CN103151805A - 一种并网模式微电网的电源优化配置的方法 - Google Patents
一种并网模式微电网的电源优化配置的方法 Download PDFInfo
- Publication number
- CN103151805A CN103151805A CN2013101053393A CN201310105339A CN103151805A CN 103151805 A CN103151805 A CN 103151805A CN 2013101053393 A CN2013101053393 A CN 2013101053393A CN 201310105339 A CN201310105339 A CN 201310105339A CN 103151805 A CN103151805 A CN 103151805A
- Authority
- CN
- China
- Prior art keywords
- power supply
- power
- cost
- electrical network
- function
- 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.)
- Granted
Links
Images
Abstract
本发明涉及一种并网模式微电网的电源优化配置的方法,属电网优化规划领域。(本发明在满足微电网内电源出力约束和电能质量约束条件下,优化选取每种类型分布式电源的配置容量,充分考虑并网模式下微电网的电源建设费用、运行费用以及微电网的网损,以总投资之和最小为目标函数,引入罚函数并采用改进粒子群算法进行求解,在不满足约束条件时使用罚函数来计算粒子群的适应度,使得最优结果在约束范围内)。本发明针对并网模式微电网的运行特点,考虑微电网内电源与大电网传统电源的互补,计及风光资源的随机性、负荷的波动性,使并网模式下微电网在满足约束条件下,电源投资的经济性最优。
Description
技术领域
本发明涉及一种电源优化配置的方法,尤其是涉及一种并网模式微电网的电源优化配置的方法。
背景技术
利用可再生能源进行发电可以最大限度减轻对传统化石能源的依赖以及对环境的污染,但分布式电源通常“不可控”和“不宜控”,现有的电网技术仍不能完全适应分布式发电的接入要求。于是,微电网的概念应运而生。
微电网的并网运行是最常见的运行方式,也是多数情况下微电网的运行方式。它与孤岛运行不同,它不仅要满足可靠性的要求,同时还要满足用户个性化供电及供电质量的要求。在该运行方式下,应在保证公共连接点的电能质量约束下,对微电网内负荷的不间断供电。
分布式电源的接入无疑将对电力系统造成一定的影响。首先,分布式电源接入电网后会引起系统内潮流的变化,为了使这些变化处于可控范围内,通常对接入配电网的分布式电源的容量进行限制;其次,分布式电源总容量所占比例过高,会导致系统的电能质量下降。因此,在进行电源规划时,大多认为分布式电源的总容量不能超过最大负荷的30%或更低。目前,传统的电源规划模型仍然是考虑在一定可靠性基础下,使微电网的总投资最小。在微电网电源配置中不容忽视的是不可再生能源的比例问题。
如果以传统最大负荷进行微电网并行方式下的电源规划,将带来投资的浪费。因此,在并网运行方式下的电源配置应该考虑如下两个问题:
1)要对该地区的负荷进行调研,得到典型日的负荷曲线和年负荷曲线,考虑负荷率、各分类负荷用电量比例,以及负荷的期望模型或概率模型等因素,而不是利用传统的负荷最大值进行规划。
2)要充分考虑微电网内电源与大电网传统电源的互补,同时还要考虑并网转孤岛运行的稳定性,在经济性、可靠性、环境效益,以及供电容量利用率的基础上建立并网运行方式下电源配置模型,求解各为电源的最优容量和位置。
发明内容
本发明主要是解决现有技术所存在的技术问题;首次提出了一种并网模式微电网的电源容量优化配置方法。针对微电网并网运行的特点,考虑微电网内电源与大电网传统电源的互补,计及风光资源的随机性、负荷的波动性,在满足微电网内电能质量约束的条件下,优化选取每种电源的配置容量,使微电网的投资费用和网损费用之和最小。
本发明的上述技术问题主要是通过下述技术方案得以解决的:
一种并网模式微电网的电源优化配置的方法,其特征在于,
步骤1:初始化粒子群,包括各电源在初始设定范围内的容量值、迭代次数t、以及迭代步长,以及微电网的网架结构信息,然后计算出每组粒子在规划期初始的建设费用Ii;所述粒子群包括若干组粒子;
步骤2:根据年资源曲线、年负荷曲线,逐小时计算的该微电网的网损,以及每个电源出力Eti,所产生的燃料费用CFCi以及运行维护费用COMi;
步骤3:根据步骤2累计规划期内的建设费用CCPi,在规划期内所发出的电量Eti,所产生的燃料费用∑CFCi以及运行维护费用∑COMi;
步骤4:判断是否满足微电网约束条件,并根据判断结果选择适应度函数来获取每组粒子的适应度,所述适应度函数包括当前目标函数和罚函数;
步骤5:根据步骤4得到的每组粒子的适应度选出最优粒子组,然后根据步骤1中设定的迭代步长及速度对除去最优粒子组的剩下粒子群进行变异操作;
步骤6:判断迭代次数是否等于t,是则输出最优解否则改变xi后返回执行步骤2直至达到设定的迭代次数后输出最优粒子组。
在上述的一种并网模式微电网的电源优化配置的方法,所述的步骤4中,微电网约束条件为:
电源出力约束:Pi≤pixi,式中,pi为单机容量,xi为机组数量;
电压约束,ΔUpcc≤5%,分布式电源并网后PCC点电压偏差影响不得超过±5%。
在上述的一种并网模式微电网的电源优化配置的方法,所述的步骤4中,若满足微电网约束条件,则采用目标函数:
minZcost=CL+CDG;
目标函数中,CL为电网网损费用;CDG为分布式电源的运行总费用;
电网有功损耗费用的表达式为
式中,Ce为单位电价,(这里,取单位电价为0.1$/kW·h;)Ploss是每个小时时刻t的有功损耗值;
总的有功网损可以表示为:
式中:Ui为节点i的电压值;Gij节点i与j之间的节点导纳矩阵元素的实部;θi为节点i的电压相角;L为全网的有功总损耗;
分布式电源的运行总费用CDG包括设备投资费用、运行和维护费用、燃料费用、环保折算费用;
投资成本的经济性数学模型描述如下:
式中:N为电源的类型数目;x=[x1,x2,…xN],为决策变量;xi为第i种电源的数目;CCPi为第i种电源的设备投资费用;COMi为第i种电源的年运行和维护费用;CFCi为第i种电源的年燃料费用;为第i种电源的环保折算费用,T为生命周期总长度,j代表全生命周期规划年限从第j年开始起始
每次粒子群寻优时,会更新一组xi的值,相应的目标函数中的变量、CCPi、COMi、CFCi均会更新;
若不满足微电网约束条件,则采用罚函数来调整当前粒子群的适应度,其函数为:
minZcost2=CL+CDG+Cpcost
(这里,CL和CDG的计算方法同上。)
其中,Cpcost为用全部负荷只从大电网购电所需要的费用;
其中,Et为第i种电源在第t年的发电量,Pt为国际原油中第t年的价格;
每次粒子群寻优时,会更新一组xi的值,相应的目标函数中的变量、CCPi、COMi、CFCi均会更新。
因此,本发明具有如下优点:针对并网模式微电网的运行特点,考虑微电网内电源与大电网传统电源的互补,计及风光资源的随机性、负荷的波动性,在满足微电网内电能质量约束的条件下,优化选取每种电源的配置容量,使微电网的投资费用和网损费用之和最小。
附图说明
图1是本实施例中某海岛年风光资源曲线图(年光照强度曲线)。
图2是本实施例中某海岛年风光资源曲线图(风速曲线)。
图3是本实施例中某海岛年风光资源曲线图(温度曲线)。
图4是本实施例中某并网模式微电网的网络结构。
图5是本发明的方法流程示意图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:
下面结合附图,对本发明的技术方案作进一步具体的说明:
微电网运行在并网模式时,因为有大电网作为不间断电源进行供电,供电可靠性不再是首要考虑的问题。由于分布式电源出力的波动影响微电网内的潮流,因而在考虑电源的容量配置时,需要保证微电网内的网损和电压水平控制在合理的范围内。
同时在计算并网模式微电网全生命周期的电源投资成本时,主要计及了电网初期的电源建设费用、电网运行时的燃料费用、运行维护费用等,其中大电网可以等效成一个不计初期建设费用的不间断电源,其燃料费用近似等于购电费用。而其他分布式电源如风力发电、光伏发电机组的出力分别受当地的风资源、太阳能资源所影响。
本发明为了累计该微电网在全生命周期内的总网损和总电源投资费用,首先需要对该微电网做负荷预测,以及风光资源预测。然后在全生命周期的生产模拟中,计算每个小时的网损和各电源出力、电压水平等。
生产模拟如下进行:
在第t=0时刻,即电网建设初期,需要累计全部电源的建设费用。
在第t时刻,首先计算受自然资源影响的分布式电源的可用出力。
风机出力受当前时刻的风速影响,函数关系如下:
式中,vci为切入风速;vco为切出风速;vr为额定风速;Pr为风力发电机组的额定输出功率。当风速介于vci和vr之间时风力发电机输出功率可以表示为风速的函数η(v),一般可以近似为线性关系,即:
η(v)=Pr(v-vci)/(vr-vci)
而在计算光伏电池的输出功率时,可以由标准额定条件下的输出功率、光照强度、环境温度可得到光伏列阵实际输出功率为:
式中:PPV为工作点的输出功率;k=0.0045;光伏组件厂商通常会给出标准额定条件(standard test condition,STC)下的运行参数,STC特指太阳辐照度GSTC为1kWm2,电池表面温度TSTC为25℃,相对大气光学质量为AM1.5的条件;Gc为工作点的辐照度;k为功率温度系数;PSTC为标准额定条件下光伏列阵的额定输出功率,若nPV为光伏列阵的光伏电池总数,pstc为光伏电池的额定输出功率,则PSTC=nPVpstc;Tc为工作点的电池表面温度,它是环境温度Ta和风速的函数:
Tc=Ta+αGc
其中系数α为风速v的指数函数:
式中c1、c2、c3为常系数。
如果当前时刻的分布式电源总出力小于负荷,则需从大电网购电,具体所需购电量由潮流计算得出。
并在当前时刻,计算该微电网的网损。
最后,对规划期内进行累加的变量有:各分布式电源的出力、从大电网获得的总购电量、规划期内总网损。
建立该项目从规划期起建设开始,到规划期内运行,到规划期结束的全生命周期的电源规划模型,采用改进粒子群算法求解最优选型和容量配置方案。所述数学模型如下:
1.目标函数1:minZcost=CL+CDG;
目标函数中,CL为电网网损费用;CDG为分布式电源的运行总费用。
电网有功损耗费用的表达式为
式中,Ce为单位电价,0.1$/kW·h;Ploss是每个小时时刻t的有功损耗值;
总的有功网损可以表示为:
式中:Ui为节点i的电压值;Gij节点i与j之间的节点导纳矩阵元素的实部;θi为节点i的电压相角;L为全网的有功总损耗。
分布式电源的运行总费用CDG包括设备投资费用、运行和维护费用、燃料费用、环保折算费用。
投资成本的经济性数学模型描述如下:
式中:N为电源的类型数目;x=[x1,x2,…xN],为决策变量;xi为第i种电源的数目;CCPi为第i种电源的设备投资费用;COMi为第i种电源的年运行和维护费用;CFCi为第i种电源的年燃料费用;为第i种电源的环保折算费用。T为生命周期总长度,j代表全生命周期规划年限从第j年开始起始
或者目标函数2:
minZcost2=CL+CDG+Cpcost
其中,CL和CDG的计算方法同上。
其中,Cpcost为用全部负荷只从大电网购电所需要的费用。
其中,Et为第i种电源在第t年的发电量,Pt为国际原油中第t年的价格。
每次粒子群寻优时,会更新一组xi的值,相应的、CCPi、COMi、CFCi均会更新。
2.约束条件:
电源出力约束:Pi≤pixi,式中,pi为单机容量,xi为机组数量;
电压约束,ΔUpcc≤5%,分布式电源并网后PCC点电压偏差影响不得超过±5%。
3.采用改进粒子群优化算法对所述数学模型进行求解,具体包括如下步骤:
步骤1:初始化粒子群,包括各电源在初始设定范围内的容量值、迭代次数t、以及迭代步长,以及微电网的网架结构信息,然后计算出每组粒子在规划期初始的建设费用Ii;所述粒子群包括若干组粒子。
步骤2:根据年资源曲线、年负荷曲线,逐小时计算的该微电网的网损,以及每个电源出力Eti,所产生的燃料费用CFCi以及运行维护费用COMi。
步骤3:根据步骤2累计规划期内的建设费用CCPi,在规划期内所发出的电量Eti,所产生的燃料费用∑CFCi以及运行维护费用∑COMi。
步骤4:判断是否满足微电网约束条件,并根据判断结果选择适应度函数来获取每组粒子的适应度,所述适应度函数包括当前目标函数和罚函数;
步骤5:根据步骤4得到的每组粒子的适应度选出最优粒子组,然后根据步骤1中设定的迭代步长及速度对除去最优粒子组的剩下粒子群进行变异操作;
步骤6:判断迭代次数是否等于t,是则输出最优解否则改变xi后返回执行步骤2直至达到设定的迭代次数后输出最优粒子组。
为了使最优值满足电能质量的约束,采用罚函数来进行限制,其表达式为:
式中,Fd代表粒子群的适应度的值,Zcost为全生命周期内的电源投资成本与网损成本之和,Zcost2为引入罚函数后的目标函数值。
4.为了验证本发明方法的有益效果,进行了以下仿真实验:
某海岛的自然条件气象数据及负荷数据:
其中,某岛的年风速情况如下表所示:
表1
月份 | 1 | 2 | 3 | 4 | 5 | 6 |
风速(m/s) | 9.4 | 7.2 | 7.0 | 6.0 | 7.3 | 7.3 |
月份 | 7 | 8 | 9 | 10 | 11 | 12 |
风速(m/s) | 7.0 | 5.4 | 5.8 | 9.2 | 6.4 | 7.9 |
某岛的年光照强度如下表所示:
表2
本发明研究的分布式电源类型有风机、光伏电池、微型燃气轮机三种。参与优化计算的发电机型号及参数如表3,表4,表5所示。
表3各种分布式电源机组的投资数据
DR | 风机 | 光伏电池 | 微型燃气轮机 |
型号 | WD-56 | MSX-83 | MTL-C-30 |
单机容量/Kw | 56 | 0.083 | 30 |
机组成本/($/kW) | 2805 | 5175 | 1200 |
安装成本($/kW) | 3250 | 1500 | 1333 |
项目全周期年限(年) | 12.5 | 20 | 12.5 |
运行维护费用 | 5.7 | 14.3 | 119 |
燃料成本/($/(kWh)) | 0 | 0 | 0045 |
表4各种发电技术的污染排放系数(g/(kw·h))
DR | NOX | CO2 | CO | SO2 |
微型燃气轮机 | 0.619 | 184 | 0.170 | 0.000928 |
表5电力行业污染物环境评价标准($/kg)
系数 | NOX | CO2 | CO | SO2 |
环境价值 | 1.000 | 0.002875 | 0.125 | 0.750 |
罚款 | 0.250 | 0.001250 | 0.020 | 0.125 |
根据图4所示的微电网做电源优化配置
表6优化配置结果
接入节点号 | 分布式电源类型 | 容量(kW) | 台数 |
节点18 | 风力发电机 | 0 | 0 |
节点5 | 燃气轮机 | 286.70 | 9 |
节点11 | 燃气轮机 | 334.89 | 11 |
由表6的优化结果可以看出:对六个点接入多分布式电源进行优化,优化结果中风力发电机和光伏电池没有进入规划范围,整个配电网中分散的接入了25台微型燃气轮机。没有接入分布式电源时,10年内由大电网供电的经济成本达到了7309.4725万($),总的网损费用为799.5902万($),接入微型燃气轮机后,总经济成本节约了1589.4641万($)。其网损也表现出很好的改善性能,总网损成本较没有接入分布式电源时节约了272.818万($)。风光机组未能配置进去的重要的原因是,如今在经济性能方面,风力发电和光伏发电的成本仍然太高,导致在以经济性能为目标函数的优化结果中,淘汰了可再生能源机组。
本发明中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (3)
1.一种并网模式微电网的电源优化配置的方法,其特征在于,
步骤1:初始化粒子群,包括各电源在初始设定范围内的容量值、迭代次数t、以及迭代步长,以及微电网的网架结构信息,然后计算出每组粒子在规划期初始的建设费用Ii;所述粒子群包括若干组粒子;
步骤2:根据年资源曲线、年负荷曲线,逐小时计算的该微电网的网损,以及每个电源出力Eti,所产生的燃料费用CFCi以及运行维护费用COMi;
步骤3:根据步骤2累计规划期内的建设费用CCPi,在规划期内所发出的电量Eti,所产生的燃料费用∑CFCi以及运行维护费用∑COMi;
步骤4:判断是否满足微电网约束条件,并根据判断结果选择适应度函数来获取每组粒子的适应度,所述适应度函数包括当前目标函数和罚函数;
步骤5:根据步骤4得到的每组粒子的适应度选出最优粒子组,然后根据步骤1中设定的迭代步长及速度对除去最优粒子组的剩下粒子群进行变异操作;
步骤6:判断迭代次数是否等于t,是则输出最优解否则改变xi后返回执行步骤2直至达到设定的迭代次数后输出最优粒子组。
2.根据权利要求1所述的一种并网模式微电网的电源优化配置的方法,其特征在于,所述的步骤4中,微电网约束条件为:
电源出力约束:Pi≤pixi,式中,pi为单机容量,xi为机组数量;
电压约束,ΔUpcc≤5%,分布式电源并网后PCC点电压偏差影响不得超过±5%。
3.根据权利要求1所述的一种并网模式微电网的电源优化配置的方法,其特征在于,所述的步骤4中,若满足微电网约束条件,则采用目标函数:
minZcost=CL+CDG;
目标函数中,CL为电网网损费用;CDG为分布式电源的运行总费用;
电网有功损耗费用的表达式为
式中,Ce为单位电价,0.1$/kW·h;Ploss是每个小时时刻t的有功损耗值;
总的有功网损可以表示为:
式中:Ui为节点i的电压值;Gij节点i与j之间的节点导纳矩阵元素的实部;θi为节点i的电压相角;L为全网的有功总损耗;
分布式电源的运行总费用CDG包括设备投资费用、运行和维护费用、燃料费用、环保折算费用;
投资成本的经济性数学模型描述如下:
式中:N为电源的类型数目;x=[x1,x2,…xN],为决策变量;xi为第i种电源的数目;CCPi为第i种电源的设备投资费用;COMi为第i种电源的年运行和维护费用;CFCi为第i种电源的年燃料费用;为第i种电源的环保折算费用,T为生命周期总长度,j代表全生命周期规划年限从第j年开始起始
若不满足微电网约束条件,则采用罚函数来调整当前粒子群的适应度,其函数为:
minZcost2=CL+CDG+Cpcost
其中,Cpcost为用全部负荷只从大电网购电所需要的费用;
其中,Et为第i种电源在第t年的发电量,Pt为国际原油中第t年的价格;
每次粒子群寻优时,会更新一组xi的值,相应的目标函数中的变量、CCPi、COMi、CFCi均会更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310105339.3A CN103151805B (zh) | 2013-03-28 | 2013-03-28 | 一种并网模式微电网的电源优化配置的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310105339.3A CN103151805B (zh) | 2013-03-28 | 2013-03-28 | 一种并网模式微电网的电源优化配置的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103151805A true CN103151805A (zh) | 2013-06-12 |
CN103151805B CN103151805B (zh) | 2015-08-19 |
Family
ID=48549736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310105339.3A Active CN103151805B (zh) | 2013-03-28 | 2013-03-28 | 一种并网模式微电网的电源优化配置的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103151805B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103414213A (zh) * | 2013-08-13 | 2013-11-27 | 中国能源建设集团广东省电力设计研究院 | 一种海岛型微电网的电源优化配置方法 |
CN103501001A (zh) * | 2013-10-09 | 2014-01-08 | 河海大学 | 一种基于负荷曲线交替注入的智能配电网调度系统和方法 |
CN104158203A (zh) * | 2014-08-21 | 2014-11-19 | 重庆大学 | 一种微电网电源容量优化配置方法 |
CN104268345A (zh) * | 2014-09-29 | 2015-01-07 | 东南大学 | 一种支撑微电网规划设计的全过程暂态仿真方法 |
CN104537435A (zh) * | 2014-12-18 | 2015-04-22 | 国家电网公司 | 基于用户侧经济性指标的分布式电源优化配置方法 |
CN104734173A (zh) * | 2013-12-18 | 2015-06-24 | 国家电网公司 | 用于微电网并网运行的数据处理方法和装置 |
CN104732444A (zh) * | 2013-12-18 | 2015-06-24 | 国家电网公司 | 用于微电网的数据处理方法和装置 |
CN104881716A (zh) * | 2015-05-28 | 2015-09-02 | 贵州电网公司电网规划研究中心 | 一种微电网电源的优化规划及评估方法 |
CN105337301A (zh) * | 2014-08-12 | 2016-02-17 | 国家电网公司 | 微电网并网点的选择方法和装置 |
CN106485358A (zh) * | 2016-10-12 | 2017-03-08 | 国网上海市电力公司 | 结合序列运算和粒子群算法的独立微电网优化配置方法 |
CN108681823A (zh) * | 2018-05-23 | 2018-10-19 | 云南电网有限责任公司 | 一种含微电网的配电网分布式电源规划方法 |
CN109327042A (zh) * | 2018-09-27 | 2019-02-12 | 南京邮电大学 | 一种微电网多能源联合优化调度方法 |
CN109377108A (zh) * | 2018-12-12 | 2019-02-22 | 国网内蒙古东部电力有限公司通辽供电公司 | 一种自然灾害下的独立微电网可靠性评价方法 |
CN110707754A (zh) * | 2019-08-28 | 2020-01-17 | 广东工业大学 | 微电网中水风光电源容量配置的优化方法 |
CN112464419A (zh) * | 2020-11-17 | 2021-03-09 | 苏州钧灏电力有限公司 | 基于随机鲁棒混合优化的独立微电网设计系统及方法 |
CN113196319A (zh) * | 2018-11-23 | 2021-07-30 | 道达尔太阳能公司 | 提供供能系统的技术选型参数的计算机实施的方法、用于提供这样的技术选型参数的计算机程序产品和用于提供这样的供能系统的计算机系统 |
CN113285449A (zh) * | 2021-05-26 | 2021-08-20 | 刘蕴樟 | 一种计及多微电网联合调度优化的智能经济调度方法 |
CN114036811A (zh) * | 2021-11-10 | 2022-02-11 | 天津大学 | 促进光伏接纳的交直流配电网适应性规划方法及装置 |
CN114036811B (zh) * | 2021-11-10 | 2024-04-23 | 天津大学 | 促进光伏接纳的交直流配电网适应性规划方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184475A (zh) * | 2011-05-11 | 2011-09-14 | 浙江大学 | 基于多时间尺度协调的微网经济运行优化调度方法 |
US20130024044A1 (en) * | 2011-07-18 | 2013-01-24 | Nec Laboratories America, Inc. | Optimal storage sizing for integrating wind and load forecast uncertainties |
CN102969780A (zh) * | 2012-10-30 | 2013-03-13 | 天津大学 | 一种离网型风光储互补发电系统容量优化配置方法 |
-
2013
- 2013-03-28 CN CN201310105339.3A patent/CN103151805B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184475A (zh) * | 2011-05-11 | 2011-09-14 | 浙江大学 | 基于多时间尺度协调的微网经济运行优化调度方法 |
US20130024044A1 (en) * | 2011-07-18 | 2013-01-24 | Nec Laboratories America, Inc. | Optimal storage sizing for integrating wind and load forecast uncertainties |
CN102969780A (zh) * | 2012-10-30 | 2013-03-13 | 天津大学 | 一种离网型风光储互补发电系统容量优化配置方法 |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103414213A (zh) * | 2013-08-13 | 2013-11-27 | 中国能源建设集团广东省电力设计研究院 | 一种海岛型微电网的电源优化配置方法 |
CN103414213B (zh) * | 2013-08-13 | 2015-09-16 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种海岛型微电网的电源优化配置方法 |
CN103501001A (zh) * | 2013-10-09 | 2014-01-08 | 河海大学 | 一种基于负荷曲线交替注入的智能配电网调度系统和方法 |
CN104734173A (zh) * | 2013-12-18 | 2015-06-24 | 国家电网公司 | 用于微电网并网运行的数据处理方法和装置 |
CN104732444A (zh) * | 2013-12-18 | 2015-06-24 | 国家电网公司 | 用于微电网的数据处理方法和装置 |
CN105337301B (zh) * | 2014-08-12 | 2018-06-26 | 国家电网公司 | 微电网并网点的选择方法和装置 |
CN105337301A (zh) * | 2014-08-12 | 2016-02-17 | 国家电网公司 | 微电网并网点的选择方法和装置 |
CN104158203A (zh) * | 2014-08-21 | 2014-11-19 | 重庆大学 | 一种微电网电源容量优化配置方法 |
CN104268345B (zh) * | 2014-09-29 | 2017-06-30 | 东南大学 | 一种支撑微电网规划设计的全过程暂态仿真方法 |
CN104268345A (zh) * | 2014-09-29 | 2015-01-07 | 东南大学 | 一种支撑微电网规划设计的全过程暂态仿真方法 |
CN104537435B (zh) * | 2014-12-18 | 2017-12-15 | 国家电网公司 | 基于用户侧经济性指标的分布式电源优化配置方法 |
CN104537435A (zh) * | 2014-12-18 | 2015-04-22 | 国家电网公司 | 基于用户侧经济性指标的分布式电源优化配置方法 |
CN104881716A (zh) * | 2015-05-28 | 2015-09-02 | 贵州电网公司电网规划研究中心 | 一种微电网电源的优化规划及评估方法 |
CN106485358A (zh) * | 2016-10-12 | 2017-03-08 | 国网上海市电力公司 | 结合序列运算和粒子群算法的独立微电网优化配置方法 |
CN108681823A (zh) * | 2018-05-23 | 2018-10-19 | 云南电网有限责任公司 | 一种含微电网的配电网分布式电源规划方法 |
CN109327042B (zh) * | 2018-09-27 | 2023-02-10 | 南京邮电大学 | 一种微电网多能源联合优化调度方法 |
CN109327042A (zh) * | 2018-09-27 | 2019-02-12 | 南京邮电大学 | 一种微电网多能源联合优化调度方法 |
CN113196319A (zh) * | 2018-11-23 | 2021-07-30 | 道达尔太阳能公司 | 提供供能系统的技术选型参数的计算机实施的方法、用于提供这样的技术选型参数的计算机程序产品和用于提供这样的供能系统的计算机系统 |
CN113196319B (zh) * | 2018-11-23 | 2024-03-22 | 道达尔太阳能公司 | 提供供能系统的技术选型参数的计算机实施的方法、计算机可读存储介质和计算机系统 |
CN109377108A (zh) * | 2018-12-12 | 2019-02-22 | 国网内蒙古东部电力有限公司通辽供电公司 | 一种自然灾害下的独立微电网可靠性评价方法 |
CN110707754A (zh) * | 2019-08-28 | 2020-01-17 | 广东工业大学 | 微电网中水风光电源容量配置的优化方法 |
CN110707754B (zh) * | 2019-08-28 | 2022-11-22 | 广东工业大学 | 微电网中水风光电源容量配置的优化方法 |
CN112464419A (zh) * | 2020-11-17 | 2021-03-09 | 苏州钧灏电力有限公司 | 基于随机鲁棒混合优化的独立微电网设计系统及方法 |
CN112464419B (zh) * | 2020-11-17 | 2024-04-26 | 苏州钧灏电力有限公司 | 基于随机鲁棒混合优化的独立微电网设计系统及方法 |
CN113285449A (zh) * | 2021-05-26 | 2021-08-20 | 刘蕴樟 | 一种计及多微电网联合调度优化的智能经济调度方法 |
CN114036811A (zh) * | 2021-11-10 | 2022-02-11 | 天津大学 | 促进光伏接纳的交直流配电网适应性规划方法及装置 |
CN114036811B (zh) * | 2021-11-10 | 2024-04-23 | 天津大学 | 促进光伏接纳的交直流配电网适应性规划方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103151805B (zh) | 2015-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103151805B (zh) | 一种并网模式微电网的电源优化配置的方法 | |
Javed et al. | Techno-economic assessment of a stand-alone hybrid solar-wind-battery system for a remote island using genetic algorithm | |
CN102623989B (zh) | 一种间歇分布式电源优化配置方法 | |
Senjyu et al. | Optimal configuration of power generating systems in isolated island with renewable energy | |
Dufo-Lopez et al. | Multi-objective design of PV–wind–diesel–hydrogen–battery systems | |
Ramoji et al. | Optimal economical sizing of a PV-wind hybrid energy system using genetic algorithm and teaching learning based optimization | |
Mudgal et al. | Techno-economic analysis of standalone solar photovoltaic-wind-biogas hybrid renewable energy system for community energy requirement | |
CN105005872A (zh) | 一种移峰填谷的储能系统的容量配置方法 | |
CN106779361B (zh) | 并网混合可再生能源系统的多目标优化设计方法 | |
Ramoji et al. | Optimization of hybrid PV/wind energy system using genetic algorithm (GA) | |
Dash et al. | Cost and sensitivity analysis of a microgrid using HOMER-Pro software in both grid connected and standalone mode | |
Li et al. | Optimized operation of hybrid system integrated with MHP, PV and PHS considering generation/load similarity | |
Angelim et al. | Energy management on university campus with photovoltaic generation and BESS using simulated annealing | |
Deckmyn et al. | Multi-objective optimization for environomic scheduling in microgrids | |
Zhang et al. | Optimized scheduling model for isolated microgrid of wind-photovoltaic-thermal-energy storage system with demand response | |
Khezri et al. | Optimal planning of renewable energy resources and battery storage system for an educational campus in South Australia | |
Li et al. | Planning model of integrated energy system considering P2G and energy storage | |
Anzalchi et al. | Analysis of carbon tax as an incentive toward building sustainable grid with renewable energy utilization | |
Lopes et al. | Metaheuristic methods applied to the pumps and turbines configuration design of water pumped storage systems | |
Bhuvaneswari et al. | Online economic environmental optimization of a microgrid using an improved fast evolutionary programming technique | |
Ramoji et al. | Optimum Design of a Hybrid PV/Wind Energy System Using Genetic Algorithm (GA) | |
Abdel-hamed et al. | Optimal Sizing and Design of Isolated Micro-Grid systems | |
Paleba et al. | Optimal placement and sizing distributed wind generation using particle swarm optimization in distribution system | |
Piphitpattanaprapt et al. | Energy management system of hybrid power generation with battery energy storage and application to MHS smart grid project | |
Chingkheinganba et al. | Optimization of Hybrid Renewable Energy System using Homer-Pro in both Standalone and Grid systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |