/>为第v辆II类电动汽车的放电功率上限；WEVII,v,t为第v辆II型电动汽车在第t个小时的电池电量；αIIin,v为第v辆II型电动汽车的充电效率；αIIout,v为第v辆II型电动汽车的放电效率；为第v辆II型电动汽车的电池容量上限。
S202：根据所述需求响应资源所在节点的电价，建立虚拟电厂经济优化模型。
在本申请实施例中，虚拟电厂经济优化模型为虚拟电厂单日的经济优化模型，其目标函数为：
其中：αi,t为虚拟电厂资源所在节点i在第t个小时电价的基准价格；βi为虚拟电厂资源所在节点i电价的价格敏感系数；gi,t为虚拟电厂资源所在节点i在第t个小时的售电价格；Pbuyi,t为虚拟电厂资源所在节点i在第t个小时的购电量；Pselli,t为虚拟电厂资源所在节点i的第t个小时的售电量。
对于电动汽车所在节点i：
对于数据中心所在节点i:
需说明的是，虚拟电厂经济优化模型所受约束配置为虚拟电厂能耗模型所包含的子约束。
S203：获取配电网可再生能源机组所在节点，并根据所述可再生能源机组所在节点，建立配电网可再生能源消纳优化模型。
目标函数如下：
其中：NG为配电网内部可再生能源机组所在节点集合；Pgi,t为节点i可再生能源机组在第t个小时的有功出力。
所受约束如下：
Vi min≤Vi,t≤Vi max
其中：Pli,t为节点i在第t个小时的有功负荷量；Qgi,t为节点i在第t个小时的无功出力；Qli,t为节点i第t个小时的无功负荷量；Pij,t、Qij,t、lij,t分别为连接节点i、j线路在第t个小时的有功潮流、无功潮流、电流幅值的平方；xij分别为连接节点i、j线路的电阻值和电抗值；Vi,t为节点i在第t个小时电压幅值的平方；Vi max、Vi min为节点i电压幅值的平方上下限；为连接节点i、j的线路有功潮流上下限；/>为节点i可再生能源机组在第t个小时的有功出力上限。
S204：预设粒子群算法参数，生成电价粒子群，并通过将所述电价粒子群代入所述虚拟电厂经济优化模型，获取资源计划购售电量。
S205：通过将所述资源计划购售电量代入所述配电网可再生能源消纳优化模型，获取配电网可再生资源消纳量。
S206：通过粒子群优化算法对所述电价粒子群进行更新，获取虚拟电厂需求响应资源所在节点的引导电价，其中，所述引导电价为经计算后使得所述配电网可再生资源消纳量为最大的电价粒子群的数值。
具体的，如图2所示，图2为粒子群优化算法的流程示意图。
首先设置粒子群算法的相关参数，生成初始的αi,t粒子群。再将每组αi,t粒子代入建立的虚拟电厂经济优化模型进行问题求解，得到虚拟电厂各资源单日内不同时间段的计划购售电量。结合配电网单日内的其他节点负荷信息，将每组αi,t粒子对应的虚拟电厂各资源不同时间段的购售电量代入配电网可再生能源消纳优化模型，求解每组αi,t粒子对应的配电网单日可再生能源消纳量值。
之后更新各组αi,t粒子的当前个体极值与αi,t粒子群的当前全局最优解，同时更新各个αi,t粒子的速度和位置。接下来判断是否达到迭代终止条件：若达到预设的最大迭代次数或连续两次迭代得到的全局最优解差值小于预设的收敛精度，则将最后一次迭代得到的全局最优解作为结果输出，优化结束。若未达到，则重复将每组αi,t粒子代入建立的虚拟电厂经济优化模型进行问题求解的步骤，直至满足迭代终止条件。
本申请实施例首先对虚拟电厂内部包含的数据中心、电动汽车等需求响应资源进行精细化建模。在此基础上对建立虚拟电厂经济优化模型，探究电价信号对其用能行为的影响，并通过建立配电网可再生能源消纳优化模型，计算在虚拟电厂用能计划确定时配电网单日的可再生能源消纳量。最后通过粒子群算法求解虚拟电厂资源所在配电网节点的引导电价，通过经济性信号实现配电网单日可再生能源消纳量的提升，使得电网潮流的分布更加合理，使得配电网系统的环保性、经济性等指标提升。
本申请实施例还提供了一种配电网优化运行装置300，如图3所示，包括：
能耗模型建立模块301，用于获取虚拟电厂的需求响应资源数据，并根据所述需求响应资源数据，建立虚拟电厂能耗模型；
优化模型建立模块302，用于根据所述需求响应资源所在节点的电价，建立虚拟电厂经济优化模型；
能源消纳优化模型建立模块303，用于获取配电网可再生能源机组所在节点，并根据所述可再生能源机组所在节点，建立配电网可再生能源消纳优化模型；
资源计划购售电量获取模块304，用于预设粒子群算法参数，生成电价粒子群，并通过将所述电价粒子群代入所述虚拟电厂经济优化模型，获取资源计划购售电量；
可再生资源消纳量获取模块305，用于通过将所述资源计划购售电量代入所述配电网可再生能源消纳优化模型，获取配电网可再生资源消纳量；
引导电价获取模块306，用于通过粒子群优化算法对所述电价粒子群进行更新，获取虚拟电厂需求响应资源所在节点的引导电价，其中，所述引导电价为经计算后使得所述配电网可再生资源消纳量为最大的电价粒子群的数值。
在一个示例性的例子中，能耗模型建立模块301，还包括：
数据中心资源能耗建立单元和电动汽车资源能耗建立单元：
所述数据中心资源能耗建立单元用于根据所述数据中心资源，构建数据中心资源能耗模型，其公式为：
其中，PUEi为数据中心i的电能利用效率，si,t为第t个小时数据中心i内部的活跃服务器数量，Pi fixed为数据中心i的服务器其他定值组件能耗，Ki为数据中心i以服务率为对象的CPU能耗系数，μCPU,i为数据中心i内部服务器服务率，λdata,i,t为第t个小时数据中心i单位时间承担的数据负荷量；
所述电动汽车资源能耗建立单元用于根据所述电动汽车资源，获取电动汽车特征，并根据所述电动汽车特征的分类，构建电动汽车短时停泊能耗模型和电动汽车长时停泊能耗模型，所述电动汽车短时停泊能耗模型公式为：
其中，PIin,v,t为第v辆I类电动汽车在第t个小时的充电功率，为第v辆I类电动汽车的充电功率上限，WEVI,v,t为第v辆I类电动汽车在第t个小时的电池电量，ts为初始充电时刻，tf为充电结束时刻，αIin,v为第v辆I类电动汽车的充电效率，
所述电动汽车长时停泊能耗模型的公式为：
PIIin,v,tPIIout,v,t＝0
WEVII,v,t＝WEVII,v,t-1+αIIin,vPIIin,v,t-1-αIIout,vPIIout,v,t-1
其中，PIIin,v,t为第v辆II类电动汽车在第t个小时的充电功率，为第v辆II类电动汽车的充电功率上限，PIIout,v,t为第v辆II类电动汽车在第t个小时的放电功率，/>为第v辆II类电动汽车的放电功率上限，WEVII,v,t为第v辆II型电动汽车在第t个小时的电池电量，αIIin,v为第v辆II型电动汽车的充电效率，αIIout,v为第v辆II型电动汽车的放电效率，为第v辆II型电动汽车的电池容量上限。
在一个示例性的例子中，引导电价获取模块306，还包括：
粒子更新单元，用于更新各组电价粒子的当前个体极值与所述电价粒子群的当前全局最优解，并更新各个电价粒子的速度和位置；
迭代单元，用于预设最大迭代次数和收敛精度阈值，将更新后的各组电价粒子重复代入所述虚拟电厂经济优化模型进行迭代；
迭代终止判断单元，用于当迭代次数超过所述预设最大迭代次数，或，连续两次迭代操作获取的全局最优解的差值小于所述收敛精度阈值，则停止所述迭代并输出当前全局最优解，所述当前全局最优解指示当前所述配电网可再生资源消纳量为最大。
在一个示例性的例子中，优化模型建立模块302，还包括：
购售电量获取单元，用于获取所述虚拟电厂需求响应资源数据的购售电量，其中，所述电动汽车资源所在节点的购电量为：
所述数据中心资源所在节点的购售电量为：
其中，Pbuyi,t为虚拟电厂资源所在节点i在第t个小时的购电量，Pselli,t为虚拟电厂资源所在节点i的第t个小时的售电量；
经济优化模型建立单元，用于根据所述虚拟电厂需求响应资源数据的购电量，建立所述虚拟电厂经济优化模型，其公式为：
其中，αi,t为虚拟电厂资源所在节点i在第t个小时电价的基准价格，βi为虚拟电厂资源所在节点i电价的价格敏感系数，gi,t为虚拟电厂资源所在节点i在第t个小时的售电价格。
如图4所示，图4是本申请实施例根据一示例性实施例示出的一种电子设备的结构框图。
所述电子设备包括处理器910和存储器920。该主控芯片中处理器910的数量可以是一个或者多个，图4中以一个处理器910为例。该主控芯片中存储器920的数量可以是一个或者多个，图4中以一个存储器920为例。
存储器920作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请实施例任意实施例所述的一种配电网优化运行方法程序，以及本申请实施例任意实施例所述的一种配电网优化运行方法对应的程序指令/模块。存储器920可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器920可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器920可进一步包括相对于处理器910远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器910通过运行存储在存储器920中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述任一实施例所记载的一种配电网优化运行方法。
本申请实施例还提供了一种计算机可读存储介质，其上储存有计算机程序，该计算机程序被处理器执行时实现上述任意一个实施例所述的一种配电网优化运行方法。
本发明可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可读储存介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其它数据。计算机的存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其它类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其它内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其它光学存储、磁盒式磁带，磁带磁磁盘存储或其它磁性存储设备或任何其它非传输介质，可用于存储可以被计算设备访问的信息。
应当理解的是，本申请实施例并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请实施例的范围仅由所附的权利要求来限制。
以上所述实施例仅表达了本申请实施例的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请实施例构思的前提下，还可以做出若干变形和改进，这些都属于本申请实施例的保护范围。

Claims (10)

1.一种配电网优化运行方法，其特征在于，包括如下步骤：
获取虚拟电厂的需求响应资源数据，并根据所述需求响应资源数据，建立虚拟电厂能耗模型；
根据所述需求响应资源所在节点的电价，建立虚拟电厂经济优化模型；
获取配电网可再生能源机组所在节点，并根据所述可再生能源机组所在节点，建立配电网可再生能源消纳优化模型；
预设粒子群算法参数，生成电价粒子群，并通过将所述电价粒子群代入所述虚拟电厂经济优化模型，获取资源计划购售电量；
通过将所述资源计划购售电量代入所述配电网可再生能源消纳优化模型，获取配电网可再生资源消纳量；
通过粒子群优化算法对所述电价粒子群进行更新，获取虚拟电厂需求响应资源所在节点的引导电价，其中，所述引导电价为经计算后使得所述配电网可再生资源消纳量为最大的电价粒子群的数值。
2.根据权利要求1所述的一种配电网优化运行方法，其特征在于，所述获取虚拟电厂的需求响应资源数据，包括数据中心资源和电动汽车资源：
根据所述数据中心资源，构建数据中心资源能耗模型，其公式为：
其中，PUEi为数据中心i的电能利用效率，si,t为第t个小时数据中心i内部的活跃服务器数量，Pi fixed为数据中心i的服务器其他定值组件能耗，Ki为数据中心i以服务率为对象的CPU能耗系数，μCPU,i为数据中心i内部服务器服务率，λdata,i,t为第t个小时数据中心i单位时间承担的数据负荷量；
根据所述电动汽车资源，获取电动汽车特征，并根据所述电动汽车特征的分类，构建电动汽车短时停泊能耗模型和电动汽车长时停泊能耗模型，所述电动汽车短时停泊能耗模型公式为：
其中，PIin,v,t为第v辆I类电动汽车在第t个小时的充电功率，为第v辆I类电动汽车的充电功率上限，WEVI,v,t为第v辆I类电动汽车在第t个小时的电池电量，ts为初始充电时刻，tf为充电结束时刻，αIin,v为第v辆I类电动汽车的充电效率，
所述电动汽车长时停泊能耗模型的公式为：
PIIin,v,tPIIout,v,t＝0
WEVII,v,t＝WEVII,v,t-1+αIIin,vPIIin,v,t-1-αIIout,vPIIout,v,t-1
其中，PIIin,v,t为第v辆II类电动汽车在第t个小时的充电功率，为第v辆II类电动汽车的充电功率上限，PIIout,v,t为第v辆II类电动汽车在第t个小时的放电功率，/>为第v辆II类电动汽车的放电功率上限，WEVII,v,t为第v辆II型电动汽车在第t个小时的电池电量，αIIin,v为第v辆II型电动汽车的充电效率，αIIout,v为第v辆II型电动汽车的放电效率，/>为第v辆II型电动汽车的电池容量上限。
3.根据权利要求1所述的一种配电网优化运行方法，其特征在于，所述通过粒子群优化算法对所述电价粒子群进行更新，还包括：
更新各组电价粒子的当前个体极值与所述电价粒子群的当前全局最优解，并更新各个电价粒子的速度和位置；
预设最大迭代次数和收敛精度阈值，将更新后的各组电价粒子重复代入所述虚拟电厂经济优化模型进行迭代；
当迭代次数超过所述预设最大迭代次数，或，连续两次迭代操作获取的全局最优解的差值小于所述收敛精度阈值，则停止所述迭代并输出当前全局最优解，所述当前全局最优解指示当前所述配电网可再生资源消纳量为最大。
4.根据权利要求2所述的一种配电网优化运行方法，其特征在于，所述建立虚拟电厂经济优化模型，还包括：
获取所述虚拟电厂需求响应资源数据的购售电量，其中，所述电动汽车资源所在节点的购电量为：
所述数据中心资源所在节点的购售电量为：
其中，Pbuyi,t为虚拟电厂资源所在节点i在第t个小时的购电量，Pselli,t为虚拟电厂资源所在节点i的第t个小时的售电量；
根据所述虚拟电厂需求响应资源数据的购电量，建立所述虚拟电厂经济优化模型，其公式为：
其中，αi,t为虚拟电厂资源所在节点i在第t个小时电价的基准价格，βi为虚拟电厂资源所在节点i电价的价格敏感系数，gi,t为虚拟电厂资源所在节点i在第t个小时的售电价格。
5.一种配电网优化运行装置，其特征在于，包括：
能耗模型建立模块，用于获取虚拟电厂的需求响应资源数据，并根据所述需求响应资源数据，建立虚拟电厂能耗模型；
优化模型建立模块，用于根据所述需求响应资源所在节点的电价，建立虚拟电厂经济优化模型；
能源消纳优化模型建立模块，用于获取配电网可再生能源机组所在节点，并根据所述可再生能源机组所在节点，建立配电网可再生能源消纳优化模型；
资源计划购售电量获取模块，用于预设粒子群算法参数，生成电价粒子群，并通过将所述电价粒子群代入所述虚拟电厂经济优化模型，获取资源计划购售电量；
可再生资源消纳量获取模块，用于通过将所述资源计划购售电量代入所述配电网可再生能源消纳优化模型，获取配电网可再生资源消纳量；
引导电价获取模块，用于通过粒子群优化算法对所述电价粒子群进行更新，获取虚拟电厂需求响应资源所在节点的引导电价，其中，所述引导电价为经计算后使得所述配电网可再生资源消纳量为最大的电价粒子群的数值。
6.根据权利要求5所述的一种配电网优化运行装置，其特征在于，所述能耗模型建立模块，还包括：
数据中心资源能耗建立单元和电动汽车资源能耗建立单元：
所述数据中心资源能耗建立单元用于根据所述数据中心资源，构建数据中心资源能耗模型，其公式为：
其中，PUEi为数据中心i的电能利用效率，si,t为第t个小时数据中心i内部的活跃服务器数量，Pi fixed为数据中心i的服务器其他定值组件能耗，Ki为数据中心i以服务率为对象的CPU能耗系数，μCPU,i为数据中心i内部服务器服务率，λdata,i,t为第t个小时数据中心i单位时间承担的数据负荷量；
所述电动汽车资源能耗建立单元用于根据所述电动汽车资源，获取电动汽车特征，并根据所述电动汽车特征的分类，构建电动汽车短时停泊能耗模型和电动汽车长时停泊能耗模型，所述电动汽车短时停泊能耗模型公式为：
其中，PIin,v,t为第v辆I类电动汽车在第t个小时的充电功率，为第v辆I类电动汽车的充电功率上限，WEVI,v,t为第v辆I类电动汽车在第t个小时的电池电量，ts为初始充电时刻，tf为充电结束时刻，αIin,v为第v辆I类电动汽车的充电效率，
所述电动汽车长时停泊能耗模型的公式为：
PIIin,v,tPIIout,v,t＝0
其中，PIIin,v,t为第v辆II类电动汽车在第t个小时的充电功率，为第v辆II类电动汽车的充电功率上限，PIIout,v,t为第v辆II类电动汽车在第t个小时的放电功率，/>为第v辆II类电动汽车的放电功率上限，WEVII,v,t为第v辆II型电动汽车在第t个小时的电池电量，αIIin,v为第v辆II型电动汽车的充电效率，αIIout,v为第v辆II型电动汽车的放电效率，/>为第v辆II型电动汽车的电池容量上限。
7.根据权利要求5所述的一种配电网优化运行装置，其特征在于，所述引导电价获取模块，还包括：
粒子更新单元，用于更新各组电价粒子的当前个体极值与所述电价粒子群的当前全局最优解，并更新各个电价粒子的速度和位置；
迭代单元，用于预设最大迭代次数和收敛精度阈值，将更新后的各组电价粒子重复代入所述虚拟电厂经济优化模型进行迭代；
迭代终止判断单元，用于当迭代次数超过所述预设最大迭代次数，或，连续两次迭代操作获取的全局最优解的差值小于所述收敛精度阈值，则停止所述迭代并输出当前全局最优解，所述当前全局最优解指示当前所述配电网可再生资源消纳量为最大。
8.根据权利要求6所述的一种配电网优化运行装置，其特征在于，所述优化模型建立模块，还包括：
购售电量获取单元，用于获取所述虚拟电厂需求响应资源数据的购售电量，其中，所述电动汽车资源所在节点的购电量为：
所述数据中心资源所在节点的购售电量为：
其中，Pbuyi,t为虚拟电厂资源所在节点i在第t个小时的购电量，Pselli,t为虚拟电厂资源所在节点i的第t个小时的售电量；
经济优化模型建立单元，用于根据所述虚拟电厂需求响应资源数据的购电量，建立所述虚拟电厂经济优化模型，其公式为：
其中，αi,t为虚拟电厂资源所在节点i在第t个小时电价的基准价格，βi为虚拟电厂资源所在节点i电价的价格敏感系数，gi,t为虚拟电厂资源所在节点i在第t个小时的售电价格。
9.一种电子设备，其特征在于，包括：
至少一个存储器以及至少一个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1至4任一项所述的一种配电网优化运行方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的一种配电网优化运行方法的步骤。
CN202310938007.7A 2023-07-27 2023-07-27 一种配电网优化运行方法、装置、电子设备及存储介质 Pending CN116722570A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310938007.7A CN116722570A (zh) 2023-07-27 2023-07-27 一种配电网优化运行方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310938007.7A CN116722570A (zh) 2023-07-27 2023-07-27 一种配电网优化运行方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116722570A true CN116722570A (zh) 2023-09-08

Family

ID=87871772

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310938007.7A Pending CN116722570A (zh) 2023-07-27 2023-07-27 一种配电网优化运行方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116722570A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110350523A (zh) * 2019-07-10 2019-10-18 佳源科技有限公司 基于需求响应的多能源互补优化调度方法
CN114640139A (zh) * 2022-03-03 2022-06-17 华南理工大学 无协调主体的多产消者完全分布式优化运行方法及系统
CN115994656A (zh) * 2022-12-07 2023-04-21 国网河南省电力公司经济技术研究院 分时电价下计及激励需求响应的虚拟电厂经济调度方法
CN116090739A (zh) * 2022-11-28 2023-05-09 国网浙江省电力有限公司温州供电公司 一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法
CN116454988A (zh) * 2023-03-27 2023-07-18 国网江苏省电力有限公司电力科学研究院 配电网日前优化运行方法、系统、存储介质及计算设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110350523A (zh) * 2019-07-10 2019-10-18 佳源科技有限公司 基于需求响应的多能源互补优化调度方法
CN114640139A (zh) * 2022-03-03 2022-06-17 华南理工大学 无协调主体的多产消者完全分布式优化运行方法及系统
CN116090739A (zh) * 2022-11-28 2023-05-09 国网浙江省电力有限公司温州供电公司 一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法
CN115994656A (zh) * 2022-12-07 2023-04-21 国网河南省电力公司经济技术研究院 分时电价下计及激励需求响应的虚拟电厂经济调度方法
CN116454988A (zh) * 2023-03-27 2023-07-18 国网江苏省电力有限公司电力科学研究院 配电网日前优化运行方法、系统、存储介质及计算设备

Similar Documents

Publication Publication Date Title
Zhang et al. Bidding strategy analysis of virtual power plant considering demand response and uncertainty of renewable energy
CN105896674B (zh) 电动汽车群的充电控制方法和系统
CN109146320B (zh) 一种考虑配电网安全性的虚拟电厂优化调度方法
CN113013906A (zh) 考虑电动汽车v2g模式下的光伏储能容量优化配置方法
CN109560574A (zh) 一种考虑不确定因素的智能配电网网架规划方法
CN111564861A (zh) 一种充放电时间段的求解方法、装置、设备以及存储介质
CN114037192A (zh) 基于大数据的虚拟电厂交易管理方法、装置、设备及介质
Zhou et al. Research on multi‐objective optimisation coordination for large‐scale V2G
Ren et al. Study on optimal V2G pricing strategy under multi-aggregator competition based on game theory
He et al. Expansion planning of electric vehicle charging stations considering the benefits of peak‐regulation frequency modulation
CN109672199B (zh) 一种基于能量平衡的电动汽车削峰填谷能力估计方法
Fan et al. Cost-benefit analysis of optimal charging strategy for electric vehicle with V2G
CN116014773A (zh) 一种基于深度强化学习的两阶段电动汽车协调配网辅助服务的调度方法
CN118676988B (zh) 一种分布式混合储能系统能量调度方法、装置及设备
CN118940905A (zh) 一种光储耦合制氢系统的运行优化方法、装置、设备及介质
CN119029849A (zh) 基于蒙特卡洛方法的电动车辆充电负荷预测方法与装置
CN110048421B (zh) 储能装置容量选择方法及装置
CN116722570A (zh) 一种配电网优化运行方法、装置、电子设备及存储介质
CN117639043A (zh) 风电协同下的电动汽车调度方法、装置、终端设备及介质
Zhang et al. Negotiation strategy of discharging price between power grid and electric vehicles considering multi‐agent
Zhang et al. Negotiation strategy for discharging price of EVs based on fuzzy Bayesian learning
CN115498694B (zh) 多微电网组群规划方法、装置及电子设备
CN106447216A (zh) 一种计及不确定性的虚拟电厂竞标的优化方法
CN117559401A (zh) 考虑电动汽车充放电影响的低碳调度方法及系统
Mahmud et al. Rebound behaviour of uncoordinated EMS and their impact minimisation

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
TA01 Transfer of patent application right

Effective date of registration: 20231027

Address after: No. 168, Danxia Road, Chengnan Street, Yueqing City, Wenzhou City, Zhejiang Province 325000

Applicant after: State Grid Zhejiang Electric Power Co., Ltd. Yueqing power supply Co.

Applicant after: YUEQING ELECTRIC POWER INDUSTRIAL Co.,Ltd.

Address before: 320056 No. 168, Danxia Road, Chengnan street, Yueqing City, Wenzhou City, Zhejiang Province

Applicant before: State Grid Zhejiang Electric Power Co., Ltd. Yueqing power supply Co.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20230908

RJ01 Rejection of invention patent application after publication
点击 这是indexloc提供的php浏览器服务，不要输入任何密码和下载