PDF(4144 KB)
A Two-Level Scheduling Optimization Model for Building Microgrids Considering Demand Response and Uncertainties of Flexible Load Resources
WANG Pingping, XU Jianzhong, YAN Qingyou, LIN Hongyu
Electric Power Construction ›› 2022, Vol. 43 ›› Issue (6) : 128-140.
PDF(4144 KB)
PDF(4144 KB)
A Two-Level Scheduling Optimization Model for Building Microgrids Considering Demand Response and Uncertainties of Flexible Load Resources
In order to solve the problem of building microgrid consuming renewable energy where distributed generation and flexible load resources are integrated, this paper takes electric vehicles as flexible resources, and constructs a scheduling optimization model for building microgrids considering demand response and charging/discharging uncertainty. Firstly, the price-based demand-response model and incentive-based demand-response model of flexible load resources are constructed. Secondly, the electric vehicle is regarded as an integrator of production and consumption, and Markov chain and information gap decision theory (IGDT) are used to deal with the uncertainties of charging and discharging, respectively. Finally, the deterministic scheduling optimization model is constructed by maximizing the net revenue of the system, photovoltaic accommodation, users’ satisfaction, and minimizing carbon dioxide emissions. The effectiveness of the constructed optimization model is verified by example analysis. The model not only enhances the clean energy accommodation rate of the system and reduces carbon dioxide emissions, but also can bring certain benefits to users, tap the potential of flexible load resources to participate in microgrid scheduling, and realize finally the win-win benefits of both supply and demand sides.
building microgrid / electric vehicle / demand response / uncertainty / Markov chain / information gap decision theory (IGDT) / two-level optimization
| [1] |
王瑞东, 吴杰康, 蔡志宏, 等. 含广义储能虚拟电厂电-气-热三阶段协同优化调度[J/OL]. 电网技术, 2021: 1-14( 2021-06-18)[2021-09-01]. https://doi.org/10.13335/j.1000-3673.pst.2021.0762.
|
| [2] |
林宏宇, 闫庆友, 德格吉日夫, 等. 混合市场环境下计及电转气的园区燃气机组调峰优化模型[J]. 电力建设, 2020, 41(10): 106-115.
|
| [3] |
曾鸣, 张平, 隆竹寒, 等. 面向微网运营商的电动汽车参与需求侧响应调控策略[J]. 电力建设, 2018, 39(3): 108-115.
|
| [4] |
杜丽佳, 靳小龙, 何伟, 等. 考虑电动汽车和虚拟储能系统优化调度的楼宇微网联络线功率平滑控制方法[J]. 电力建设, 2019, 40(8): 26-33.
|
| [5] |
盛浩云, 杨静, 张国平, 等. 基于改进PSO算法的微能源网优化配置研究[J]. 电网与清洁能源, 2021, 37(8): 23-31.
|
| [6] |
蔡钦钦, 肖宇, 朱永强. 计及电转氢和燃料电池的电热微网日前经济协调调度模型[J]. 电力自动化设备, 2021, 41(10): 107-112, 161.
|
| [7] |
郭文铸, 王海伟, 丁亮, 等. 多能源形式下商业区微网的方案设计与调度优化[J]. 现代电力, 2021, 38(4): 402-411.
|
| [8] |
牛耕, 季宇, 陈培坤, 等. 含海洋能发电的海岛微网能量优化调度方法[J]. 电力建设, 2021, 42(6): 96-104.
|
| [9] |
张新昌, 周逢权. 智能电网引领智能家居及能源消费革新[J]. 电力系统保护与控制, 2014, 42(5): 59-67.
|
| [10] |
王澄, 徐延才, 魏庆来, 等. 智能小区商业模式及运营策略分析[J]. 电力系统保护与控制, 2015, 43(6): 147-154.
|
| [11] |
郭晓利, 赵莹, 曲楠, 等. 基于满意度的户用型微电网多属性需求响应策略[J]. 太阳能学报, 2021, 42(7): 21-27.
|
| [12] |
崔杨, 刘柏岩, 赵钰婷, 等. 计及车辆转移机制的含BSS微网联合系统优化调度策略[J]. 高电压技术, 2022, 48(1): 366-373.
|
| [13] |
王俊翔, 李华强, 邓靖微, 等. 考虑需求侧灵活性资源的商业园区微网多目标优化调度[J]. 电力建设, 2021, 42(3): 35-44.
|
| [14] |
朱永胜, 杨俊林, 董燕, 等. 考虑风-车不确定性接入的节能减排动态调度研究[J]. 太阳能学报, 2021, 42(8): 316-324.
|
| [15] |
周建力, 乌云娜, 董昊鑫, 等. 计及电动汽车随机充电的风-光-氢综合能源系统优化规划[J]. 电力系统自动化, 2021, 45(24): 30-40.
|
| [16] |
王若谷, 陈果, 王秀丽, 等. 计及风电与电动汽车随机性的两阶段机组组合研究[J]. 电力建设, 2021, 42(8): 63-70.
|
| [17] |
陈忠华, 高振宇, 陈嘉敏, 等. 考虑不确定性因素的综合能源系统协同规划研究[J]. 电力系统保护与控制, 2021, 49(8): 32-40.
|
| [18] |
石锦凯, 鲍谚, 陈振, 等. 计及充电负荷不确定性的充电站储能鲁棒优化配置方法[J]. 电力系统自动化, 2021, 45(20): 49-58.
|
| [19] |
许刚, 张丙旭, 张广超. 电动汽车集群并网的分布式鲁棒优化调度模型[J]. 电工技术学报, 2021, 36(3): 565-578.
|
| [20] |
|
| [21] |
田梦瑶, 汤波, 杨秀, 等. 综合考虑充电需求和配电网接纳能力的电动汽车充电站规划[J]. 电网技术, 2021, 45(2): 498-506.
|
| [22] |
吕林, 许威, 向月, 等. 基于马尔科夫链充电负荷预测的多区域充电桩优化配置研究[J]. 工程科学与技术, 2017, 49(3): 170-178.
|
| [23] |
许威, 吕林, 许立雄, 等. 基于马尔可夫链的电动汽车充电需求计算[J]. 电力系统及其自动化学报, 2017, 29(3): 12-19.
|
| [24] |
舒隽, 唐刚, 韩冰. 电动汽车充电站最优规划的两阶段方法[J]. 电工技术学报, 2017, 32(3): 10-17.
|
| [25] |
董锴, 蔡新雷, 崔艳林, 等. 基于马尔科夫链的电动汽车聚合建模及多模式调频控制策略[J]. 电网技术, 2022, 46(2): 622-634.
|
| [26] |
俞子聪, 龚萍, 王植, 等. 居民区电动汽车有序充放电控制策略[J]. 科学技术与工程, 2021, 21(1): 380-386.
|
| [27] |
李航, 李国杰, 汪可友. 基于深度强化学习的电动汽车实时调度策略[J]. 电力系统自动化, 2020, 44(22): 161-167.
|
| [28] |
葛晓琳, 史亮, 刘亚, 等. 考虑需求响应不确定性的电动汽车负荷Sigmoid云模型预测[J]. 中国电机工程学报, 2020, 40(21): 6913-6925.
|
| [29] |
邢金, 王婧, 叶辛, 等. 考虑电动汽车不确定性的配电网软联络开关优化配置[J]. 电力科学与技术学报, 2020, 35(2): 46-54.
|
| [30] |
潘昭旭, 刘三明, 王致杰, 等. 基于信息间隙决策理论的含风电电力系统调度[J]. 电力建设, 2018, 39(9): 87-94.
|
| [31] |
石文超, 吕林, 高红均, 等. 基于信息间隙决策理论的含DG和EV的主动配电网优化运行[J]. 电力建设, 2019, 40(10): 64-74.
|
| [32] |
潘华, 姚正, 林顺富, 等. 基于信息间隙决策理论的含光热电站及热泵的综合能源系统低碳调度优化[J]. 现代电力, 2022, 39(2): 169-183.
|
| [33] |
孙波, 吴旭东, 谢敬东, 等. 基于信息间隙决策理论的综合负荷聚合商储能优化配置模型[J]. 现代电力, 2021, 38(2): 193-204.
|
| [34] |
孙波, 李思敏, 谢敬东, 等. 基于IGDT理论的电动汽车负荷聚合商需求侧放电投标决策模型[J]. 现代电力, 2020, 37(5): 484-491.
|
| [35] |
彭巧, 王秀丽, 邵成成, 等. 计及信息间隙决策理论的含电动汽车充电负荷的微电网多目标规划[J]. 电力自动化设备, 2021, 41(1): 128-134.
|
| [36] |
|
| [37] |
|
| [38] |
德格吉日夫, 谭忠富, 李梦露, 等. 考虑不确定性的风储电站参与电力现货市场竞价策略[J]. 电网技术, 2019, 43(8): 2799-2807.
|
| [39] |
刘自发, 葛少云, 余贻鑫. 基于混沌粒子群优化方法的电力系统无功最优潮流[J]. 电力系统自动化, 2005, 29(7): 53-57.
|
| [40] |
王尧. 微能源网多能协同优化运行及效益评价模型研究[D]. 北京: 华北电力大学, 2020.
|
/
| 〈 |
|
〉 |
