CN101764407A - 一种基于模糊期望值模型的配电网的规划方法 - Google Patents
一种基于模糊期望值模型的配电网的规划方法 Download PDFInfo
- Publication number
- CN101764407A CN101764407A CN201010045815A CN201010045815A CN101764407A CN 101764407 A CN101764407 A CN 101764407A CN 201010045815 A CN201010045815 A CN 201010045815A CN 201010045815 A CN201010045815 A CN 201010045815A CN 101764407 A CN101764407 A CN 101764407A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- expected value
- distribution network
- newly
- capacity
- 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
Links
Images
Classifications
-
- Y02E40/76—
-
- Y04S10/545—
-
- Y04S10/58—
Abstract
本发明特别涉及一种考虑了负荷预测结果不确定性的电网配电的方法,它以配电网年投资运行费用的模糊期望值,即年投资费用和网损费用的模糊期望值,为优化目标,以配电网年投资费用模糊期望值和年补偿费用模糊期望值来评价配电网优化效益。根据已知的配电网规划参数,以及规划区域初始网架数据和各种备择选项数据,其中采用模糊变量表示负荷预测值,采用0-1变量表示各种备择选项,建立基于模糊期望值模型的配电网优化规划模型,并采用遗传算法求解。本发明能在很大程度上减少事后的补偿投资,降低损失和浪费。同时,该方法考虑了配电网规划的各种因素,包括是否新建变电站,是否增加现有变电站容量,以及是否替换或新建线路等。
Description
技术领域
本发明涉及电网配电的方法,特别涉及一种考虑了负荷预测结果不确定性的配电网优化规划的方法。
背景技术
传统的配电网优化规划方法是通过选择确定的规划参数,建立配电网优化规划模型,求解满足各种约束的,并使经济指标最优的确定性方案。然而,配电网规划中存在着大量不确定的规划参数,比如,规划区域内的负荷预测值、设备投入时间、利息率、资金约束,经济增长率和环境约束等。传统的配电网优化规划方法往往没有考虑不确定因素的影响,其数学上的最优方案对未来的情况而言可能并非最优,甚至可能需要进行大量的补偿投资,造成损失和浪费。为此本研究创新性地考虑了负荷预测值的不确定性,利用模糊变量表示负荷预测值,特别是建立了基于模糊期望值模型的配电网优化规划数学模型,并采用遗传算法求解,较好的解决了考虑负荷不确定性的配电网优化规划问题。
发明内容
本发明的目的在于考虑负荷预测值的不确定性,以梯形模糊变量表示负荷预测值,以配电网年投资运行费用的模糊期望值最小为目标函数,以功率平衡方程、节点电压、支路功率限制为约束条件,建立基于模糊期望值模型的配电网优化规划数学模型,并采用遗传算法对模型进行求解,从而提供了一种基于模糊期望值模型的配电网的规划方法。
本发明是这样实现的:它根据已知的配电网优化规划参数,建立基于模糊期望值模型的配电网优化规划模型,并采用遗传算法求解而获得配电网优化规划,所述规划参数包括规划区域内各区块负荷中心负荷预测值,固定投资年平均费用系数,单位电价,最大负荷损耗小时数,规划所要求的区域容载比,节点电压上下限,支路功率上下限,以及规划区初始网架数据;初始网架数据包括变电站现有容量和各线路容量,线路阻抗,投资费用,及备择选项数据;备择选项数据包括新建或扩建变电站投资费用,新建或替换线路投资费用,线路容量,及线路阻抗,其特征是:
(1)所述负荷预测值采用梯形模糊变量表示,备择选项数据采用0-1变量表示;
(2)所述基于模糊期望值模型的配电网优化规划模型为:
基于模糊期望值模型的配电网优化规划模型是以配电网年投资运行费用的模糊期望值最小为目标函数,以功率平衡、节点电压、和支路功率限制为约束条件,采用0-1规划方法建立模型:模型中将固定投资年平均费用系数乘以投资费用,再加上年网损费用作为目标函数;其中投资费用包括替换线路费用、新建线路费用、增加现有变电站容量费用、和新建变电站费用;年网损费用是各条线路最大负荷损耗小时数与线路模糊支路功率的乘积和,再乘以电价;功率平衡约束是指现有变电站容量、现有变电站扩容容量和新建变电站容量的总和需满足负荷的需求;节点电压约束是指配电网各节点电压需满足电压限制,支路功率约束是指配电网各支路功率不能超过线路容量的限制;
以配电网年投资运行费用的模糊期望值,即年投资费用和网损费用的模糊期望值,为优化目标,以配电网年投资费用模糊期望值和年补偿费用模糊期望值来评价配电网优化效益。
本发明的优点在于与采用传统规划方法得到的配电网规划方案相比,根据该模型求得的配电网规划方案对于未来负荷的不确定性具有更强的适应性,能在很大程度上减少事后的补偿投资,降低损失和浪费。同时,该方法考虑了配电网规划的各种因素,包括是否新建变电站,是否增加现有变电站容量,以及是否替换或新建线路等。
附图说明
图1、本发明梯形模糊变量描述的模糊负荷。
图2、本发明遗传算法求解流程。
图3、本发明实施例1某规划区域配电网初始网架图。
图4、本发明实施例1某规划区域配电网优化规划后网架图。
具体实施方式
(1)采用模糊变量表示负荷预测值
根据负荷预测值的不确定性和特点,采用梯形模糊变量表示负荷预测值。比如,由模糊预测法可知,某区域某年最高负荷L不会大于L1或小于L4,很有可能在L2到L3之间,负荷预测值的这种模糊性可用梯形模糊数来表示,其隶属函数如下式所示。
其隶属度函数曲线如附图1所示。
(2)建立基于模糊期望值模型的配电网优化规划模型
基于模糊期望值模型的配电网优化规划数学模型以配电网年投资运行费用的模糊期望值最小为目标函数,以功率平衡方程、节点电压、支路功率限制为约束条件。采用0-1规划方法,综合考虑考虑了配电网规划的各种因素,包括是否新建变电站,是否增加现有变电站容量,以及是否替换或新建线路。其目标函数和约束条件如下式所示。
minE[αCinv(x)+Closs(x)] ②
其中:
s.t.
其中,Cinv(x)为年投资费用,Closs(x)为年网损费用,α为固定投资年平均费用系数,p为单位电价,τ为最大负荷损耗小时数,λ为区域容载比。
n为配电网节点数,l为某规划方案中的配电网络支路数,x为决策向量,为0-1变量构成的向量,SR为各条线路可替换线路集合,SRi为第i条线路的替换方案集合,Cij为替换线路费用;SA为可新增线路集合,SAk为第k条新增线路新建方案集合,Ckl为新建线路投资费用;S为现有变电站节点集合,Sm为第m个变电站的扩容方案集合,C0为单位容量费用,Smn为扩容容量;SN为可新增变电站节点集合,SNg为第g个新增变电站的新建方案集合,Sgh为新建容量方案,Cg0为固定投资费用。
(3)采用遗传算法求解
配电网规划是一项十分复杂的工作,规划人员必须对配网中各个变电站的选址定容、大量馈线的布置、容量等做出决策,其数学优化模型往往含有大量的变量和约束条件,采用传统数学规划方法难以求解。而遗传算法是一种通过模拟自然进化过程搜索最优解的方法,在解决复杂的全局优化问题方面,遗传算法具有明显的优势。其求解流程如附图2所示。
求解时会涉及配电网潮流计算,配电网潮流计算是配电网规划的基础。由于负荷预测数据存在模糊性,因此在根据模糊负荷和网络拓扑求解节点电压、支路功率和网损的时候,传统的确定性潮流算法不再适用,需要进行模糊潮流计算。模糊潮流计算就是当以模糊数描述节点注入功率的不确定性时,求出节点电压模糊幅值、相角及支路有功、无功模糊潮流(也是模糊数)的可能性分布(用模糊数的隶属函数描述)。
本发明可以通过发明内容中说明的技术具体实施,通过下面的实施例可以对本发明进行进一步的描述,然而,本发明的范围并不限于下述实施例。
实施例1
为验证以上所提出的模型的有效性,将该模型应用于一个实际规划区的配电网规划中。该区域内配电网为10kV配网,初始网架共有5个节点、4条支路,现要扩展为10个节点的辐射型网络,其初始网架图如附图3所示。0节点处为35/10kV变电站,现有1台10MVA主变,远期可扩建为2×10MVA。各区块负荷中心负荷预测结果如下表所示。
表1节点负荷预测值
网络参数如下表所示。
表2网络参数
设变电站和线路的固定投资年平均费用系数相同,均为α=0.1,各线路的年最大负荷损耗小时数相同,均为τ=1600h,而单位电价p=0.5元/kWh。设该区域容载比要求达到λ=2。采用遗传算法求取最优解时,各参数为:初始群体规模pop_size=100,交叉概率Pc=0.8,变异概率Pm=0.05,终止代数T=500。
采用以上模型进行优化计算,其结果为:0节点处35/10kV变电站需增容为2×10MVA,年投资运行费用的期望值为26.17万元,网架优化结果如附图4所示。
规划方案对于未来不确定负荷的适应性,可以采用补偿费用的期望值来衡量,其定义如下:
模糊规划方案和采用确定性规划方法求得的规划方案的网架投资费用和补偿费用期望值比较如下表所示。其中确定性规划方法方案1采用模糊负荷中心值,μ(x)=1.0截集的平均值(L2+L3)/2作为规划水平年的负荷,方案2采用负荷预测最大值作为规划水平年的负荷。
表3网架年投资费用和补偿费用期望值 单位:万元
从上表可知,与确定性规划方法相比,采用模糊规划方法的规划方案的网架投资费用和补偿费用期望均为最小,说明该规划方案建设成本低,且对于未来负荷的不确定性具有更强的适应性。在确定性规划方法中,前期网架投资费用和后期补偿费用是一对比较难平衡的矛盾。但是在模糊规划中,这一问题可以得到很好的解决。
由实例求解过程可知,基于模糊期望值模型配电网优化规划方法由于考虑了负荷的模糊性,与传统的规划方法相比,该模型所求得的配电网规划方案对于未来负荷的不确定性具有更强的适应性,能在很大程度上减少事后的补偿投资,降低损失和浪费。
配电网扩展规划中存在着大量不确定的规划参数,此外,随着电力市场和新技术的发展,特别是分布式电源的引入,规划人员在配电网规划中需要处理的不确定的规划参数越来越多,其中很多不确定因素均可采用模糊理论进行描述和处理。因此,模糊期望值模型在配电网优化规划中具有广阔的应用前景。
Claims (2)
1.一种基于模糊期望值模型的配电网的规划方法,它根据已知的配电网优化规划参数,建立基于模糊期望值模型的配电网优化规划模型,并采用遗传算法求解而获得配电网优化规划,所述规划参数包括规划区域内各区块负荷中心负荷预测值,固定投资年平均费用系数,单位电价,最大负荷损耗小时数,规划所要求的区域容载比,节点电压上下限,支路功率上下限,以及规划区初始网架数据;初始网架数据包括变电站现有容量和各线路容量,线路阻抗,投资费用,及备择选项数据;备择选项数据包括新建或扩建变电站投资费用,新建或替换线路投资费用,线路容量,及线路阻抗,其特征是:
(1)所述负荷预测值采用梯形模糊变量表示,备择选项数据采用0-1变量表示;
(2)所述基于模糊期望值模型的配电网优化规划模型为:
基于模糊期望值模型的配电网优化规划模型是以配电网年投资运行费用的模糊期望值最小为目标函数,以功率平衡、节点电压、和支路功率限制为约束条件,采用0-1规划方法建立模型:模型中将固定投资年平均费用系数乘以投资费用,再加上年网损费用作为目标函数;其中投资费用包括替换线路费用、新建线路费用、增加现有变电站容量费用、和新建变电站费用;年网损费用是各条线路最大负荷损耗小时数与线路模糊支路功率的乘积和,再乘以电价;功率平衡约束是指现有变电站容量、现有变电站扩容容量和新建变电站容量的总和需满足负荷的需求;节点电压约束是指配电网各节点电压需满足电压限制,支路功率约束是指配电网各支路功率不能超过线路容量的限制;
以配电网年投资运行费用的模糊期望值,即年投资费用和网损费用的模糊期望值,为优化目标,以配电网年投资费用模糊期望值和年补偿费用模糊期望值来评价配电网优化效益。
2.根据权利要求1所述的一种基于模糊期望值模型的配电网的规划方法,其特征是:
(1)负荷预测值用梯形模糊变量来表示,其隶属度函数如下式所示:
由模糊预测法可知,某区域某年最高负荷L不会大于L1或小于L4,很有可能在L2到L3之间,因此采用如上表示;
(2)建立基于模糊期望值模型的配电网优化规划模型,其目标函数和约束条件如下式所示:
minE[αCinv(x)+Closs(x)] ②
其中:
s.t.
Cinv(x)为投资费用,Closs(x)为年网损费用,α为固定投资年平均费用系数,p为单位电价,τ为最大负荷损耗小时数,λ为区域容载比;
n为配电网节点数,l为某规划方案中的配电网络支路数,x为决策向量,为0-1变量构成的向量,SR为各条线路可替换线路集合,SRi为第i条线路的替换方案集合,Cij为替换线路费用;SA为可新增线路集合,SAk为第k条新增线路新建方案集合,Ckl为新建线路投资费用;S为现有变电站节点集合,Sm为第m个变电站的扩容方案集合,C0为单位容量费用,Smn为扩容容量;SN为可新增变电站节点集合,SNg为第g个新增变电站的新建方案集合,Sgh为新建容量方案,Cg0为固定投资费用;
(3)采用遗传算法对所述基于模糊期望值模型的配电网优化规划模型求解的方法为:
首先产生满足约束条件的初始种群,计算初始种群中各染色体的适值函数,用适值函数衡量染色体的好坏,本方法中适值函数的计算需要通过计算模糊潮流求得;然后,由前一代染色体通过选择、交叉和变异形成新一代染色体,适值函数大的染色体选中的概率较高;在种群更新过程中,种群中染色体数目不变;最后,判断是否满足遗传算法的终止条件,如果满足则结束、输出结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010045815A CN101764407A (zh) | 2010-01-08 | 2010-01-08 | 一种基于模糊期望值模型的配电网的规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010045815A CN101764407A (zh) | 2010-01-08 | 2010-01-08 | 一种基于模糊期望值模型的配电网的规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101764407A true CN101764407A (zh) | 2010-06-30 |
Family
ID=42495439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010045815A Pending CN101764407A (zh) | 2010-01-08 | 2010-01-08 | 一种基于模糊期望值模型的配电网的规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101764407A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622488A (zh) * | 2012-03-21 | 2012-08-01 | 江西省电力科学研究院 | 一种配网分布式电源容量规划方法 |
CN102722765A (zh) * | 2012-06-01 | 2012-10-10 | 西南大学 | 一种配电变压器选址方法 |
CN103279661A (zh) * | 2013-05-23 | 2013-09-04 | 西南交通大学 | 基于混合量子进化算法的变电站容量优化配置方法 |
CN103413194A (zh) * | 2013-07-08 | 2013-11-27 | 东南大学 | 一种含有高渗透率间歇性能源的区域电网规划系统及方法 |
CN103491178A (zh) * | 2013-09-27 | 2014-01-01 | 浪潮(北京)电子信息产业有限公司 | 一种云数据中心自动选址方法及系统 |
CN103793757A (zh) * | 2014-01-23 | 2014-05-14 | 国家电网公司 | 一种层级式模块化电网规划方案优化方法 |
CN105006821A (zh) * | 2015-07-01 | 2015-10-28 | 深圳供电局有限公司 | 一种研究配电网运行方式优化的方法及系统 |
CN105046354A (zh) * | 2015-07-09 | 2015-11-11 | 国网四川省电力公司经济技术研究院 | 基于多代理的配电网规划场景模拟生成方法及其系统 |
CN105207226A (zh) * | 2015-09-02 | 2015-12-30 | 国网浙江台州市路桥区供电公司 | 一种高压电网无功补偿优化配置方法 |
CN106485395A (zh) * | 2016-08-30 | 2017-03-08 | 上海交通大学 | 一种考虑配电网网损和扩容成本的分布式电源配置方法 |
CN106650988A (zh) * | 2016-09-23 | 2017-05-10 | 国网山东省电力公司经济技术研究院 | 一种高压配电网规划项目模糊组合优化方法 |
CN107039967A (zh) * | 2016-12-12 | 2017-08-11 | 国家电网公司 | 一种基于模糊潮流算法考虑线路阻抗和负荷不确定性的台区电网理论线损计算方法 |
CN107256441A (zh) * | 2017-06-02 | 2017-10-17 | 广东电网有限责任公司电网规划研究中心 | 基于非支配排序遗传算法的配电网规划建设方案设计方法 |
CN107301482A (zh) * | 2017-08-10 | 2017-10-27 | 嘉兴恒创电力设计研究院有限公司 | 一种基于城市综合管廊的配电网中压线路路径规划方法 |
CN109214027A (zh) * | 2017-07-07 | 2019-01-15 | 河北工业大学 | 一种脱碳海水进料的反渗透脱硼海水淡化系统优化方法 |
CN109510189A (zh) * | 2018-10-31 | 2019-03-22 | 国网安徽省电力有限公司六安供电公司 | 基于可信性理论的配电网规划方法 |
CN110232642A (zh) * | 2019-06-28 | 2019-09-13 | 国网河北省电力有限公司经济技术研究院 | 一种面向停电风险预防的拓扑规划与优化方法 |
CN110334846A (zh) * | 2019-05-07 | 2019-10-15 | 国网湖南省电力有限公司 | 规划效果最优的最小投资测算方法 |
CN110619454A (zh) * | 2019-08-09 | 2019-12-27 | 东北大学 | 一种基于改进遗传算法和prim算法的配电网规划方法 |
CN111724064A (zh) * | 2020-06-20 | 2020-09-29 | 国网福建省电力有限公司 | 一种基于改进免疫算法的含储能配电网规划方法 |
CN112651540A (zh) * | 2020-07-31 | 2021-04-13 | 国网陕西省电力公司经济技术研究院 | 一种配电网规划项目投资优化方法 |
CN113158382A (zh) * | 2020-12-30 | 2021-07-23 | 国家电网有限公司 | 一种电网规划计算机辅助决策支持系统 |
CN113609649A (zh) * | 2018-02-13 | 2021-11-05 | 三峡大学 | 一种构建基于机会约束的配电网中压线路规划模型的方法 |
CN115759375A (zh) * | 2022-11-09 | 2023-03-07 | 浙江咸亨创新产业中心有限公司 | 一种应用于故障配电网的模块化移动电池储能配置方法 |
-
2010
- 2010-01-08 CN CN201010045815A patent/CN101764407A/zh active Pending
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622488A (zh) * | 2012-03-21 | 2012-08-01 | 江西省电力科学研究院 | 一种配网分布式电源容量规划方法 |
CN102722765A (zh) * | 2012-06-01 | 2012-10-10 | 西南大学 | 一种配电变压器选址方法 |
CN102722765B (zh) * | 2012-06-01 | 2015-04-08 | 西南大学 | 一种配电变压器选址方法 |
CN103279661B (zh) * | 2013-05-23 | 2016-08-10 | 西南交通大学 | 基于混合量子进化算法的变电站容量优化配置方法 |
CN103279661A (zh) * | 2013-05-23 | 2013-09-04 | 西南交通大学 | 基于混合量子进化算法的变电站容量优化配置方法 |
CN103413194A (zh) * | 2013-07-08 | 2013-11-27 | 东南大学 | 一种含有高渗透率间歇性能源的区域电网规划系统及方法 |
CN103413194B (zh) * | 2013-07-08 | 2016-06-08 | 东南大学 | 一种含有高渗透率间歇性能源的区域电网规划系统及方法 |
CN103491178A (zh) * | 2013-09-27 | 2014-01-01 | 浪潮(北京)电子信息产业有限公司 | 一种云数据中心自动选址方法及系统 |
CN103793757A (zh) * | 2014-01-23 | 2014-05-14 | 国家电网公司 | 一种层级式模块化电网规划方案优化方法 |
CN103793757B (zh) * | 2014-01-23 | 2018-01-12 | 国家电网公司 | 一种层级式模块化电网规划方案优化方法 |
CN105006821A (zh) * | 2015-07-01 | 2015-10-28 | 深圳供电局有限公司 | 一种研究配电网运行方式优化的方法及系统 |
CN105046354A (zh) * | 2015-07-09 | 2015-11-11 | 国网四川省电力公司经济技术研究院 | 基于多代理的配电网规划场景模拟生成方法及其系统 |
CN105207226A (zh) * | 2015-09-02 | 2015-12-30 | 国网浙江台州市路桥区供电公司 | 一种高压电网无功补偿优化配置方法 |
CN106485395A (zh) * | 2016-08-30 | 2017-03-08 | 上海交通大学 | 一种考虑配电网网损和扩容成本的分布式电源配置方法 |
CN106650988A (zh) * | 2016-09-23 | 2017-05-10 | 国网山东省电力公司经济技术研究院 | 一种高压配电网规划项目模糊组合优化方法 |
CN107039967A (zh) * | 2016-12-12 | 2017-08-11 | 国家电网公司 | 一种基于模糊潮流算法考虑线路阻抗和负荷不确定性的台区电网理论线损计算方法 |
CN107039967B (zh) * | 2016-12-12 | 2019-07-02 | 国家电网公司 | 考虑线路阻抗和负荷不确定性的台区电网理论线损计算法 |
CN107256441A (zh) * | 2017-06-02 | 2017-10-17 | 广东电网有限责任公司电网规划研究中心 | 基于非支配排序遗传算法的配电网规划建设方案设计方法 |
CN107256441B (zh) * | 2017-06-02 | 2020-12-04 | 广东电网有限责任公司电网规划研究中心 | 基于非支配排序遗传算法的配电网规划建设方案设计方法 |
CN109214027A (zh) * | 2017-07-07 | 2019-01-15 | 河北工业大学 | 一种脱碳海水进料的反渗透脱硼海水淡化系统优化方法 |
CN107301482A (zh) * | 2017-08-10 | 2017-10-27 | 嘉兴恒创电力设计研究院有限公司 | 一种基于城市综合管廊的配电网中压线路路径规划方法 |
CN113609649B (zh) * | 2018-02-13 | 2024-03-15 | 三峡大学 | 一种构建基于机会约束的配电网中压线路规划模型的方法 |
CN113609649A (zh) * | 2018-02-13 | 2021-11-05 | 三峡大学 | 一种构建基于机会约束的配电网中压线路规划模型的方法 |
CN109510189B (zh) * | 2018-10-31 | 2022-04-01 | 国网安徽省电力有限公司六安供电公司 | 基于可信性理论的配电网规划方法 |
CN109510189A (zh) * | 2018-10-31 | 2019-03-22 | 国网安徽省电力有限公司六安供电公司 | 基于可信性理论的配电网规划方法 |
CN110334846A (zh) * | 2019-05-07 | 2019-10-15 | 国网湖南省电力有限公司 | 规划效果最优的最小投资测算方法 |
CN110232642A (zh) * | 2019-06-28 | 2019-09-13 | 国网河北省电力有限公司经济技术研究院 | 一种面向停电风险预防的拓扑规划与优化方法 |
CN110232642B (zh) * | 2019-06-28 | 2021-07-09 | 国网河北省电力有限公司经济技术研究院 | 一种面向停电风险预防的拓扑规划与优化方法及装置 |
CN110619454A (zh) * | 2019-08-09 | 2019-12-27 | 东北大学 | 一种基于改进遗传算法和prim算法的配电网规划方法 |
CN110619454B (zh) * | 2019-08-09 | 2022-11-29 | 东北大学 | 一种基于改进遗传算法和prim算法的配电网规划方法 |
CN111724064B (zh) * | 2020-06-20 | 2023-01-10 | 国网福建省电力有限公司 | 一种基于改进免疫算法的含储能配电网规划方法 |
CN111724064A (zh) * | 2020-06-20 | 2020-09-29 | 国网福建省电力有限公司 | 一种基于改进免疫算法的含储能配电网规划方法 |
CN112651540A (zh) * | 2020-07-31 | 2021-04-13 | 国网陕西省电力公司经济技术研究院 | 一种配电网规划项目投资优化方法 |
CN113158382A (zh) * | 2020-12-30 | 2021-07-23 | 国家电网有限公司 | 一种电网规划计算机辅助决策支持系统 |
CN113158382B (zh) * | 2020-12-30 | 2024-03-29 | 国家电网有限公司 | 一种电网规划计算机辅助决策支持系统 |
CN115759375A (zh) * | 2022-11-09 | 2023-03-07 | 浙江咸亨创新产业中心有限公司 | 一种应用于故障配电网的模块化移动电池储能配置方法 |
CN115759375B (zh) * | 2022-11-09 | 2023-06-02 | 浙江咸亨创新产业中心有限公司 | 一种应用于故障配电网的模块化移动电池储能配置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101764407A (zh) | 一种基于模糊期望值模型的配电网的规划方法 | |
CN106487005B (zh) | 一种考虑输配电价的电网规划方法 | |
Martins et al. | Active distribution network integrated planning incorporating distributed generation and load response uncertainties | |
CN103049799B (zh) | 一种基于多目标优化的电网规划设计方法 | |
Singh et al. | Distributed power generation planning for distribution networks using electric vehicles: Systematic attention to challenges and opportunities | |
Ahmadigorji et al. | A robust model for multiyear distribution network reinforcement planning based on information-gap decision theory | |
CN103840457B (zh) | 考虑电动汽车充放电影响的配电网内dg优化配置方法 | |
Maghouli et al. | A scenario-based multi-objective model for multi-stage transmission expansion planning | |
CN102522752B (zh) | 面向供电能力提高的配电网联络结构优化方法 | |
Guimaraes et al. | Distribution systems operation optimisation through reconfiguration and capacitor allocation by a dedicated genetic algorithm | |
CN108122068A (zh) | 一种配电网风险规划方法及系统 | |
CN106655207A (zh) | 基于多数据分析的配电网无功优化系统及方法 | |
Shukla et al. | Allocation of optimal distributed generation using GA for minimum system losses in radial distribution networks | |
CN106253335A (zh) | 一种分布式电源容量与接入位置不确定的配电网规划方法 | |
CN107358337A (zh) | 一种基于网络重构的有源配电网规划方法 | |
Rasoulzadeh-Gharibdousti et al. | Optimal design and operation of pumping stations using NLP-GA | |
CN106385025A (zh) | 一种分布式电源与联络线多阶段协同规划方法 | |
CN109598377B (zh) | 一种基于故障约束的交直流混合配电网鲁棒规划方法 | |
Mendoza et al. | Low voltage distribution planning considering micro distributed generation | |
CN105069700A (zh) | 一种分层分区的配电网架规划方法 | |
Celli et al. | A multi-objective formulation for the optimal sizing and siting of embedded generation in distribution networks | |
CN105046354A (zh) | 基于多代理的配电网规划场景模拟生成方法及其系统 | |
CN102254242A (zh) | 规划网络数据系统及其快速智能生成方法 | |
CN107046284A (zh) | 一种配电网转供能力薄弱环节评估方法 | |
CN109787246A (zh) | 考虑多微网并网的配电网动、静态无功设备优化配置方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20100630 |