计及激励型需求响应的低压配电网混合储能优化配置

doi:10.11930/j.issn.1004-9649.202312032

中国电力 ›› 2024, Vol. 57 ›› Issue (6): 90-101.DOI: 10.11930/j.issn.1004-9649.202312032

• 新型电力系统储能规划与运行关键技术 • 上一篇下一篇

计及激励型需求响应的低压配电网混合储能优化配置

徐峰亮¹(), 王克谦¹(), 王文豪², 王鹏¹, 王文烨³, 张帅³, 赵凤展³()

1. 国网河南省电力公司信阳供电公司，河南信阳　464000
2. 国网河南省电力公司经济技术研究院，河南郑州　450000
3. 中国农业大学信息与电气工程学院，北京　100083

收稿日期:2023-12-11 接受日期:2024-05-13 出版日期:2024-06-28 发布日期:2024-06-25
作者简介:徐峰亮（1977—），男，高级工程师，从事电力工程技术、智能电网研究，E-mail：Xufengliang@ha.sgcc.com.cn
王克谦（1974—），男，高级工程师，从事电力系统运行、电网稳定管理等研究，E-mail：wangkeqian@ha.sgcc.com.cn
赵凤展（1971—），女，通信作者，博士，副教授，从事配电网与微电网分析、规划与优化运行研究，E-mail：zhaofz@cau.edu.cn
基金资助:
国家电网有限公司科技项目（521770220001）。

Optimal Allocation of Hybrid Energy Storage in Low-Voltage Distribution Networks with Incentive-based Demand Response

Fengliang XU¹(), Keqian WANG¹(), Wenhao WANG², Peng WANG¹, Wenye WANG³, Shuai ZHANG³, Fengzhan ZHAO³()

1. State Grid Xinyang Electric Power Co., Ltd., Xinyang 464000, China
2. State Grid Henan Electric Power Company Economic and Technological Research Institute, Zhengzhou 450000, China
3. College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China

Received:2023-12-11 Accepted:2024-05-13 Online:2024-06-28 Published:2024-06-25
Supported by:
This work is supported by the Science and Technology Project of SGCC (No.521770220001).

摘要/Abstract

摘要：

分布式光伏高比例接入和再电气化与电能替代加剧了系统源、荷的波动性，传统低压配电网规划方法难以适应新型电力系统发展的要求。针对此问题，首先建立了计及激励型需求响应的低压配电网混合储能优化配置模型，然后，根据不同时间尺度下的储能设备和激励型需求侧响应资源的特点，提出运用改进的变分模态分解算法（variational mode decomposition，VMD）对净负荷曲线进行多尺度分解和组合重构，以系统总成本和有功功率波动值之和最小为目标，运用改进的鲸鱼优化算法对所提的优化配置模型进行求解。最后，通过算例验证所提方案的有效性。

关键词: 低压配电网, 激励型需求响应, 混合储能优化配置, 改进的VMD, 改进的鲸鱼优化算法

Abstract:

With the high penetration rate of distributed photovoltaic access and the promotion of re-electrification and electrical energy substitution, the volatility of the system source and load is intensified, and the traditional distribution network planning methods are difficult to adapt to the requirements of the new power system development. To address this problem, an optimal allocation model for hybrid energy storage in low-voltage distribution networks considering incentive-based demand response is firstly established. Then, based on the characteristics of energy storage devices and incentive-based demand-side response resources at different time scales, it is proposed to use the improved VMD algorithm to make a multi-scale decomposition and combined reconstruction of the net load curves, and the improved whale optimization algorithm is used to solve the optimal allocation model with the objective of the minimum sum of the total system cost and active power fluctuation value. Finally, the effectiveness of the proposed scheme is verified with practical examples.

Key words: low-voltage power distribution network, incentive-based demand response, optimal allocation of hybrid energy storage, improved VMD algorithm, improved whale optimization algorithm

徐峰亮, 王克谦, 王文豪, 王鹏, 王文烨, 张帅, 赵凤展. 计及激励型需求响应的低压配电网混合储能优化配置[J]. 中国电力, 2024, 57(6): 90-101.

Fengliang XU, Keqian WANG, Wenhao WANG, Peng WANG, Wenye WANG, Shuai ZHANG, Fengzhan ZHAO. Optimal Allocation of Hybrid Energy Storage in Low-Voltage Distribution Networks with Incentive-based Demand Response[J]. Electric Power, 2024, 57(6): 90-101.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.202312032

https://www.electricpower.com.cn/CN/Y2024/V57/I6/90

图/表 11

参考文献 36

1	陈磊, 邓欣怡, 陈红坤, 等. 电力系统韧性评估与提升研究综述[J]. 电力系统保护与控制, 2022, 50 (13): 11- 22. DOI
	CHEN Lei, DENG Xinyi, CHEN Hongkun, et al. Review of the assessment and improvement of power system resilience[J]. Power System Protection and Control, 2022, 50 (13): 11- 22. DOI
2	孙承晨, 袁越, CHOI S S, 等. 基于经验模态分解和神经网络的微网混合储能容量优化配置[J]. 电力系统自动化, 2015, 39 (8): 19- 26. DOI
	SUN Chengchen, YUAN Yue, CHOI S S, et al. Capacity optimization of hybrid energy storage systems in microgrid using empirical mode decomposition and neural network[J]. Automation of Electric Power Systems, 2015, 39 (8): 19- 26. DOI
3	袁铁江, 郭建华, 杨紫娟, 等. 平抑风电波动的电-氢混合储能容量优化配置[J]. 中国电机工程学报, 2024, 44 (4): 1397- 1406.
	YUAN Tiejiang, GUO Jianhua, YANG Zijuan, et al. Optimal allocation of power electric-hydrogen hybrid energy storage of stabilizing wind power fluctuation[J]. Proceedings of the CSEE, 2024, 44 (4): 1397- 1406.
4	李聪, 秦立军. 基于改进粒子群算法的混合储能独立调频的容量优化研究[J]. 太阳能学报, 2023, 44 (1): 426- 434.
	LI Cong, QIN Lijun. Sizing optimization for hybrid energy storage system independently participating in regulation market using improved particle swarm optimization[J]. Acta Energiae Solaris Sinica, 2023, 44 (1): 426- 434.
5	李亚楠, 王倩, 宋文峰, 等. 混合储能系统平滑风电出力的变分模态分解-模糊控制策略[J]. 电力系统保护与控制, 2019, 47 (7): 58- 65.
	LI Yanan, WANG Qian, SONG Wenfeng, et al. Variational mode decomposition and fuzzy control strategy of hybrid energy storage for smoothing wind power outputs[J]. Power System Protection and Control, 2019, 47 (7): 58- 65.
6	赵凤展, 郝帅, 张宇, 等. 基于变分模态分解-BA-LSSVM算法的配电网短期负荷预测[J]. 农业工程学报, 2019, 35 (14): 190- 197. DOI
	ZHAO Fengzhan, HAO Shuai, ZHANG Yu, et al. Short-term load forecasting for distribution transformer based on VMD-BA-LSSVM algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35 (14): 190- 197. DOI
7	李秀磊, 耿光飞, 季玉琦, 等. 主动配电网中储能和需求侧响应的联合优化规划[J]. 电网技术, 2016, 40 (12): 3803- 3810.
	LI Xiulei, GENG Guangfei, JI Yuqi, et al. Integrated optimal planning of energy storage and demand side response in active power distribution network[J]. Power System Technology, 2016, 40 (12): 3803- 3810.
8	赵波, 汪湘晋, 张雪松, 等. 考虑需求侧响应及不确定性的微电网双层优化配置方法[J]. 电工技术学报, 2018, 33 (14): 3284- 3295.
	ZHAO Bo, WANG Xiangjin, ZHANG Xuesong, et al. Two-layer method of microgrid optimal sizing considering demand-side response and uncertainties[J]. Transactions of China Electrotechnical Society, 2018, 33 (14): 3284- 3295.
9	中华人民共和国国家发展和改革委员会. 可再生能源发展“十三五”规划[R/OL]. (2016-12-19) [2024-04-29]. http://www.nea.gov.cn/2016-12/19/c_1359161 40.htm.
10	黄远明, 张玉欣, 夏赞阳, 等. 考虑需求响应资源和储能容量价值的新型电力系统电源规划方法[J]. 上海交通大学学报, 2023, 57 (4): 432- 441.
	HUANG Yuanming, ZHANG Yuxin, XIA Zanyang, et al. Power system planning considering demand response resources and capacity value of energy storage[J]. Journal of Shanghai Jiao Tong University, 2023, 57 (4): 432- 441.
11	梁纪峰, 曾四鸣, 李安燚, 等. 考虑负荷提前通知时间的配电网两阶段云边协同调控方法[J]. 电力系统保护与控制, 2022, 50 (23): 121- 132.
	LIANG Jifeng, ZENG Siming, LI Anyi, et al. A two-stage cloud edge collaborative regulation method for a distribution network considering the advance notification time of load[J]. Power System Protection and Control, 2022, 50 (23): 121- 132.
12	陈倩, 王维庆, 王海云. 基于需求侧响应的主动配电网双层优化方法[J]. 电力系统保护与控制, 2022, 50 (16): 1- 13.
	CHEN Qian, WANG Weiqing, WANG Haiyun. Bi-level optimization model of an active distribution network based on demand response[J]. Power System Protection and Control, 2022, 50 (16): 1- 13.
13	李振坤, 黄滢, 李谅, 等. 计及需求侧响应的主动配电网多时间尺度优化调度[J]. 电力建设, 2023, 44 (3): 36- 48.
	LI Zhenkun, HUANG Ying, LI Liang, et al. Multi-time scale optimal dispatching of active distribution network considering demand-side response[J]. Electric Power Construction, 2023, 44 (3): 36- 48.
14	刘雪飞, 刘洋, 马国真, 等. 考虑负荷差异化需求响应的配电网多目标扩展规划[J]. 电力系统保护与控制, 2022, 50 (22): 131- 141. DOI
	LIU Xuefei, LIU Yang, MA Guozhen, et al. Multi-objective extended planning for a distribution network considering demarcation of demand response schemes[J]. Power System Protection and Control, 2022, 50 (22): 131- 141. DOI
15	赵凤展, 张启承, 张帅, 等. 面向高比例分布式光伏发电消纳的复合型需求侧响应控制[J]. 农业工程学报, 2022, 38 (16): 190- 197.
	ZHAO Fengzhan, ZHANG Qicheng, ZHANG Shuai, et al. Compound demand side response control for high proportion distributed photovoltaic absorption in distribution networks[J]. Transactions of the Chinese Society of Agricultural Engineering, 2022, 38 (16): 190- 197.
16	钟少云. 考虑需求侧响应的风光燃储微网经济运行规划和研究[D]. 南昌: 南昌大学, 2020.
	ZHONG Shaoyun. Planning and research on the economic operation of micro-grid wind photovoltaic gas-turbine and energy storage considering demand side response[D]. Nanchang: Nanchang University, 2020.
17	周俊宇, 李伟, 花洁, 等. 考虑需求侧可控负荷的含储能社区综合能源系统优化调度[J]. 电力科学与技术学报, 2023, 38 (2): 114- 123. DOI
	ZHOU Junyu, LI Wei, HUA Jie, et al. Optimal dispatch of community integrated energy system with energy storage considering demand-side controllable load[J]. Journal of Electric Power Science and Technology, 2023, 38 (2): 114- 123. DOI
18	赵晶晶, 刘帅, 李梓博, 等. 考虑SMESS的多阶段配电网弹性提升策略[J]. 智慧电力, 2023, 51 (5): 103- 110.
	ZHAO Jingjing, LIU Shuai, LI Zibo, et al. Resilience improvement strategy of multi-stage distribution system considering separable mobile energy storage system[J]. Smart Power, 2023, 51 (5): 103- 110.
19	李红霞, 李建林, 米阳. 新能源侧储能优化配置技术研究进展[J]. 储能科学与技术, 2022, 11 (10): 3257- 3267.
	LI Hongxia, LI Jianlin, MI Yang. Summary of research on new energy side energy storage optimization configuration technology[J]. Energy Storage Science and Technology, 2022, 11 (10): 3257- 3267.
20	孟贤, 郭启蒙, 李颖欢, 等. 考虑双向需求的混合储能容量多目标优化配置[J]. 太阳能学报, 2023, 44 (8): 45- 53.
	MENG Xian, GUO Qimeng, LI Yinghuan, et al. Multi-objrctive optimal configuration of hybrid energy storage capacity considering two-way demand[J]. Acta Energiae Solaris Sinica, 2023, 44 (8): 45- 53.
21	易文飞, 张艺伟, 曾博, 等. 多形态激励型需求侧响应协同平衡可再生能源波动的鲁棒优化配置[J]. 电工技术学报, 2018, 33 (23): 5541- 5554.
	YI Wenfei, ZHANG Yiwei, ZENG Bo, et al. Robust optimization allocation for multi-type incentive-based demand response collaboration to balance renewable energy fluctuations[J]. Transactions of China Electrotechnical Society, 2018, 33 (23): 5541- 5554.
22	马丽, 李伟, 裴玮, 等. 含高比例光伏配电网中计及需求侧响应的混合储能配置优化[J]. 高电压技术, 2024, 50 (4): 1416- 1425.
	MA Li, LI Wei, PEI Wei, et al. Hybrid energy storage configuration optimization in distribution network with high-proportion PV considering demand response[J]. High Voltage Engineering, 2024, 50 (4): 1416- 1425.
23	徐衍会, 徐宜佳. 平抑风电波动的混合储能容量配置及控制策略[J]. 中国电力, 2022, 55 (6): 186- 193.
	XU Yanhui, XU Yijia. Capacity configuration and control strategy of hybrid energy storage to smooth wind power fluctuations[J]. Electric Power, 2022, 55 (6): 186- 193.
24	段雪滢, 李小腾, 陈文洁. 基于改进粒子群优化算法的VMD-GRU短期电力负荷预测[J]. 电工电能新技术, 2022, 41 (5): 8- 17.
	DUAN Xueying, LI Xiaoteng, CHEN Wenjie. Improved particles swarm optimization algorithm-based VMD-GRU method for short-term load forecasting[J]. Advanced Technology of Electrical Engineering and Energy, 2022, 41 (5): 8- 17.
25	张娜, 任强, 刘广忱, 等. 基于VMD-GWO-ELMAN的光伏功率短期预测方法[J]. 中国电力, 2022, 55 (5): 57- 65.
	ZHANG Na, REN Qiang, LIU Guangchen, et al. PV power short-term forecasting method based on VMD-GWO-ELMAN[J]. Electric Power, 2022, 55 (5): 57- 65.
26	张婷. 新型电力系统混合储能方案优选及优化配置模型研究[D]. 北京: 华北电力大学, 2022.
	ZHANG Ting. Research on scheme optimization and optimal allocation model of hybrid energy storage in the new power system[D]. Beijing: North China Electric Power University, 2022.
27	程瑜, 陈熙. 基于源-荷-储互动的储能对风电消纳能力影响分析[J]. 电力系统自动化, 2022, 46 (13): 84- 93.
	CHENG Yu, CHEN Xi. Analysis on influence of energy storage on accommodation capability of wind power based on source-load-storage interaction[J]. Automation of Electric Power Systems, 2022, 46 (13): 84- 93.
28	方保民, 李红志, 孔祥鹏, 等. 含高比例光伏出力的长期分布式储能配置研究[J]. 电力系统保护与控制, 2021, 49 (2): 121- 129.
	FANG Baomin, LI Hongzhi, KONG Xiangpeng, et al. Research on long-term distributed energy storage configuration with a high proportion of photovoltaic output[J]. Power System Protection and Control, 2021, 49 (2): 121- 129.
29	栗峰, 丁杰, 周才期, 等. 新型电力系统下分布式光伏规模化并网运行关键技术探讨[J]. 电网技术, 2024, 48 (1): 184- 199.
	LI Feng, DING Jie, ZHOU Caiqi, et al. Key technologies of large-scale grid-connected operation of distributed photovoltaic under new-type power system[J]. Power System Technology, 2024, 48 (1): 184- 199.
30	何璇, 高崇, 曹华珍, 等. 基于改进层次分析法的配电网指标评估[J]. 电测与仪表, 2022, 59 (10): 93- 99.
	HE Xuan, GAO Chong, CAO Huazhen, et al. Index evaluation of distribution network based on improved analytic hierarchy process[J]. Electrical Measurement & Instrumentation, 2022, 59 (10): 93- 99.
31	程筱鹏, 程静, 王维庆, 等. 风电场混合储能双级优化配置[J]. 电力电子技术, 2023, 57 (4): 99- 103, 117. DOI
	CHENG Xiaopeng, CHENG Jing, WANG Weiqing, et al. Optimal configuration of dual stage wind farm[J]. Power Electronics, 2023, 57 (4): 99- 103, 117. DOI
32	冯喜春, 韩璟琳, 赵辉, 等. 主从博弈框架下配电网规划运行多目标协同优化方法[J]. 南方电网技术, 2023, 17 (1): 26- 34, 72.
	FENG Xichun, HAN Jinglin, ZHAO Hui, et al. Multi-objective cooperative optimization method of distribution network planning and operation under the stackelberg game framework[J]. Southern Power System Technology, 2023, 17 (1): 26- 34, 72.
33	杨雨瑶, 张勇军, 林国营, 等. 含光储联合发电系统的配电网双目标拓展无功优化[J]. 电力系统保护与控制, 2018, 46 (22): 39- 46.
	YANG Yuyao, ZHANG Yongjun, LIN Guoying, et al. Double-objective extended reactive power optimization in distribution network with photovoltaic-energy storage hybrid systems[J]. Power System Protection and Control, 2018, 46 (22): 39- 46.
34	白丽丽, 姜封国, 周玉明, 等. 基于改进鲸鱼算法的结构可靠性优化设计[J]. 吉林大学学报(工学版), 2023, 53 (11): 3160- 3165.
	BAI Lili, JIANG Fengguo, ZHOU Yuming, et al. Optimized design of structure reliability based on improved whale algorithm[J]. Journal of Jilin University (Engineering and Technology Edition), 2023, 53 (11): 3160- 3165.
35	MAHDAVI E, ASADPOUR S, MACEDO L H, et al. Reconfiguration of distribution networks with simultaneous allocation of distributed generation using the whale optimization algorithm[J]. Energies, 2023, 16 (12): 4560. DOI
36	孙惠娟, 刘君, 彭春华. 基于分类概率综合多场景分析的分布式电源多目标规划[J]. 电力自动化设备, 2018, 38 (12): 39- 45.
	SUN Huijuan, LIU Jun, PENG Chunhua. Multi-objective DG planning based on classified probability integration multi-scenario analysis[J]. Electric Power Automation Equipment, 2018, 38 (12): 39- 45.

布置方式	成本效益	系统效率	可靠性与稳定性	环境影响
集中	集中布置通常涉及较高的初始投资成本，但由于规模经济效应，单位储能成本可能较低	可能由于长距离传输和分布损耗而受影响	中心化管理可能提高系统的控制精度和稳定性	集中布置可能导致局部环境影响加剧
分散	分散布置可能降低初始投资成本，但单位储能成本由于缺乏规模经济效应可能较高	更接近负荷点，减少传输损失，可能提高整体效率	分散布置可提高系统的冗余性和抗风险能力	分散布置可能减少对单一地点的环境影响

布置方式	成本效益	系统效率	可靠性与稳定性	环境影响
集中	集中布置通常涉及较高的初始投资成本，但由于规模经济效应，单位储能成本可能较低	可能由于长距离传输和分布损耗而受影响	中心化管理可能提高系统的控制精度和稳定性	集中布置可能导致局部环境影响加剧
分散	分散布置可能降低初始投资成本，但单位储能成本由于缺乏规模经济效应可能较高	更接近负荷点，减少传输损失，可能提高整体效率	分散布置可提高系统的冗余性和抗风险能力	分散布置可能减少对单一地点的环境影响

储能系统	单位功率成本k₁/ (元·kW^–1)	单位容量成本k₂/ (元·(kW·h)^–1)	单位容量运维成本k₃/ (元·(kW·h)^–1)	效率/ %	使用年限	SOC 初始值	SOC 范围
超级电容	450	11500	0.05	95	12	0.5	0.1~0.9
磷酸铁锂电池	5000	2500	0.05	90	8	0.5	0.2~0.8

储能系统	单位功率成本k₁/ (元·kW^–1)	单位容量成本k₂/ (元·(kW·h)^–1)	单位容量运维成本k₃/ (元·(kW·h)^–1)	效率/ %	使用年限	SOC 初始值	SOC 范围
超级电容	450	11500	0.05	95	12	0.5	0.1~0.9
磷酸铁锂电池	5000	2500	0.05	90	8	0.5	0.2~0.8

类型	电价/(元·(kW·h)^–1)
类型	峰	谷	平
购电	0.8	0.37	0.55
DCL	1.8	0.37	0.55
NDCL	1.3	0.37	0.55

计及激励型需求响应的低压配电网混合储能优化配置

Optimal Allocation of Hybrid Energy Storage in Low-Voltage Distribution Networks with Incentive-based Demand Response

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 36

相关文章 11

编辑推荐

Metrics

方案编号	混合储能安装位置	超级电容容量/ (kW·h)	磷酸铁锂电池容量/ (kW·h)	超级电容功率/ kW	磷酸铁锂电池功率/ kW	年总费用/ 万元	有功功率波动值/%
1）	16、6	200.00、 49.77	188.46、 121.27	168.75、 7.77	111.02、 83.27	0.54	4.8
2）	—	—	—	—	—	0.17	19.8
3）（本文）	15、12	111.81、 49.86	103.43、 44.38	66.61、 15.99	41.63、 8.33	0.42	2.7

方案编号	储能类型	储能安装位置	储能容量/ (kW·h)	储能功率/ kW	年系统总费用/ 万元	有功功率波动值/ %	超级电容充放电循环次数
4）	超级电容	11、18	213.82、 182.84	113.69、 216.72	1.04	7.9	691、 702
5）	磷酸铁锂电池	8、14	202.04、 386.46	106.58、 177.64	0.78	11.7	—
6）（本文）	超级电容	15、12	111.81、 49.86	66.61、 15.99	0.42	2.7	643、 668
6）（本文）	磷酸铁锂电池	15、12	103.43、 44.38	41.63、 8.33	0.42	2.7	—

[1]	周洋, 黄德志, 李培栋, 冀凯琳, 刘学峰, 谭洪. 考虑平衡端点相位不对称及光伏接入的低压配电网三相潮流模型[J]. 中国电力, 2024, 57(10): 190-198.
[2]	张子桐, 周群, 佃钰林, 官子超, 印月, 冷敏瑞, 刘雪山. 基于μPMU测量数据的配电网线路阻抗参数估计[J]. 中国电力, 2023, 56(8): 157-165.
[3]	颜湘武, 王晨光, 贾焦心, 马宏斌. 基于小交流信号的低压配电网中分布式光伏辅助调压控制策略[J]. 中国电力, 2022, 55(5): 134-142.
[4]	邵尹池, 袁绍军, 孙荣富, 吴林林, 陈璨. 基于空间相关性的分布式光伏实用化功率预测及误差分析[J]. 中国电力, 2021, 54(7): 185-191,207.
[5]	姚永峰, 王启哲, 王慧萍, 贾佳, 夏西宾. 基于邻接矩阵的低压配电网故障区段定位方法[J]. 中国电力, 2021, 54(11): 91-96,114.
[6]	秦子健, 石季英, 魏文辉, 林济铿, 张新伦, 武琳. 中低压配电网综合效益评估方法研究[J]. 中国电力, 2019, 52(8): 34-44.
[7]	王旭东, 王高猛, 林济铿, 康宁, 丁一, 刘辉. 基于AMI量测信息的低压配电网线路参数辨识方法[J]. 中国电力, 2019, 52(5): 63-69.
[8]	闫卫国, 王高猛, 林济铿, 郭凌旭, 蒋菱, 陈建. 基于AMI量测信息的低压配电网拓扑校验方法[J]. 中国电力, 2019, 52(2): 125-133.
[9]	张磐, 张愉, 丁一, 李武兴, 姜惠兰, 陈娟. 基于微扰法的低压有源配电网故障定位方法[J]. 中国电力, 2018, 51(12): 63-71.
[10]	王伟, 于建成, 姚程, 霍现旭, 田娜, 刘建宇, 姚勋. 非侵入式低压配电网短路事故检测及定位方法[J]. 中国电力, 2017, 50(5): 78-83.
[11]	李鹏，李徽胜，王睿，方兵华，陈丽丹. 基于PSCAD/EMTDC的低压合环电流仿真[J]. 中国电力, 2016, 49(12): 21-25.

模态框（Modal）标题

计及激励型需求响应的低压配电网混合储能优化配置

Optimal Allocation of Hybrid Energy Storage in Low-Voltage Distribution Networks with Incentive-based Demand Response

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 36

相关文章 11

编辑推荐

Metrics