CN103746402A - 一种接入风储互补微网的配电网可靠性评估方法 - Google Patents
一种接入风储互补微网的配电网可靠性评估方法 Download PDFInfo
- Publication number
- CN103746402A CN103746402A CN201310683419.7A CN201310683419A CN103746402A CN 103746402 A CN103746402 A CN 103746402A CN 201310683419 A CN201310683419 A CN 201310683419A CN 103746402 A CN103746402 A CN 103746402A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- wind
- load
- microgrid
- 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
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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
- Y02P80/14—District level solutions, i.e. local energy networks
Abstract
本发明提供了一种接入风储互补微网的配电网可靠性评估方法,具体步骤为:步骤1、通过蒙特卡洛法对配电网的运行状态进行仿真,获取配电网的可靠性指标;步骤2、依据可靠性指标对配电网进行分布式电源优化配置;步骤3、获取接入风储互补微网后的配电网的可靠性指标。和现有技术相比,本发明提供的一种接入风储互补微网的配电网可靠性评估方法,建立接入风储互补微网的配电网模型时充分考虑分布式发电中风机、储能装置与配电网的互动,模拟风储互补微网对配电网可靠性影响,从而获得更符合实际情况的接入风储互补微网后配电网的可靠性评估结果。
Description
技术领域
本发明涉及一种配电网可靠性评估方法,具体涉及一种接入风储互补微网的配电网可靠性评估方法。
背景技术
随着工业的发展,能源危机和生态环境危机迫使各国大力推动可再生、分布式能源的快速发展。各国不仅加大了对分布式电源技术发展的支持力度,同时还通过相应的法规和政策强力推动分布式电源接入配电网的快速发展。因此,大量分布式电源开始以多种形式接入配电网。
在传统的配电网可靠性评估中,配电网馈线由单一电源点供电,是典型的辐射式供电方式。任何一条馈线上发生故障,将导致馈线后面的负荷全部停电。但是,随着分布式发电(Distributed Generation,DG)接入配电网将使其供电结构发生变化,配电网从一个辐射式的网络变为一个遍布电源与用户互联的网络,可靠性分析计算的模型和方法发生了变化。
对于分布式电源接入给传统的配电网可靠性带来的影响,现有研究的解决方案基本都是基于分布式电源自身的模型等效,主要有两方面的内容:1、将其看做普通的变电站;2、将其作为传统的发电机组。但由于大多数分布式发电具有一些不同于普通发电机组和配网变电站的特性,在进行传统配电网可靠性分析时,变电站都被假定为无限大系统,即可以完全满足其所有负荷的功率需求。而这一假设对于分布式发电并不成立,当系统故障需要DG分布式发电对其孤岛内的负荷进行供电时,其输出的功率不一定能够和负荷的需求相匹配,某个时间内负荷需求的功率可能会大于分布式发电所能输出的功率,这种情况在使用可再生能源的DG分布式发电系统中更加突出。此时,若配电网事先制定了切负荷策略,则分布式发电系统将按照该策略甩掉一些负荷,保证重要负荷的用电需求;若没有切负荷策略,则由于分布式发电输出功率和负荷需求功率的严重不匹配,将使得分布式发电系统电压和频率质量下降,从而导致分布式发电的保护装置动作,将其与孤岛解列。这种情况下分布式发电对于孤岛内负荷的可靠性没有提高。因此,这两种方法的等效可能使所得结果不准确甚至背离实际。因此,提供一种能够准确评估分布式发电微网接入配电网可靠性的方法显得尤为重要。
发明内容
为了满足现有技术的需求,本发明提供了一种接入风储互补微网的配电网可靠性评估方法,所述方法包括下述步骤:
步骤1:通过蒙特卡洛法对所述配电网的运行状态进行仿真,获取所述配电网的可靠性指标;
步骤2:依据所述可靠性指标对所述配电网进行分布式电源优化配置;以及
步骤3:获取接入风储互补微网后的所述配电网的可靠性指标。
优选的,所述步骤1中获取所述配电网的可靠性指标包括:
步骤1-1:所述配电网的电力元器件数目为N,通过蒙特卡洛法获取所述电力元器件的随机数δ1、δ2...δi...δN;第i个所述电力元器件的无故障工作时间TTF=-lnδi/λi;其中,所述λi为第i个所述电力元器件的故障率;将无故障工作时间的最小值累加至初始仿真时间,所述初始仿真时间为零;
步骤1-2:将与所述最小值对应的电力元器件作为故障电力元器件,并判断其工作类型;
当所述故障电力元器件为变压器时:若存在备用变压器,则将故障电力元器件修复时间转换为切备用时间;若不存在备用变压器,则故障电力元器件修复时间为变压器本身的修复时间,所述修复时间TTR=-lnδ/μ,所述δ为变压器的随机数,所述μ修复率;当所述故障电力元器件不是变压器时:故障电力元器件修复时间TTR=-lnδi/μi,所述δi为故障电力元器件的随机数,所述μi为修复率;
步骤1-3:获取所述故障电力元器件发生故障后的所述配电网内的负荷类型和运行状态,分别统计负荷点和配电网的可靠性指标;。
优选的,所述步骤2中依据所述可靠性指标获取可靠性指标最差的负荷区域,并对其进行分布式电源优化配置;。
优选的,所述步骤3中获取接入风储互补微网后的所述配电网的可靠性指标包括:
步骤3-1:通过蒙特卡洛法对接入风储互补微网后的配电网的运行状态进行仿真,获取故障区域;
步骤3-2:依据所述故障区域的分布式电源的配置容量进行孤岛区域划分;
步骤3-3:获取发生故障后的所述配电网内的负荷类型和运行状态,分别统计负荷点和配电网的可靠性指标;。
优选的,所述步骤3-2对所述故障区域进行孤岛区域划分的目标函数为所述w为负荷全集,所述Ki为第i个负荷的负荷重要系数,所述Li为第i个负荷的负荷值;所述孤岛区域接入的所述风储互补微网的充放电约束条件为 所述Estorage为所述风储互补微网中储能装置的容量,所述Li(τ)为第i个负荷τ时刻的负荷值,所述Pi(τ)为所述风储互补微网对第i个负荷τ时刻的分布式发电值。
与最接近的现有技术相比,本发明的优异效果是:
1、本发明技术方案中,采用蒙特卡洛法对配电网的运行状态进行仿真,获取配电网的可靠性指标,蒙特卡洛方法相对解析法所建立的概率模型更加符合实际情况,能够很好的评估在时间、季节、天气等因素影响下配电网可靠性指标,计算结果的可信度高。采用蒙特卡洛法仿真的可靠性评估算法在获得概率指标、期望值指标的同时,还能够精确计算出元件故障的年平均次数和年故障时间的概率分布统计,后者传统解析法无法实现;
2、本发明技术方案中,依据可靠性指标获取可靠性指标最差的负荷区域,并对其进行分布式电源优化配置,能够避免容量有限的分布式电源的浪费,将其接入于可靠性指标最差的负荷区域,可以实现相同分布式电源接入容量下系统可靠性指标的最大提升;
3、本发明技术方案中,依据故障区域的分布式电源的配置容量进行孤岛区域划分,当主网出现故障时,依据故障区域的分布式电源的配置容量进行的孤岛区域划分而形成的微网孤岛可以保证继续运行,充分发挥并网型风储微网在配电网中的作用,以减少停电损失,缩小故障范围,提高供电可靠性;
4、本发明提供的一种接入风储互补微网的配电网可靠性评估方法,建立接入风储互补微网的配电网模型时充分考虑分布式发电中风机、储能装置与配电网的互动,模拟风储互补微网对配电网可靠性影响,从而获得更符合实际情况的接入风储互补微网后配电网的可靠性评估结果。
附图说明
下面结合附图对本发明进一步说明。
图1是:本发明实施例中一种接入风储互补微网的配电网可靠性评估方法流程图;
图2是:本发明实施例中配电网运行状态的蒙特卡洛法仿真流程图;
图3是:本发明实施例中接入风储互补微网的配电网拓扑结构图;
图4是:本发明实施例中风储互补微网中分布式发电的风速概率曲线图;
图5是:本发明实施例中风储互补微网孤岛运行失败时的负荷、风机处理和储能设备的动态运行曲线;
图6是:本发明实施例中风储互补微网孤岛运行成功时的负荷、风机处理和储能设备的动态运行曲线。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本发明提供了一种能够对风储互补微网接入下的配电网可靠性进行准确评估的方法,如图1示出的所述方法流程图,具体步骤为:
步骤1:通过蒙特卡洛法对配电网的运行状态进行仿真从而获取配电网的可靠性指标;图2示出了蒙特卡洛法仿真流程:
(1)获取配电网的原始参数和拓扑结构;原始参数包括配电网中电力元器件数目为N、配电网各个节点的名称、故障率λi、修复率μi和有无备用电力元器件;蒙特卡洛法仿真的初始仿真时间MCTime=0、电力元器件故障次数fi=0、每个负荷的故障时间MCFailureTime=0、负荷平均停电率Ki=0、年平均故障停电时间ri=0、平均停运持续时间ui=0,负荷数目i=1,2,...,q;
通过蒙特卡洛法获取电力元器件的随机数δ1、δ2...δi...δN;第i个电力元器件的无故障工作时间TTF=-lnδi/λi;其中,λi为第i个电力元器件的故障率;将无故障工作时间的最小值累加至初始仿真时间MCTime;
(2)将与无故障工作时间的最小值对应的电力元器件作为故障电力元器件,并判断其工作类型;
当故障电力元器件为变压器时:若存在备用变压器,则将故障电力元器件修复时间转换为切备用时间;若不存在备用变压器,则故障电力元器件修复时间为变压器本身的修复时间,修复时间TTR=-lnδ/μ,δ为变压器的随机数,μ修复率;当故障电力元器件不是变压器时:故障电力元器件修复时间TTR=-lnδi/μi,δi为故障电力元器件的随机数,μi为修复率;
(3)对配电网进行故障遍历检查,获取故障电力元器件发生故障后的配电网内的负荷类型和运行状态,计算负荷点的停电次数和停电时间;
若初始仿真时间小于蒙特卡洛法仿真设定的仿真年限,则返回步骤(1);若初始仿真时间等于或大于仿真年限,则分别统计负荷点和配电网的可靠性指标。
步骤2:依据负荷点和配电网的可靠性指标获取可靠性指标最差的负荷区域进行分布式电源优化配置;
其中,分布式电源中风机的平均出力值为负荷区域的负荷平均值;
分布式电源中储能装置的容量配置方法为:
①:对负荷区域的负荷曲线与风机的出力曲线的差值曲线进行DFT滤波;
②:将DFT滤波后的差值曲线的平滑部分与DFT滤波前的差值曲线的最大差值作为储能装置的输出功率;
储能装置的充放电区间及容量约束条件为: Estorage为风储互补微网中储能装置的容量,Li(τ)为第i个负荷τ时刻的负荷值,Pi(τ)为风储互补微网对第i个负荷τ时刻的分布式发电值;
步骤3:获取接入风储互补微网后的配电网的可靠性指标;
(1)通过蒙特卡洛法对接入风储互补微网后的配电网的运行状态进行仿真,获取故障区域;所述故障区域为进行蒙特卡洛法仿真后获得的具有最小无故障工作时间的电力元器件所在的区域;
(2)依据故障区域的分布式电源的配置容量进行孤岛区域划分;
(3)对配电网进行故障遍历检查,获取故障区域发生故障后的配电网内的负荷类型和运行状态,计算负荷点的停电次数和停电时间;
若初始仿真时间小于蒙特卡洛法仿真设定的仿真年限,则返回步骤(1);若初始仿真时间等于或大于仿真年限,则分别统计负荷点和配电网的可靠性指标。
本发明实施例中采用IEEE RBTS-BUS6的一个配电网子系统为实例场景,对不含风储互补微网的配电网进行可靠性评估,得到各负荷点的可靠性数据,如表1所示:
表1不含DG配电网负荷停电频率及停电时间
表1中的负荷可靠性指标反映了配电网的可靠性参数,负荷31到35和负荷36到40这两个负荷片区无论是年故障停运率还是年平均停运时间,都是最大的,分别达到了2.115次/年、12.589小时/年和2.0575次/年、16.855小时/年。在这两个片区接入风储互补微网,以提高系统的供电可靠性指标,接入后的配电网拓扑结构如图3所示;
风储互补微网采用并网运行方式,当风储互补微网与主网均正常运行时,风储互补微网根据实时发电量对风储互补微网内负荷及储能进行供充电,并按照最大可发容量进行发电,不参与配网的调频与调压;当风储互补微网内分布式发电或储能设备出现故障时,保护装置将分布式发电的风机或储能装置退出运行,不影响配电网负荷的供电;当配电网出现故障,断路器动作致使风储互补微网内负荷失电时,风储互补微网与配网的联络开关PCC自动断开,风储互补微网由并网转为离网孤岛运行状态,继续对孤岛内负荷进行供电,待配电网故障修复后自动检测公共连接点并网条件,由离网运行状态转为并网运行。
本实施例中的风储互补微网中分布式发电的风速概率曲线如图4所示,切入风速、额定风速和切出风速分别为2.5m/s,14.5m/s,25m/s;储能装置为能平抑瞬时功率差额的功率型储能系统,总容量为100kW·h,瞬时最大功率为300kW。
由于分布式发电和负荷的随机性,负荷、储能和风力发电三者的瞬时状态时时刻刻都在改变,包括两种运行情况:
①:如图5所示,由于储能容量耗尽,负荷仍然大于风力发电出力,从而导致风储互补微网不能满足功率平衡的需要,风储互补微网内频率将大幅下降,进而导致微网解列,孤岛运行失败;
②:如图6所示,风力发电出力和负荷的曲线趋势比较相近,储能剩余电量曲线平稳,储能装置的荷电状态仍维持在稳定水平,储能装置持续进行充放电,不会出现孤岛后的二次故障;为了将这两种情况和传统配电网可靠性评估技术结合,采用基于随机性的蒙特卡洛仿真法,对接入风储互补微网后的配电网进行可靠性评估,得到表2所示各负荷点的可靠性数据:
表2接入风储互补微网后负荷可靠性指标
从表2所示的结果中可以看出,配电网33kV划分孤岛后的的区域负荷的停电频率在接入风储互补微网以后有了明显降低,而其他支路的负荷停电频率相对不变,这是由于风储互补微网就近解决供需平衡,只作用于本地负荷的缘故。同时,两处风储互补微网接入的区域年平均停运时间和EENS也有了明显降低,即风储互补微网有效缓解了本地负荷的缺电情况;表3示出了风储互补微网系统接入前后的配电网可靠性指标比较情况:
表3风储互补微网系统接入前后的配电网可靠性指标
从表3可知,配电网的各项可靠性指标在风储互补微网接入后都有了显著提高,尤其是EENS缺电量,较不接入的情况减少了30%。风储互补微网接入之后,孤岛区域内的负荷的各项可靠性指标均有所下降,这就意味着系统的可靠性确实得到了提高,充分体现了风储互补微网对提高系统可靠性方面的作用。从负荷用电量不足期望来看,孤岛区域外的负荷用电量不足期望指标没有改善,而孤岛区域内的负荷用电量不足期望有了明显下降,充分体现了风储互补微网就近解决供需平衡的特性。
最后应当说明的是:所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
Claims (5)
1.一种接入风储互补微网的配电网可靠性评估方法,其特征在于,所述方法包括下述步骤:
步骤1:通过蒙特卡洛法对所述配电网的运行状态进行仿真,获取所述配电网的可靠性指标;
步骤2:依据所述可靠性指标对所述配电网进行分布式电源优化配置;以及
步骤3:获取接入风储互补微网后的所述配电网的可靠性指标。
2.如权利要求1所述的一种接入风储互补微网的配电网可靠性评估方法,其特征在于,所述步骤1中获取所述配电网的可靠性指标包括:
步骤1-1:所述配电网的电力元器件数目为N,通过蒙特卡洛法获取所述电力元器件的随机数δ1、δ2...δi...δN;第i个所述电力元器件的无故障工作时间TTF=-lnδi/λi;其中,所述λi为第i个所述电力元器件的故障率;将无故障工作时间的最小值累加至初始仿真时间,所述初始仿真时间为零;
步骤1-2:将与所述最小值对应的电力元器件作为故障电力元器件,并判断其工作类型;
当所述故障电力元器件为变压器时:若存在备用变压器,则将故障电力元器件修复时间转换为切备用时间;若不存在备用变压器,则故障电力元器件修复时间为变压器本身的修复时间,所述修复时间TTR=-lnδ/μ,所述δ为变压器的随机数,所述μ修复率;当所述故障电力元器件不是变压器时:故障电力元器件修复时间TTR=-lnδi/μi,所述δi为故障电力元器件的随机数,所述μi为修复率;
步骤1-3:获取所述故障电力元器件发生故障后的所述配电网内的负荷类型和运行状态,分别统计负荷点和配电网的可靠性指标。
3.如权利要求1所述的一种接入风储互补微网的配电网可靠性评估方法,其特征在于,所述步骤2中依据所述可靠性指标获取可靠性指标最差的负荷区域,并对其进行分布式电源优化配置。
4.如权利要求1所述的一种接入风储互补微网的配电网可靠性评估方法,其特征在于,所述步骤3中获取接入风储互补微网后的所述配电网的可靠性指标包括:
步骤3-1:通过蒙特卡洛法对接入风储互补微网后的配电网的运行状态进行仿真,获取故障区域;
步骤3-2:依据所述故障区域的分布式电源的配置容量进行孤岛区域划分;
步骤3-3:获取发生故障后的所述配电网内的负荷类型和运行状态,分别统计负荷点和配电网的可靠性指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310683419.7A CN103746402B (zh) | 2013-12-13 | 2013-12-13 | 一种接入风储互补微网的配电网可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310683419.7A CN103746402B (zh) | 2013-12-13 | 2013-12-13 | 一种接入风储互补微网的配电网可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103746402A true CN103746402A (zh) | 2014-04-23 |
CN103746402B CN103746402B (zh) | 2016-08-17 |
Family
ID=50503406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310683419.7A Active CN103746402B (zh) | 2013-12-13 | 2013-12-13 | 一种接入风储互补微网的配电网可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103746402B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268798A (zh) * | 2014-09-25 | 2015-01-07 | 国家电网公司 | 一种分布式电源及电动汽车对配电网影响的评估方法 |
CN104795816A (zh) * | 2015-04-29 | 2015-07-22 | 南京南瑞继保电气有限公司 | 一种基于负荷重要性的切负荷方法 |
CN105182122A (zh) * | 2015-09-02 | 2015-12-23 | 许继集团有限公司 | 一种随机性电源接入设备的故障预警方法 |
CN105552888A (zh) * | 2015-12-23 | 2016-05-04 | 贵州电网有限责任公司 | 一种考虑主配网互动的配电网仿真方法 |
CN105958538A (zh) * | 2016-06-12 | 2016-09-21 | 南京工程学院 | 基于蒙特卡洛法的配电网孤岛划分方法 |
CN106897833A (zh) * | 2017-02-24 | 2017-06-27 | 广东工业大学 | 一种新能源配电网可靠性的评估方法及装置 |
CN109638871A (zh) * | 2019-01-28 | 2019-04-16 | 东北电力大学 | 考虑风电接入的大规模交直流混联系统主网划分方法 |
CN110188998A (zh) * | 2019-05-13 | 2019-08-30 | 湖北省电力勘测设计院有限公司 | 配电网的风电机组和储能的时序建设可靠性的评估方法 |
CN110210777A (zh) * | 2019-06-11 | 2019-09-06 | 上海电力学院 | 一种含微电网和电动汽车充电站的配电网可靠性评估方法 |
CN110247399A (zh) * | 2019-04-17 | 2019-09-17 | 李文转 | 一种基于蒙特卡洛模拟的配电网光伏最大消纳方法及系统 |
CN110245858A (zh) * | 2019-06-11 | 2019-09-17 | 上海电力学院 | 一种含电动汽车充电站的微电网可靠性评估方法 |
CN111861141A (zh) * | 2020-06-29 | 2020-10-30 | 国网上海市电力公司 | 一种基于模糊故障率预测的配电网可靠性评估方法 |
CN112348384A (zh) * | 2020-11-13 | 2021-02-09 | 国网河南省电力公司经济技术研究院 | 基于数据驱动的配电网规划方案可靠性快速评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007215354A (ja) * | 2006-02-10 | 2007-08-23 | Meiji Univ | 電力負荷予測方法、及び電力負荷予測処理プログラム |
CN102013085A (zh) * | 2010-12-14 | 2011-04-13 | 天津市电力公司 | 配电网可靠性评价方法 |
CN102545214A (zh) * | 2012-01-13 | 2012-07-04 | 重庆大学 | 一种含电池储能设备的风电场可靠性评估方法 |
-
2013
- 2013-12-13 CN CN201310683419.7A patent/CN103746402B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007215354A (ja) * | 2006-02-10 | 2007-08-23 | Meiji Univ | 電力負荷予測方法、及び電力負荷予測処理プログラム |
CN102013085A (zh) * | 2010-12-14 | 2011-04-13 | 天津市电力公司 | 配电网可靠性评价方法 |
CN102545214A (zh) * | 2012-01-13 | 2012-07-04 | 重庆大学 | 一种含电池储能设备的风电场可靠性评估方法 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268798A (zh) * | 2014-09-25 | 2015-01-07 | 国家电网公司 | 一种分布式电源及电动汽车对配电网影响的评估方法 |
CN104268798B (zh) * | 2014-09-25 | 2018-01-16 | 国家电网公司 | 一种分布式电源及电动汽车对配电网影响的评估方法 |
CN104795816A (zh) * | 2015-04-29 | 2015-07-22 | 南京南瑞继保电气有限公司 | 一种基于负荷重要性的切负荷方法 |
CN105182122A (zh) * | 2015-09-02 | 2015-12-23 | 许继集团有限公司 | 一种随机性电源接入设备的故障预警方法 |
CN105182122B (zh) * | 2015-09-02 | 2018-02-02 | 许继集团有限公司 | 一种随机性电源接入设备的故障预警方法 |
CN105552888A (zh) * | 2015-12-23 | 2016-05-04 | 贵州电网有限责任公司 | 一种考虑主配网互动的配电网仿真方法 |
CN105552888B (zh) * | 2015-12-23 | 2018-04-27 | 贵州电网有限责任公司 | 一种考虑主配网互动的配电网仿真方法 |
CN105958538B (zh) * | 2016-06-12 | 2018-11-13 | 南京工程学院 | 基于蒙特卡洛法的配电网孤岛划分方法 |
CN105958538A (zh) * | 2016-06-12 | 2016-09-21 | 南京工程学院 | 基于蒙特卡洛法的配电网孤岛划分方法 |
CN106897833B (zh) * | 2017-02-24 | 2020-10-20 | 广东工业大学 | 一种新能源配电网可靠性的评估方法及装置 |
CN106897833A (zh) * | 2017-02-24 | 2017-06-27 | 广东工业大学 | 一种新能源配电网可靠性的评估方法及装置 |
CN109638871A (zh) * | 2019-01-28 | 2019-04-16 | 东北电力大学 | 考虑风电接入的大规模交直流混联系统主网划分方法 |
CN109638871B (zh) * | 2019-01-28 | 2022-04-15 | 东北电力大学 | 考虑风电接入的大规模交直流混联系统主网划分方法 |
CN110247399A (zh) * | 2019-04-17 | 2019-09-17 | 李文转 | 一种基于蒙特卡洛模拟的配电网光伏最大消纳方法及系统 |
CN110188998A (zh) * | 2019-05-13 | 2019-08-30 | 湖北省电力勘测设计院有限公司 | 配电网的风电机组和储能的时序建设可靠性的评估方法 |
CN110188998B (zh) * | 2019-05-13 | 2021-03-16 | 湖北省电力勘测设计院有限公司 | 配电网的风电机组和储能的时序建设可靠性的评估方法 |
CN110210777A (zh) * | 2019-06-11 | 2019-09-06 | 上海电力学院 | 一种含微电网和电动汽车充电站的配电网可靠性评估方法 |
CN110245858A (zh) * | 2019-06-11 | 2019-09-17 | 上海电力学院 | 一种含电动汽车充电站的微电网可靠性评估方法 |
CN110245858B (zh) * | 2019-06-11 | 2022-06-10 | 上海电力学院 | 一种含电动汽车充电站的微电网可靠性评估方法 |
CN111861141A (zh) * | 2020-06-29 | 2020-10-30 | 国网上海市电力公司 | 一种基于模糊故障率预测的配电网可靠性评估方法 |
CN111861141B (zh) * | 2020-06-29 | 2024-02-13 | 国网上海市电力公司 | 一种基于模糊故障率预测的配电网可靠性评估方法 |
CN112348384A (zh) * | 2020-11-13 | 2021-02-09 | 国网河南省电力公司经济技术研究院 | 基于数据驱动的配电网规划方案可靠性快速评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103746402B (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103746402A (zh) | 一种接入风储互补微网的配电网可靠性评估方法 | |
Basaran et al. | Energy management for on‐grid and off‐grid wind/PV and battery hybrid systems | |
You et al. | Comparative assessment of tactics to improve primary frequency response without curtailing solar output in high photovoltaic interconnection grids | |
Gutiérrez-Martín et al. | Effects of wind intermittency on reduction of CO2 emissions: The case of the Spanish power system | |
CN104167734B (zh) | 基于时序模拟的并网型微网可靠性评估方法 | |
CN104851053A (zh) | 一种含风光储的配电网供电可靠性评估方法 | |
Hafez et al. | Optimal sizing of off-line microgrid via hybrid multi-objective simulated annealing particle swarm optimizer | |
Zeng et al. | A classification control strategy for energy storage system in microgrid | |
Chiradeja et al. | Optimal allocation of multi-DG on distribution system reliability and power losses using differential evolution algorithm | |
Wang et al. | Research on planning optimization of integrated energy system based on the differential features of hybrid energy storage system | |
Lei et al. | Optimal allocation of a hybrid energy storage system considering its dynamic operation characteristics for wind power applications in active distribution networks | |
Patel et al. | A comparative analysis for impact of distributed generations with electric vehicles planning | |
Hasan et al. | Optimization and planning of renewable energy sources based microgrid for a residential complex | |
Pearre et al. | Renewable electricity and energy storage to permit retirement of coal-fired generators in Nova Scotia | |
Cano et al. | Evaluation of temporal resolution impact on power fluctuations and self-consumption for a hydrokinetic on grid system using supercapacitors | |
CN104467198A (zh) | 一种基于在线分布式的电能储能系统 | |
Zhang et al. | Reliability evaluation of high permeability renewable energy distribution network considering energy storage charge and discharge strategy | |
CN103580043B (zh) | 风储一体化系统中储能充放电控制方法 | |
CN104184158A (zh) | 储能系统的控制方法和控制装置 | |
Ndawula et al. | Impact of the stochastic behaviour of distributed energy resources on MV/LV network reliability | |
Keane | Integration of distributed generation | |
Hamdaoui et al. | A smart approach for intentional islanding based on dynamic selection algorithm in microgrid with distributed generation | |
CN204271759U (zh) | 一种基于在线分布式的电能储能装置 | |
Karamov et al. | Renewable energy sources and storage batteries for electrification of Russian decentralized power supply systems | |
Li et al. | Reliability evaluation of active distribution systems considering energy storage and real-time electricity pricing |
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 |