CN103457263B - 一种基于最大供电能力的智能主动配电网重构方法 - Google Patents
一种基于最大供电能力的智能主动配电网重构方法 Download PDFInfo
- Publication number
- CN103457263B CN103457263B CN201310423370.1A CN201310423370A CN103457263B CN 103457263 B CN103457263 B CN 103457263B CN 201310423370 A CN201310423370 A CN 201310423370A CN 103457263 B CN103457263 B CN 103457263B
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- power supply
- load
- current
- 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.)
- Active
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 239000002245 particle Substances 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 230000007773 growth pattern Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 description 28
- 238000011156 evaluation Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000012010 growth Effects 0.000 description 5
- 230000002265 prevention Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 244000287680 Garcinia dulcis Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明涉及一种基于最大供电能力的智能主动配电网重构方法,包括步骤有:(1)初始化以配电网最大供电能力为目标重构所需要的参数;(2)调用初始种群生成子模块;(3)更新粒子位置和速度;(4)进入序列潮流计算模块计算;(5)判断当前群体是否是最优最好的,如果是则进入下一步,如果不是则继续更新粒子的位置和速度,重复(4)~(6)步骤,直到达到群体最优结果同时迭代次数达到设定的最大值后输出重构优化结果;(6)是否达到最大迭代次数,如果是则输出重构优化结果,如果不是则重复(4)~(6)步骤,直到达到群体最优结果同时迭代次数达到设定的最大值后输出重构优化结果。本发明通过快速重构增大了系统的安全裕度,为配电自动化调度提供依据。
Description
技术领域
本专利属于电力系统自动化领域,特别涉及一种基于最大供电能力的智能主动配电网重构方法。
背景技术
配电系统作为联系发、输电系统和终端用户的重要纽带,直接面向终端电能用户,是保证供电质量、提高电网运行效率、创新用户服务的关键环节之一。随着配电管理和配电自动化系统的不断完善,需要对不断变化的配电网运行状态进行实时监控及评估,给出当前运行方式下配电网的最大供电能力指标,在到达配网运行安全裕度警戒线时采取相应的控制措施,以提高网络运行的安全性。通过配电网的主动重构可在满足网络运行经济性的同时,使配电网实时拥有当前运行状态下的最大供电裕度,有效提升配电网运行的可靠性和安全性。
配电网的最大供电能力是指配电网在满足支路功率约束和节点电压约束的条件下所能供给的最大负荷,它由配电网的拓扑结构、负荷水平以及负荷增长模式所决定,而不考虑稳定极限。配电网供电能力评估的本质是在给定的运行方式及负荷增长模式下求取一临界点,在该临界点恰好有一约束起作用,当负荷有一微小增长,越过该临界点时将有越限发生,该临界点就对应着配电网的最大供电能力,最大供电能力与当前所供应负荷之差即为剩余的供电裕度。临界点的求取方法很多,序列潮流法是有效方法之一,其基本思想是通过不断增大系统的负荷,并反复进行潮流计算来确定系统所能供应的最大负荷,如果没有支路发生功率越限或者母线发生电压越限,则增加系统负荷进行潮流计算,直到增加很小的负荷就会导致支路发生功率越限为止。
配电网重构是指在满足线路电压、电流及配电网保持辐射状运行等要求的前提下,通过改变网络中开关的闭合状态来优化配电网运行结构,从而达到降低配电网有功损耗、改善节点电压偏移、消除线路过载、提高配电网供电能力等目的。
配电网重构的研究,国内外都己经有比较多的成果。在近几年的研究成果中,出现了很多不同的方法应用于重构问题。这些优化方法可大致分为:传统数学方法、启发式方法、智能优化算法以及混合算法等。
1)传统的数学优化算法:数学优化方法是将配电网重构问题用数学模型进行描述,然后通过一定的算法求解,从而得到不依赖网络初始结构的优化结果。配电网重构问题属于大规模网络的组合优化问题,试图用数学优化解析的方法寻找到全局最优解时,一般都需要进行简化和近似处理。
2)启发式方法:启发式方法是以直观分析为依据的算法,通常根据一定的原则,逐步迭代直到得到满意的重构结果。配电网重构中运行的启发式算法主要有最优留模式算法(OFP),支路交换法(BEM)等。
3)智能优化算法:基于随机化技术的智能优化算法近些年在优化领域得到迅速的发展,并得到了日益广泛的应用。智能优化算法在配电网重构中的应用的成果中,主要有如下算法:人工神经网络算法,模拟退火算法,禁忌搜索算法,蚁群算法,粒子群优化算法,遗传算法等。
粒子群优化((Particle Swarm Optimization,PSO)算法是Kennedy和Eberhart博士于1995年提出的一种新的群体智能演化计算方法,主要是基于对鸟群、鱼群的模拟,这些算法研究通常被称为群体智能技术的研究。通常情况下自然界单个生物并不表现为智能的,但是整个生物群体却表现出超凡的处理复杂问题的能力,群体智能算法就是研究这些群体行为在人工智能中的应用。配电网重构即通过改变配电网中存在的众多开关不同的开合状态来实现降低网络有功损耗等目的。因此以二进制编码0和1来分别对应于网络中开关的开和合的状态是很合适的。由于配电网运行有其自身的特点,配电网为闭环设计开关运行的辐射状运行方式,并且要确保配电网中每一个负荷点都能够被供电,即电网中不存在“孤岛”。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于最大供电能力的智能主动配电网重构方法。
本发明解决其技术问题是采取以下技术方案实现的:
一种基于最大供电能力的智能主动配电网重构方法,包括步骤如下:
(1)初始化以配电网最大供电能力为目标重构所需要的参数;
(2)调用初始种群生成子模块;
(3)更新粒子位置和速度;
(4)进入序列潮流计算模块计算;
(5)判断当前群体是否是最优最好的,如果是则进入下一步,如果不是则继续更新粒子的位置和速度,重复(4)~(6)步骤,直到达到群体最优结果同时迭代次数达到设定的最大值后输出重构优化结果;
(6)是否达到最大迭代次数,如果是则输出重构优化结果,如果不是则重复(4)~(6)步骤,直到达到群体最优结果同时迭代次数达到设定的最大值后输出重构优化结果。
而且,所述步骤(1)的初始化以配电网最大供电能力为目标重构所需要的参数具体是指,初始种群数及最大迭代次数,包括配电网络的节点信息、支路信息、网络拓扑结构、当前的实际负荷情况以及确定的负荷增长模式。
而且,所述步骤(4)的具体方法包括:
①获取配电网当前的实际负荷,确定负荷增长模式:确定初始搜索步长k0>0以及收敛精度ε0>0;
②确定负荷增长模式Sd,令S等于当前的实际负荷S0,k=k0,此时最大供电倍数K=1;
③如果k>ε,则继续下一步;如果k<ε,则计算结束,返回S和K,S即为当前运行方式下可供应的最大负荷,S-S0即为剩余的供电裕度;
④计算S′=S+kSd;
⑤以S′为基准进行潮流计算,判断是否有越限发生,限制条件包括节点电压和区域1~区域4的支路电流限制,如果没有越限,则继续下一步,否则转至步骤(3);
⑥令S=S′,转至步骤④。
本发明的优点和积极效果是:
1、本发明通过将二进制粒子群优化算法运用到以配电网最大供电能力为目标的重构策略中,可以实现配电网供电能力的实时评估分析,并在此基础上有效评估配电网当前的安全水平以及通过网络重构优化可以达到的最大供电裕度和对应的网络重构方案,本发明可作为配电网安全性预防控制的一道防线,可以为配电网能量管理综合系统的预防控制和恢复控制提供科学的决策依据。
2、本发明是以配电网最大供电能力为目标的主动配电网快速重构算法,利用此方法可以实现对配电网供电能力进行实时监控,以有效评估配电网当前运行状态的安全系数,当配电网由于外界环境变化运行至安全预警边界时,通过快速重构策略提升其当前的安全供电裕度。
3、本发明可作为配电网安全性预防控制的重要手段,有效提高了配电网实时运行状态和脆弱状态之间的安全距离,增大了系统的安全裕度,可以为配电网能量管理系统的预防控制和恢复控制提供科学的决策依据。
4、本发明提出的控制策略可以与上一级电网调度自动化系统以及生产管理系统、地理信息系统等互连,能够很好的和配电自动化主站系统交互,为当前的配电网运行提供实时的供电能力评估分析,并通过本发明提出的优化算法计算出配电网的最大供电裕度以及对应的网络重构方案,可为配电自动化主站调度提供科学准确的决策依据。
附图说明
图1是发明的重构算法系统示意图;
图2是系统整体算法流程图;
图3是本专利计算配电网最大供电能力的序列潮流的流程图;
图4是本专利中算例拓扑结构示意图;
图5是实例中整个配电网供电能力评估,区域1的最大供电裕度曲线图;
图6是实例中整个配电网供电能力评估,区域1最大供电裕度对应的重构网络拓扑结构图;
图7是实例中配电网局部区域供电能力评估,区域1最大供电裕度曲线;
图8是实例中配电网局部区域供电能力评估,区域1最大供电裕度对应的重构网络拓扑结构图。
具体实施方式
以下结合附图对本发明实施例做进一步详述,需要强调的是,以下实施方式是说明性的,而不是限定性的,不能以此实施方式作为对本发明的限定。
如图1所示,是发明提出的以最大供电能力为目标的重构方法所应用的基于最大供电能力的网络重构优化控制系统,该系统可以与上一级电网调度自动化系统以及生产管理系统、地理信息系统等互连,能够很好的和配电自动化主站系统交互,为当前的配电网运行提供实时的供电能力评估分析,并通过本发明提出的优化方法计算出配电网的最大供电裕度以及对应的网络重构方案,为配电自动化主站调度提供科学准确的决策依据。
一种基于最大供电能力的智能主动配电网重构方法,如图2所示,包括步骤如下:
(1)初始化以配电网最大供电能力为目标重构所需要的参数,初始种群数及最大迭代次数,包括配电网络的节点信息、支路信息、网络拓扑结构、当前的实际负荷情况以及确定的负荷增长模式;
(2)调用初始种群生成子模块;
(3)更新粒子位置和速度;
(4)进入序列潮流计算模块计算,具体算法流程图如图3所示,包括步骤:
①获取配电网当前的实际负荷,确定负荷增长模式:确定初始搜索步长k0>0以及收敛精度ε0>0;
②确定负荷增长模式Sd,令S等于当前的实际负荷S0,k=k0,此时最大供电倍数K=1;
③如果k>ε,则继续下一步;如果k<ε,则计算结束,返回S和K,S即为当前运行方式下可供应的最大负荷,S-S0即为剩余的供电裕度;
④计算S′=S+kSd;
⑤以S′为基准进行潮流计算,判断是否有越限发生,限制条件包括节点电压和区域1~区域4的支路电流限制,如果没有越限,则继续下一步,否则转至步骤3;
⑥令S=S′,转至步骤④;
(5)判断当前群体是否是最优最好的,如果是则进入下一步,如果不是则继续更新粒子的位置和速度,重复(4)~(6)步骤,直到达到群体最优结果同时迭代次数达到设定的最大值后输出重构优化结果;
(6)是否达到最大迭代次数,如果是则输出重构优化结果,如果不是则重复(4)~(6)步骤,直到达到群体最优结果同时迭代次数达到设定的最大值后输出重构优化结果。
实例
下面以IEEE33节点配电网算例介绍本专利提出的最大供电能力的智能主动配电网重构算法的具体实施过程:
如图4所示,IEEE33节点配电网络具有32条线路,5条联络开关支路,基准电压为12.66KV,整个网络总负荷为3715+j2300KVA,将IEEE33节点配电网分为如下四个区域:其中区域1、区域3和区域4负荷较重,区域2负荷较轻,其中区域1和区域3所包含的重负荷母线最多,区域4次之,区域2最少,区域4所包含的母线全部都是重要负荷。区域1支路电流上限取595A,区域2支路电流上限取160A,区域3支路电流上限取325A,区域4支路电流上限取460A,母线电压的取值范围为1±10%。
1、整个配电网供电能力评估和最大供电裕度重构方案
整个配电网的所有负荷成初始比例地持续增加,直到约束条件起作用为止,仿真结果如下表1所示,采用二进制粒子群算法的重构优化最优个体适应度值,即最大供电裕度,见图5,该最大供电裕度所对应的重构网络拓扑结果见图6。其中K为重构优化后的最大供电倍数,设配电网中所有负荷增大为原有负荷的K倍时,恰好有一约束起作用,即若继续增大负荷,将会有越限发生,所以K可用以表征该配电网的最大供电能力。
表1 整个配电网供电能力评估和最大供电裕度重构方案
2、对配电网局部区域供电能力的评估和最大供电裕度重构方案
只有区域1的负荷成比例地持续增加,其他区域的负荷保持不变,直到约束条件起作用为止,仿真结果如下表2所示,采用二进制粒子群算法的重构优化最优个体适应度值,即最大供电裕度,如图7所示,最大供电裕度对应的重构网络拓扑如图8所示。
表3 区域1供电能力评估和最大供电裕度重构方案
通过算例的仿真结果(表2、表3)可以看出,通过对整个配电网当前供电能力进行评估,并提供能提供最大供电能力的配网重构方案,结果如表2所示,可以得到整个配网的最大供电倍数为1.5744,最大供电裕度为2509.7KVA,提供最大供电裕度的配电网重构方案为:线路10、14、28、32、33退出运行,其余线路正常运行,起作用的约束条件为节点32电压达到电压下限。
通过对区域1的供电能力进行评估,结果如表3所示,可以看到区域1的最大供电倍数为2.6316,最大供电裕度为2736.30KVA,此时区域1的安全裕度很高,即所有的负荷翻一番时,配电网仍然可以安全运行,提供最大供电裕度的配网重构方案为:线路10、14、17、28、33退出运行,其余线路正常运行,起作用的约束条件为节点32电压达到电压下限。
通过算例结果分析可以看到,通过对配电网的供电能力进行优化,计算出可供应的最大负荷及剩余的最大供电裕度,可实时了解配电网当前的安全运行水平,从而提前采取预防控制措施,避免越限的发生,并为配电管理系统安全运行提供决策依据。
下面以IEEE33节点配电网为例,介绍本专利提出的基于配电网最大供电能力的重构优化算法的实施过程:
(1)初始化以配电网最大供电能力为目标的重构所需要的参数,初始种群数及最大迭代次数:IEEE33节点配电网当前包括5个环路,分别为b1=[2,3,4,5,6,7,33,20,19,18];b2=[22,23,24,37,28,27,26,25,5,4,3];b3=[33,8,9,10,11,35,21];b4=[9,10,11,12,13,14,34];b5=[8,7,6,25,26,27,28,29,30,31,32,36,17,16,15,34]。确定当前的实际负荷S0=3715+j2300KVA,负荷增长模式确定为Sd=S0,最大供电能力的目标为其中k为负荷增长系数;
(2)生成初始种群;
(3)更新粒子位置和速度;
(4)进入序列潮流计算模块:具体算法流程图如图3所示,
①确定初始搜索步长k0>0以及收敛精度ε0>0,在算例中k0取值为0.005,ε0取值为0.0001;
②确定负荷增长模式Sd,令S等于当前的实际负荷S0,k=k0,此时最大供电倍数K=1;
③如果k>ε,则继续下一步;如果k<ε,则计算结束,返回S和K,S即为当前运行方式下可供应的最大负荷,S-S0即为剩余的供电裕度;
④计算S′=S+kSd;
⑤以S′为基准进行潮流计算,判断是否有越限发生,限制条件包括节点电压和区域1~区域4的支路电流限制,如果没有越限,则继续下一步,否则转至步骤3;
⑥令S=S′,转至步骤4。
(5)判断当前群体是否是最优最好的,如果是则进入下一步,如果不是则继续更新粒子的位置和速度,重复(4)~(6)步骤,直到达到群体最优结果同时迭代次数达到设定的最大值后输出重构优化结果。
(6)是否达到最大迭代次数,如果是则输出重构优化结果,如果不是则重复(4)~(6)步骤,直到达到群体最优结果同时迭代次数达到设定的最大值后输出重构优化结果。
输出的优化结果显示,整个配电网最大供电能力算例中得到的最大供电倍数为1.5744,最大供电裕度为2509.7KVA,提供最大供电裕度的配网重构方案为:线路10、14、28、32、33退出运行,其余线路正常运行,起作用的约束条件为节点32电压达到电压下限,对结果分析可知此时配电网的安全裕度获得了极大的提高,可见通过本专利发明的算法可以对配电网当前供电能力进行评估,并提供能提供最大供电能力的配网重构方案,为配电网能量管理综合系统的预防控制和恢复控制提供科学的决策依据,对于提高城市配电网整体供电的可靠性与安全性具有至关重要的作用。
Claims (1)
1.一种基于最大供电能力的智能主动配电网重构方法,其特征在于包括步骤如下:
(1)初始化以配电网最大供电能力为目标重构所需要的参数;
(2)调用初始种群生成子模块;
(3)更新粒子位置和速度;
(4)进入序列潮流计算模块计算;
(5)判断当前群体是否是最优最好的,如果是则进入下一步,如果不是则继续更新粒子的位置和速度,重复(4)~(6)步骤,直到达到群体最优结果同时迭代次数达到设定的最大值后输出重构优化结果;
(6)是否达到最大迭代次数,如果是则输出重构优化结果,如果不是则重复(4)~(6)步骤,直到达到群体最优结果同时迭代次数达到设定的最大值后输出重构优化结果,
其中,所述步骤(1)的初始化以配电网最大供电能力为目标重构所需要的参数具体是指,初始种群数及最大迭代次数,包括配电网络的节点信息、支路信息、网络拓扑结构、当前的实际负荷情况以及确定的负荷增长模式;
其中,所述步骤(4)的具体方法包括:
①获取配电网当前的实际负荷,确定负荷增长模式:确定初始搜索步长k0>0以及收敛精度ε0>0;
②确定负荷增长模式令S等于当前的实际负荷S0,k=k0,此时最大供电倍数K=1;
③如果k>ε,则继续下一步;如果k<ε,则计算结束,返回S和K,S即为当前运行方式下可供应的最大负荷,S-S0即为剩余的供电裕度;
④计算S′=S+kSd;
⑤以S′为基准进行潮流计算,判断是否有越限发生,限制条件包括节点电压和区域1~区域4的支路电流限制,如果没有越限,则继续下一步,否则转至步骤(3);
⑥令S=S′,转至步骤④。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310423370.1A CN103457263B (zh) | 2013-09-17 | 2013-09-17 | 一种基于最大供电能力的智能主动配电网重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310423370.1A CN103457263B (zh) | 2013-09-17 | 2013-09-17 | 一种基于最大供电能力的智能主动配电网重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103457263A CN103457263A (zh) | 2013-12-18 |
CN103457263B true CN103457263B (zh) | 2015-04-29 |
Family
ID=49739355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310423370.1A Active CN103457263B (zh) | 2013-09-17 | 2013-09-17 | 一种基于最大供电能力的智能主动配电网重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103457263B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107681666A (zh) * | 2017-11-02 | 2018-02-09 | 浙江群力电气有限公司 | 一种农网配电台低电压综合治理方法及装置 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103779861B (zh) * | 2013-12-30 | 2016-08-17 | 天津大学 | 配电网主动重构策略及其预防控制方法 |
CN104112165A (zh) * | 2014-05-19 | 2014-10-22 | 浙江工业大学 | 基于多目标离散粒子群的智能配电网故障恢复方法 |
CN104240150A (zh) * | 2014-09-10 | 2014-12-24 | 中国能源建设集团广东省电力设计研究院 | 配电网重构方法及系统 |
CN104715140A (zh) * | 2015-02-05 | 2015-06-17 | 江西科技学院 | 一种基于dpso算法的密码模块安全防护方法 |
CN105576653B (zh) * | 2016-01-06 | 2018-02-27 | 华南理工大学 | 一种220kV片区电网供电能力优化方法 |
CN105787818A (zh) * | 2016-04-18 | 2016-07-20 | 国网浙江省电力公司嘉兴供电公司 | 一种考虑供区约束的地区电网重构方法 |
CN105741193B (zh) * | 2016-04-20 | 2019-10-18 | 河海大学 | 计及分布式电源和负荷不确定性的多目标配网重构方法 |
CN106300339B (zh) * | 2016-08-29 | 2018-08-14 | 国电南瑞科技股份有限公司 | 一种基于单元制配电网的故障隔离与供电恢复方法 |
CN106356849B (zh) * | 2016-10-31 | 2018-12-11 | 山东山大电力技术股份有限公司 | 一种含分段开关配置的配电网重构多目标优化方法 |
CN106786543A (zh) * | 2017-01-05 | 2017-05-31 | 国网江苏省电力公司电力科学研究院 | 一种考虑最大供电能力约束的配电网络优化降损重构方法 |
CN107565556B (zh) * | 2017-09-25 | 2020-08-14 | 国网江苏省电力公司 | 一种考虑三相不平衡因素的配电网最大供电能力计算方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102522752B (zh) * | 2011-12-14 | 2014-08-20 | 天津大学 | 面向供电能力提高的配电网联络结构优化方法 |
CN103117545B (zh) * | 2013-02-28 | 2014-08-13 | 国家电网公司 | 一种智能变电站负荷自动分配方法 |
-
2013
- 2013-09-17 CN CN201310423370.1A patent/CN103457263B/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107681666A (zh) * | 2017-11-02 | 2018-02-09 | 浙江群力电气有限公司 | 一种农网配电台低电压综合治理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103457263A (zh) | 2013-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103457263B (zh) | 一种基于最大供电能力的智能主动配电网重构方法 | |
Chang | Reconfiguration and capacitor placement for loss reduction of distribution systems by ant colony search algorithm | |
CN103036234B (zh) | 一种配电网防误优化方法 | |
CN105141464B (zh) | 一种输配电协调的网架结构规划方法 | |
Shirazi et al. | Autonomous self-healing in smart distribution grids using agent systems | |
CN104037765B (zh) | 基于改进遗传算法选取有源配电网供电恢复方案的方法 | |
CN103944162B (zh) | 一种基于实时预想事故集的配电网故障恢复方法 | |
CN104362623A (zh) | 一种适用于主动配电网的多目标网络重构方法 | |
CN103138227B (zh) | 一种含分布式电源并网的配电网快速供电恢复方法 | |
CN102820648A (zh) | 一种钢铁企业配电网重构的方法 | |
CN105429297A (zh) | 微电网多运行模式控制及切换方法 | |
CN104866921A (zh) | 一种基于安全域的配电系统网络重构方法 | |
CN102163846B (zh) | 一种以降损和负荷均衡为目标的地区电网网络重构方法 | |
CN104881708A (zh) | 基于拓扑修正的配电网重构方法 | |
CN105356455A (zh) | 一种基于配网重构的网损降低方法 | |
CN105391053A (zh) | 基于高压配电网容量单元拓扑重构的城市电网负载均衡运行策略 | |
CN103944166B (zh) | 基于单一变电站供电方式集的地区电网重构方法 | |
CN114285085A (zh) | 一种基于网络重构的电网弹性资源广域调度方法 | |
Dong et al. | Constructing core backbone network based on survivability of power grid | |
CN105406507A (zh) | 一种光伏微网微源动态切换方法 | |
CN109617132B (zh) | 提升弹性配电网恢复力的资源配置与网络重构优化方法 | |
CN202330618U (zh) | 一种配电网故障定位装置 | |
CN104167814A (zh) | 一种基于多代理的配电网重构实现方法 | |
CN204258715U (zh) | 基于改进单亲遗传算法的光伏电站汇集拓扑优化装置 | |
CN106651113A (zh) | 一种基于超前n‑1分析的调度员操作风险评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |