CN104376410B - 一种配电网中分布式电源的规划方法 - Google Patents
一种配电网中分布式电源的规划方法 Download PDFInfo
- Publication number
- CN104376410B CN104376410B CN201410638076.7A CN201410638076A CN104376410B CN 104376410 B CN104376410 B CN 104376410B CN 201410638076 A CN201410638076 A CN 201410638076A CN 104376410 B CN104376410 B CN 104376410B
- Authority
- CN
- China
- Prior art keywords
- power
- distribution network
- load
- node
- power distribution
- 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 212
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 230000002123 temporal effect Effects 0.000 claims abstract description 26
- 239000002245 particle Substances 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000000205 computational method Methods 0.000 claims abstract description 4
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 claims description 36
- 238000005286 illumination Methods 0.000 claims description 17
- 238000002347 injection Methods 0.000 claims description 9
- 239000007924 injection Substances 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 8
- 239000000243 solution Substances 0.000 claims description 7
- 238000005315 distribution function Methods 0.000 claims description 6
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 5
- 240000002853 Nelumbo nucifera Species 0.000 claims description 5
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 5
- 238000010248 power generation Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- IAPHXJRHXBQDQJ-ODLOZXJASA-N jacobine Natural products O=C1[C@@]2([C@H](C)O2)C[C@H](C)[C@](O)(C)C(=O)OCC=2[C@H]3N(CC=2)CC[C@H]3O1 IAPHXJRHXBQDQJ-ODLOZXJASA-N 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 241000256602 Isoptera Species 0.000 claims 1
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 10
- 230000008859 change Effects 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- XCWPUUGSGHNIDZ-UHFFFAOYSA-N Oxypertine Chemical compound C1=2C=C(OC)C(OC)=CC=2NC(C)=C1CCN(CC1)CCN1C1=CC=CC=C1 XCWPUUGSGHNIDZ-UHFFFAOYSA-N 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种配电网中分布式电源的规划方法,包括:建立配电网中分布式电源规划模型;建立分布式电源的模型,是在对分布式电源的典型时序特性进行分析和对分布式电源的概率特性分析的基础上,选取多场景同时考虑分布式电源的时序特性和概率特性,构建分布式电源的不确定性模型;电力系统的潮流计算,采用基于半不变量法的随机潮流计算方法进行潮流计算;分布式电源接入配电网位置和容量的确定,包括,将基于半不变量法的随机潮流计算嵌入粒子群算法中求解优化问题,利用惩罚函数的方法处理约束条件,将优化得到的最优解作为分布式电源的选址定容方案。本发明能够同时计及分布式电源的时序特性和随机性,并考虑接入分布式电源后配电网单位收益成本费用。
Description
技术领域
本发明涉及一种分布式电源的规划方法。特别是涉及一种针对各类工业园区、大楼内、社区里等具有安装分布式电源条件的配电网中分布式电源的规划方法。
背景技术
分布式发电是为了满足一些特殊用户的需求,支持已有配电网经济运行而设计和安装的在用户处或其附近的小型发电机组,或坐落在用户附近使负荷供电可靠性及电能质量都得到增强的发电形式。分布式电源一般位于配电网的终端用户附近,建设在工业园区、在大楼内、在社区里,可为用户和电力输配电系统提供利益。分布式电源应对高峰期电力负荷比集中供电更加经济、有效,是集中供电有益的补充。
随着越来越多的分布式电源接入配电网,配电系统将发生根本性的变化。配电网络将变成一个遍布电源和用户互联的网络,配电系统的控制和运行将更加复杂,配电网络规划和运行将彻底改变且其影响程度与分布式电源的位置和容量息息相关。合理的安装位置及容量可有效改善配电网电压质量、减小有功损耗、提高系统负荷率,反之配置不合理甚至将威胁电网的安全稳定运行。且电网公司的经济效益与分布式电源接入位置、容量密切相关。合理的选址定容规划可延缓电网线路等设备升级,从而降低电网公司投资成本,提高经济效益。因大部分分布式电源由分布式电源投资商安装,规划不合理会大量减少电网公司售电收益,降低电网公司的经济效益。电网公司在保证电网安全稳定运行前提下,尽量提高自身经济效益,需对分布式电源接入位置容量进行合理规划。
近年来,随着分布式电源的规划工作的深入进行,已有研究从不同角度解决了分布式电源的选址定容问题,但均未考虑分布式电源接入配电网后通过减小网供峰值负荷,从而增大配电网网供负荷能力,即延缓网络更新,实质上降低电网投资商的成本从而减小配电网单位收益的成本费用。且在规划中未能同时计及风机和光伏等分布式电源发电的时序特性与概率特性。针对这些问题如何进行分布式电源规划,成为讨论的焦点。
发明内容
本发明所要解决的技术问题是,提供一种同时计及分布式电源的时序特性和随机性,并考虑接入分布式电源后配电网单位收益成本费用的配电网中分布式电源的规划方法。
本发明所采用的技术方案是:一种配电网中分布式电源的规划方法,包括如下步骤:
1)建立配电网中分布式电源规划模型,包括:
(1)确立配电网单位收益年成本费用最小的目标函数;
(2)研究配电网等年值年成本费用的计算;
(3)研究配电网等年值年售电收益的计算;
(4)约束条件确定,包括配电网潮流约束、设备容量约束、传输功率约束和电压机会条件约束;
2)建立分布式电源的模型,是在对分布式电源的典型时序特性进行分析和对分布式电源的概率特性分析的基础上,选取多场景同时考虑分布式电源的时序特性和概率特性,构建分布式电源的不确定性模型;
3)电力系统的潮流计算,采用基于半不变量法的随机潮流计算方法进行潮流计算;
4)分布式电源接入配电网位置和容量的确定,包括,将基于半不变量法的随机潮流计算嵌入粒子群算法中求解优化问题,利用惩罚函数的方法处理约束条件,将优化得到的最优解作为分布式电源的选址定容方案。
步骤1)中的(1)所述的确立配电网单位收益年成本费用最小的目标函数,首先定义考虑N-1准则时,配电线路可承载的最大负荷为配电网最大负荷;定义仅由所研究配电网供电的负荷为网供负荷;定义仅由所研究配电网供电的最大负荷为网供峰值负荷;
在配电网等年值成本费用为C,配电网公司售电年收益为B,考虑N-1准则时最大负荷为Pmax,接入实际负荷为Pnature的配电网中接入分布电源后,配电网的等效成本为:
Ceq=C×Ppeak/Pmax
式中:
C——原配电网等年值成本费用;
Ppeak——网供峰值负荷;
Pmax——配电网最大负荷;
配电网中分布式电源的规划以配电网单位收益年成本费用最小为目标函数,表示为:
min f=Ceq/B
式中:
B——配电网等年值年售电收益;
Ceq——配电网公司售电年收益B所需的等值年成本费用。
步骤1)中的(2)所述的研究配电网等年值年成本费用的计算中,配电系统的总费用采用LCC模型,按照时间维度划分为购置阶段、运行阶段和报废阶段,其中,
购置阶段费用表达式如下:
Ceq0=Cb+Ci
式中:Cb——购买配电网设备费用;Ci——设备安装费用;
运行阶段费用C1的计算公式:
C1=Cop+Cmi
Cop=EtotalCp
Cmi=Ceq0×k
式中:
Cop——所研究配电网的运行费用;
Cmi——设备维护费用;
Cp——电网公司向上级公司购电电价;
Etotal——所研究配电网总输电量,包含电网的功率损耗;
k——设备维护费用用占初始投资比例,
报废阶段的费用表达式如下:
C2=Ceq0×5%
将运行阶段和报废阶段费用进行折合为等年值费用计算:
Ceq1=(Cop+Cmi)×μ1(r,YP)
Ceq2=Ceq0×5%×μ2(r,YP)
式中:
Ceq1——运行阶段费用折合为等年值费用;
Ceq2——报废阶段的成本折合为等年值费用;
μ1——等年值求现比率;
μ2——将来值求现比率;
r——折现率;
Yp——项目全寿命周期年限。
步骤1)中的(3)所述的配电网等年值年售电收益的计算表达式如下:
B=(Etotal-Wloss)×Csμ1(r,YP)
式中:
Etotal——所研究配电网总输电量;
Wloss——为所研究的配电网所有支路全年的总的网络损耗;
Cs——配电网公司售电电价。
步骤1)中的(4)中:
所述配电网潮流约束为:
式中:
Pi——节点i处有功注入;
Qi——节点j处无功注入;
Ui、Uj——节点i、j电压幅值;
Gij——支路ij的电导;
Bij——支路ij的电纳;
θij——节点i、j间电压相角差。
所述设备容量约束为:
Pwind<Pwindmax
Ppv<Ppvmax
式中:
Pwind——风力发电机出力;
Pwindmax——风力发电机额定功率;
Ppv——光伏阵列出力;
Ppvmax——光伏阵列额定功率;
所述传输功率约束为:
Pij≤Pijmax
式中:
Pij——支路ij的传输功率;
Pijmax——支路ij最大允许传输功率;
所述电压机会条件约束为:
Pr{Ui|Uimin<Ui<Uimax}≥λ
式中:
Pr{}——事件{}发生的概率;
Uimax、Uimin——节点i电压幅值上下限;
λ——置信水平。
步骤2)所述的建立分布式电源的模型是,依照风速和光照强度的特性曲线将一年依季节划分为春夏秋冬四个场景,每天按小时划分为三个时段,1-6时和23-24时为第一时段,7-9时和18-22时为第二时段,10-17时为第三时段,则一年共划分为4×3=12个场景,风速由威布尔分布的概率密度函数表示,风力发电机出力Pwind与风速v之间的函数关系为:
式中:
vn——风力发电机切入风速;
vr——风力发电机额定风速;
Pwindmax——风力发电机额定功率;
太阳光照强度用Beta分布表示,光伏阵列出力Ppv和太阳光照强度r之间的函数关系如下:
式中:
rn——光伏阵列额定光强;
Ppvmax——光伏阵列额定功率;
配电网系统各节点的负荷的概率分布PLi均采用正态分布,即:
PLi~N(μi(t),σi 2(t))
式中:
μi(t)——为第i个节点负荷在第t个情景中的期望值;
σi 2(t)——为第i个节点负荷在第t个情景中的方差值。
步骤3)所述的电力系统的潮流计算是,依步骤2)所建模型,进面得到配电网系统各节点的负荷、风力输电功率和太阳能发电功率的各阶半不变量,采用半不变量与牛顿-拉夫逊潮流计算相结合的概率潮流方法进行潮流计算,电力系统的潮流计算方程为:
W=f(X)
式中:
W——节点注入量;
X——节点状态变量;
将第t0个场景的电力系统的潮流方程线性化:
△X(t0)=X(t0)-X0(t0)=J0 -1△W(t0)
式中:
X(t0)——第t0个场景的状态变量在基准运行状态的期望;
J0——雅各比矩阵;
依上式由△W(t0)的各阶半不变量得到△X(t0)的各阶半不变量,再利用Gram-Charlier级数展开即可求得第t0个场景的随机变量的分布函数。
步骤4)所述的分布式电源接入配电网位置和容量的确定是采用粒子群算法对所建模型进行优化,具体包括如下步骤:
(1)输入配电网的网架参数、风机和光伏阵列的基本参数和粒子群的基本参数,分布式电源候选安装节点集和场景数N;
(2)根据对风速,太阳光照强度情况,负荷的采样情况,统计求得各场景中风速,太阳光照强度情况和负荷的期望值和方差值;
(3)根据各场景风机和光伏阵列的基本参数和风速,太阳光照强度和负荷的期望和方差,求得各场景中风力发电机出力和光伏阵列出力和各节点负荷的各阶半不变量;
(4)随机生成初始粒子群,包括粒子群的初始速度和初始位置;
(5)将场景统计数t置为1;
(6)依据配网的基本参数,第t个情景中风力发电机出力Pwind、光伏阵列出力PPV、配电网中各节点有功负荷Pi、配电网中各节点无功负荷Qi的各阶半不变量,运用半不变量与牛顿-拉夫逊潮流计算方法结合的概率潮流方法进行潮流计算,求得在第t个情景中各支路的潮流分布p(k,t),各节点电压u(k,t)概率分布函数以及线路网损概率分布pi(k,t)和网供负荷概率分布e(k,t);
(7)判断各支路的潮流分布p(k,t)是否满足步骤1)中给出的传输功率约束条件式,如果不满足则令惩罚项反之则令惩罚项h1(t)=0;
(8)计算各节点电压u(k,t)是否满足步骤1)中给出的电压机会条件约束式:β=Pr{Vi|Vimin<Vi<Vimax},如果β<λ令惩罚项h2(t)=9999×(α-β),反之惩罚项h2(t)=0;
(9)令场景统计数t加1,检验更新后的场景统计数t是否大于N,是则进入下一步骤,反之返回步骤(6);
(10)计算惩罚项
(11)根据步骤(6)的结果分别计算年总的网络损耗Wloss,一年配电网总输电量Etotal,网供峰值负荷Ppeak,计算配电网公司售电年收益及配电网中分布式电源的规划的目标函数f;
(12)计算适应度obj,适应度obj取值为目标函数f与惩罚项h之和;
(13)判断粒子群算法是否满足终止条件,即是否达到最大遗传代数,如果是,则结束,输出最优解,反之,则进入下一步;
(14)进行粒子群的更新操作,形成新的粒子群位置和粒子群速度,并返回步骤(5)。
本发明的一种配电网中分布式电源的规划方法,能够同时计及分布式电源的时序特性和随机性,并考虑接入分布式电源后配电网单位收益成本费用。即,
1、考虑了考虑分布式电源接入减小配电网单位收益的成本费用,建立了以电网单位收益年费用最小为目标函数规划模型;
2、在对分布式电源的典型时序进行分析基础上,选取多场景,构建了计及分布式电源时序特性和随机性的分布式电源模型。
附图说明
图1是风速时序特性曲线图;
图2是光照强度时序特性曲线图;
图3是IEEE33节点配电网结构图。
具体实施方式
下面结合实施例和附图对本发明的一种配电网中分布式电源的规划方法做出详细说明。
本发明的一种配电网中分布式电源的规划方法,包括如下步骤:
1)建立配电网中分布式电源规划模型,包括:
(1)确立配电网单位收益年成本费用最小的目标函数;
首先定义考虑N-1准则时,配电线路可承载的最大负荷为配电网最大负荷;定义仅由所研究配电网供电的负荷为网供负荷;定义仅由所研究配电网供电的最大负荷为网供峰值负荷;
在配电网等年值成本费用为C,配电网公司售电年收益为B,考虑N-1准则时最大负荷为Pmax,接入实际负荷为Pnature的配电网中接入分布电源后,由于分布式电源承担部分负荷,配电网的总网络损耗减小,负荷从配电网线路中获得的功率减小,随之配电网的网供峰值负荷Ppeak会相应减小,即在原配电网转供能力不变、线路设备状况不变、配电网最大负荷不变的情况下,该配电网接入分布式电源可以接入更多负荷:(Pmax-Ppeak)Pnature/Pmax,从而提高配电网承载实际负荷的能力,实质上提高配电网可靠性,延缓配电网线路升级,进而在减小网络损耗成本的同时减小配电网公司的更新成本与可靠性成本。也即此时配电网的等效成本为:
Ceq=C×Ppeak/Pmax
式中:
C——原配电网等年值成本费用;
Ppeak——网供峰值负荷;
Pmax——配电网最大负荷;
虽然在配电网中接入分布式电源后由于网供负荷的减小,配电公司的售电量有所下降,但配电网的等效成本也会有明显减小。从而当分布式电源的位置与容量选取恰当时可以减少配电网系统的单位收益年费用。考虑配电网公司的经济效益,单位收益的成本费用越小,电网公司的经济效益越好,则配电网中分布式电源的规划以配电网单位收益年成本费用最小为目标函数,表示为:
minf=Ceq/B
式中:
B——配电网等年值年售电收益;
Ceq——配电网公司售电年收益B所需的等值年成本费用。
(2)研究配电网等年值年成本费用的计算;
所述的研究配电网等年值年成本费用的计算中,配电系统的总费用采用LCC模型,按照时间维度划分为购置阶段、运行阶段和报废阶段,购置阶段的成本即为投资费用包括购买配电网设备费用和设备安装费用;运行阶段的成本包括运行费用和维护费用;报废阶段的成本为设备残值。其中,
购置阶段费用表达式如下:
Ceq0=Cb+Ci
式中:Cb——购买配电网设备费用;Ci——设备安装费用;
运行阶段费用由运行费用和维护费用构成,运行费用即配电网向上级购电费用,网络损耗费用也包含在内;目前绝大多数供电企业对供电设备维护、检修费用管理的办法是根据年度总费用计划,取初始投资的某一固定比率。运行阶段费用C1的计算公式:
C1=Cop+Cmi
Cop=EtotalCp
Cmi=Ceq0×k
式中:
Cop——所研究配电网的运行费用;
Cmi——设备维护费用;
Cp——电网公司向上级公司购电电价;
Etotal——所研究配电网总输电量,包含电网的功率损耗;
k——设备维护费用用占初始投资比例,
报废阶段的费用为设备的残值费用,即在规划周期末设备的可回收费用,一般取设备初始投资总额的5%,表达式如下:
C2=Ceq0×5%
初次投资成本为现值,而运行阶段和报废阶段的成本为不属于现值,由于资金具有时间价值,为具有可比性,需要将运行阶段和报废阶段费用进行折合为等年值费用计算:
Ceq1=(Cop+Cmi)×μ1(r,YP)
Ceq2=Ceq0×5%×μ2(r,YP)
式中:
Ceq1——运行阶段费用折合为等年值费用;
Ceq2——报废阶段的成本折合为等年值费用;
μ1——等年值求现比率;
μ2——将来值求现比率;
r——折现率;
Yp——项目全寿命周期年限。
(3)研究配电网等年值年售电收益的计算;
所述的配电网等年值年售电收益的计算表达式如下:
B=(Etotal-Wloss)×Csμ1(r,YP)
式中:
Etotal——所研究配电网总输电量;
Wloss——为所研究的配电网所有支路全年的总的网络损耗;
Cs——配电网公司售电电价。
(4)约束条件确定,包括配电网潮流约束、设备容量约束、传输功率约束和电压机会条件约束;其中,所述配电网潮流约束为:
式中:
Pi——节点i处有功注入;
Qi——节点j处无功注入;
Ui、Uj——节点i、j电压幅值;
Gij——支路ij的电导;
Bij——支路ij的电纳;
θij——节点i、j间电压相角差。
所述设备容量约束为:
Pwind<Pwindmax
Ppv<Ppvmax
式中:
Pwind——风力发电机出力;
Pwindmax——风力发电机额定功率;
Ppv——光伏阵列出力;
Ppvmax——光伏阵列额定功率;
所述传输功率约束为:
Pij≤Pijmax
式中:
Pij——支路ij的传输功率;
Pijmax——支路ij最大允许传输功率;
为了维护配电网的安全运行,节点电压不可以超出它的约束范围,但是这种约束并不是严格的,允许短时间的某种程度上的过电压,对于这个问题可以用机会约束条件来描述解决。
所述电压机会条件约束为:
Pr{Ui|Uimin<Ui<Uimax}≥λ
式中:
Pr{}——事件{}发生的概率;
Uimax、Uimin——节点i电压幅值上下限;
λ——置信水平。
2)建立分布式电源的模型,是在对分布式电源的典型时序特性进行分析和对分布式电源的概率特性分析的基础上,选取多场景同时考虑分布式电源的时序特性和概率特性,构建分布式电源的不确定性模型;
所述的建立分布式电源的模型是,根据气象资料可得到不同季节风速时序特性曲线如图1,光照强度特性曲线如图2。风力发电机出力时序特性与规划地区的风速变化有直接关系,光伏阵列的出力时序特性与规划地区的光照强度有直接关系。由图1和图2,显然风速和光照强度时序上具有互补的特性,如冬季风速较大,而光照强度则较弱;夏季风速较小,而光照强度则较强。又如,10:00-15:00风速较小,光照强度较强;00:00-5:00光强为0,而风速较大。因而确定性风机、光伏阵列出力模型或仅考虑随机性的风机、光伏阵列出力模型难以真实的反映配电网实际指标。
本发明依照风速和光照强度的特性曲线将一年依季节划分为春夏秋冬四个场景,每天按小时划分为三个时段,1-6时和23-24时为第一时段,7-9时和18-22时为第二时段,10-17时为第三时段,则一年共划分为4×3=12个场景,考虑风速和光照强度的随机性,利用威布尔分布描述各场景中的风速,然后将风速的概率密度曲线与风速与风力发电机出力之间的关系函数相结合即可得到风力发电机出力的随机分布,威布尔分布的概率密度函数可表示为:
式中:
v——风速;
k、c——威布尔分布函数的形状因子、尺度因子,不同场景取值不同,由该场景下的风速的均值和方差求得,即风速由威布尔分布的概率密度函数表示,风力发电机出力Pwind与风速v之间的函数关系为:
式中:
vn——风力发电机切入风速;
vr——风力发电机额定风速;
Pwindmax——风力发电机额定功率;
在不同场景的一些时间段内,太阳光照强度可近似看成Beta分布,其概率密度函数可以表示为:
式中:
r——实际光强;
rmax——一段时间内最大光强;
α、β——Beta分布的形状参数,可由不同场景下的光照均值和方差求得。
太阳光照强度用Beta分布表示,光伏阵列出力Ppv和太阳光照强度r之间的函数关系如下:
式中:
rn——光伏阵列额定光强;
Ppvmax——光伏阵列额定功率;
配电网系统各节点的负荷的概率分布PLi均采用正态分布,即:
PLi~N(μi(t),σi 2(t))
式中:
μi(t)——为第i个节点负荷在第t个情景中的期望值;
σi 2(t)——为第i个节点负荷在第t个情景中的方差值。
3)电力系统的潮流计算,采用基于半不变量法的随机潮流计算方法进行潮流计算;
所述的电力系统的潮流计算是依步骤2)所建模型,进面得到配电网系统各节点的负荷、风力输电功率和太阳能发电功率的各阶半不变量,采用半不变量与牛顿-拉夫逊潮流计算相结合的概率潮流方法进行潮流计算,电力系统的潮流计算方程为:
W=f(X)
式中:
W——节点注入量;
X——节点状态变量;
将第t0个场景的电力系统的潮流方程线性化:
△X(t0)=X(t0)-X0(t0)=J0 -1△W(t0)
式中:
X(t0)——第t0个场景的状态变量在基准运行状态的期望;
J0——雅各比矩阵;
依上式由△W(t0)的各阶半不变量得到△X(t0)的各阶半不变量,再利用Gram-Charlier级数展开即可求得第t0个场景的随机变量的分布函数。
4)分布式电源接入配电网位置和容量的确定,包括,将基于半不变量法的随机潮流计算嵌入粒子群算法中求解优化问题,利用惩罚函数的方法处理约束条件,将优化得到的最优解作为分布式电源的选址定容方案。
所述的分布式电源接入配电网位置和容量的确定是采用粒子群算法对所建模型进行优化,采取分段编码方式:D={d1,d2…dN1,dN1+1…d N1+N2,…d N1+N2+..NS},其中D的前N1个变量表示分别在第一种类型DG的N1个待选节点下安装该种类型DG的个数,第N1+1到第N1+N2个变量分别表示第2种类型DG的N2个待选节点分别装入该种类型DG的个数,依此类推。具体步骤如下:
(1)输入配电网的网架参数、风机和光伏阵列的基本参数和粒子群的基本参数,分布式电源候选安装节点集和场景数N;
(2)根据对风速,光照强度情况,负荷的采样情况,统计求得各场景中风速,光照强度况和负荷的期望值和方差值;
(3)根据各场景风机和光伏阵列的基本参数和风速,光照强度和负荷的期望和方差,求得各场景中风机和光伏阵列出力和各节点负荷的各阶半不变量;
(4)随机生成初始粒子群,包括粒子群的初始速度和初始位置;
(5)将场景统计数t置为1;
(6)依据配网的基本参数,第t个情景中风力发电机出力Pwind、光伏阵列出力PPV、配电网中各节点有功负荷Pi、配电网中各节点无功负荷Qi的各阶半不变量,运用半不变量与牛顿-拉夫逊潮流计算方法结合的概率潮流方法进行潮流计算,求得在第t个情景中各支路的潮流分布p(k,t),各节点电压u(k,t)概率分布函数以及线路网损概率分布pi(k,t)和网供负荷概率分布e(k,t);
(7)判断各支路的潮流分布p(k,t)是否满足步骤1)中给出的传输功率约束条件式,如果不满足则令惩罚项反之则令惩罚项h1(t)=0;
(8)计算各节点电压u(k,t)是否满足步骤1)中给出的电压机会条件约束式:β=Pr{Vi|Vimin<Vi<Vimax},如果β<λ令惩罚项h2(t)=9999×(α-β),反之惩罚项h2(t)=0;
(9)令场景统计数t加1,检验更新后的场景统计数t是否大于N,是则进入下一步骤,反之返回步骤(6);
(10)计算惩罚项
(11)根据步骤(6)的结果分别计算年总的网络损耗Wloss,一年配电网总输电量Etotal,网供峰值负荷Ppeak,计算配电网公司售电年收益及配电网中分布式电源的规划的目标函数f;
(12)计算适应度obj,适应度obj取值为目标函数f与惩罚项h之和;
(13)判断粒子群算法是否满足终止条件,即是否达到最大遗传代数,如果是,则结束,输出最优解,反之,则进入下一步;
(14)进行粒子群的更新操作,形成新的粒子群位置和粒子群速度,并返回步骤(5)。
下面以图3所示的IEEE-33节点系统作为算例进行分析,本系统中包含32条支路、33个节点,电源网络首端基准电压12.66kV。
配电网中线路购买配电网设备费用Cb取500万元;设备安装费用Ci取50万元。电网公司向上级公司购电电价Cp为0.35元/kW·h;配电网公司售电电价Cs为0.5元/kW·h;配电网最大负荷Pmax取15MVA;折现率r为6.7%;项目全寿命周期年限Yp为10年。电压机会约束的置信水平λ取0.98。粒子群种群规模取20;迭代次数为50。
算例中采取的风机参数如下:风力发电机切入风速为3m/s;风力发电机额定风速为14m/s;风力发电机额定功率为100kW。光伏组件选取PILKINGTON SFM144Hx250wp型,每个组件面积为2.16m2;光电转换效率为13.44%;—个光伏阵列的组件个数为400个。
取第6、7、23、24节点为风机候选安装节点,第23、24、30节点光伏候选安装节点,并且认为这几个节点的风速、光照强度差别不大。
表1为不同方案的对比,考虑8种方案:
方案1:不安装分布式电源;
方案2:每个待选节点按照最大安装台数安装;
方案3:安装风机、光伏阵列并考虑时序特性,即依本发明提出的方法得到的最优方案;
方案4:仅安装风机并考虑时序特性;
方案5:仅安装风机、光伏并考虑时序特性;
方案6:安装风机、光伏阵列但不考虑时序特性;
方案7:仅安装风机但不考虑时序特性;
方案8:仅安装光伏阵列且不考虑时序特性。
表1
对比第1、2、3三种方案,采用第2种方案时,目标函数不仅没有减小,反而由0.6288元增大到了0.6289元,而采用本发明所提出的方案即第3种方案可有效的减小目标函数到0.6149元。由表1可知,依本发明的方案安装DG后虽然年总网供负荷比不安装DG时减少了8.59%,导致等年值年收益减小8.48%,但年总线路损耗减少了10.46%,网供峰值负荷减小了2.71%,从而等年值成本费用降低10.48%,总经济性得到了提升,单位收益年费用减小了2.21%。显然合理的选择DG的安装位置和安装容量是十分必要的,本文提出的方案是合理的。
分别对比第3、6两种方案,第4、7两种方案,第5、8两种方案,考虑时序特性的方案目标函数值要优于不考虑时序特性的方案值,这是因为不考虑时序特性时未考虑到风速、光照强度和负荷在不同时段的概率特性不同,也未考虑风机和光伏阵列出力的互补性。显然本发明综合考虑时序特性与概率特性的方法是合理而且必要的。
在上述八种方案中,虽然方案2中总的网络损耗最小,但其目标函数值最大,即采用方案2时配网公司获得单位收益需要的成本最多,显然方案2不经济。这说明网络损耗并不是评定电网经济性的唯一指标,即在DG规划的目标函数中不能仅仅考虑网损。本发明提出的模型综合考虑了DG接入对网损、单位负荷供电成本、售电收益的影响,可很好的评估配网经济性,依此模型得到的最优方案是正确合理的。
综合对比8种方案,方案3目标函数值最小,即采取该方案获得单位收益所需的成本费用最小,再次说明了该方案及本发明所提方法的正确合理性。
考虑两种情形:1)已知接入DG容量:风机1台,光伏阵列12个,从待选节点中选择最佳接入位置;2)已知DG接入位置为:风机安装在第7节点,光伏阵列安装在第23、24、30节点,选择最佳接入容量。
对上述两种情形求解,所得方案均为本发明所提出的最佳安装方案,验证了本文方案的正确性,也说明了本文方法的实用性,可以在DG的规划与建设中对用户和DG投资商进行科学的引导。兼顾电网公司与DG投资商双方的利益,对于拥有确定容量的独立DG投资商,本发明提出的方法可以引导其安装在恰当的位置;对于确定安装位置的用户,可以引导其安装恰当的容量;对于容量与位置均未知的投资商,可以给出最优安装位置与安装容量的建议。
Claims (8)
1.一种配电网中分布式电源的规划方法,其特征在于,包括如下步骤:
1)建立配电网中分布式电源规划模型,包括:
(1)确立配电网单位收益年成本费用最小的目标函数;
(2)研究配电网等年值年成本费用的计算;
(3)研究配电网等年值年售电收益的计算;
(4)约束条件确定,包括配电网潮流约束、设备容量约束、传输功率约束和电压机会条件约束;
2)建立分布式电源的模型,是在对分布式电源的典型时序特性进行分析和对分布式电源的概率特性分析的基础上,选取多场景同时考虑分布式电源的时序特性和概率特性,构建分布式电源的不确定性模型;
3)电力系统的潮流计算,采用基于半不变量法的随机潮流计算方法进行潮流计算;
4)分布式电源接入配电网位置和容量的确定,包括,将基于半不变量法的随机潮流计算嵌入粒子群算法中求解优化问题,利用惩罚函数的方法处理约束条件,将优化得到的最优解作为分布式电源的选址定容方案。
2.根据权利要求1所述的一种配电网中分布式电源的规划方法,其特征在于,步骤1)中的(1)所述的确立配电网单位收益年成本费用最小的目标函数,首先定义考虑N-1准则时,配电线路可承载的最大负荷为配电网最大负荷;定义仅由所研究配电网供电的负荷为网供负荷;定义仅由所研究配电网供电的最大负荷为网供峰值负荷;
在配电网等年值成本费用为C,配电网公司售电年收益为B,考虑N-1准则时最大负荷为Pmax,接入实际负荷为Pnature的配电网中接入分布电源后,配电网公司售电年收益B所需的等值年成本费用为:
Ceq=C×Ppeak/Pmax
式中:
C——原配电网等年值成本费用;
Ppeak——网供峰值负荷;
Pmax——配电网最大负荷;
配电网中分布式电源的规划以配电网单位收益年成本费用最小为目标函数,表示为:
minf=Ceq/B
式中:
B——配电网公司售电年收益;
Ceq——配电网公司售电年收益B所需的等值年成本费用。
3.根据权利要求1所述的一种配电网中分布式电源的规划方法,其特征在于,步骤1)中的(2)所述的研究配电网等年值年成本费用的计算中,配电系统的总费用采用LCC模型,按照时间维度划分为购置阶段、运行阶段和报废阶段,其中,
购置阶段费用表达式如下:
Ceq0=Cb+Ci
式中:Cb——购买配电网设备费用;Ci——设备安装费用;
运行阶段费用C1的计算公式:
C1=Cop+Cmi
Cop=EtotalCp
Cmi=Ceq0×d
式中:
Cop——所研究配电网的运行费用;
Cmi——设备维护费用;
Cp——电网公司向上级公司购电电价;
Etotal——所研究配电网总输电量,包含电网的功率损耗;
d——设备维护费用用占初始投资比例,
报废阶段的费用表达式如下:
C2=Ceq0×5%
将运行阶段和报废阶段费用进行折合为等年值费用计算:
Ceq1=(Cop+Cmi)×μ1(r,YP)
Ceq2=Ceq0×5%×μ2(r,YP)
式中:
Ceq1——运行阶段费用折合为等年值费用;
Ceq2——报废阶段的成本折合为等年值费用;
μ1——等年值求现比率;
μ2——将来值求现比率;
r——折现率;
Yp——项目全寿命周期年限。
4.根据权利要求1所述的一种配电网中分布式电源的规划方法,其特征在于,步骤1)中的(3)所述的配电网公司售电年收益的计算表达式如下:
B=(Etotal-Wloss)×Csμ1(r,YP)
式中:
Etotal——所研究配电网总输电量;
Wloss——为所研究的配电网所有支路全年的总的网络损耗;
Cs——配电网公司售电电价;
μ1(r,Yp)——等年值求现比率,该参数与折现率r以及项目全寿命周期年限Yp相关。
5.根据权利要求1所述的一种配电网中分布式电源的规划方法,其特征在于,步骤1)中的(4)中:
所述配电网潮流约束为:
式中:
Pi——节点i处有功注入;
Qi——节点j处无功注入;
Ui、Uj——节点i、j电压幅值;
Gij——支路ij的电导;
Bij——支路ij的电纳;
θij——节点i、j间电压相角差;
所述设备容量约束为:
Pwind<Pwindmax
Ppv<Ppvmax
式中:
Pwind——风力发电机出力;
Pwindmax——风力发电机额定功率;
Ppv——光伏阵列出力;
Ppvmax——光伏阵列额定功率;
所述传输功率约束为:
Pij≤Pijmax
式中:
Pij——支路ij的传输功率;
Pijmax——支路ij最大允许传输功率;
所述电压机会条件约束为:
Pr{Ui|Uimin<Ui<Uimax}≥p
式中:
Pr{}——事件{}发生的概率;
Uimax、Uimin——节点i电压幅值上下限;
p——置信水平。
6.根据权利要求1所述的一种配电网中分布式电源的规划方法,其特征在于,步骤2)所述的建立分布式电源的模型是,依照风速和光照强度的特性曲线将一年依季节划分为春夏秋冬四个场景,每天按小时划分为三个时段,1-6时和23-24时为第一时段,7-9时和18-22时为第二时段,10-17时为第三时段,则一年共划分为4×3=12个场景,风速由威布尔分布的概率密度函数表示,风力发电机出力Pwind与风速v之间的函数关系为:
式中:
vn——风力发电机切入风速;
vr——风力发电机额定风速;
Pwindmax——风力发电机额定功率;
太阳光照强度用Beta分布表示,光伏阵列出力Ppv和太阳光照强度q之间的函数关系如下:
式中:
rn——光伏阵列额定光强;
Ppvmax——光伏阵列额定功率;
配电网系统各节点的负荷的概率分布PLi均采用正态分布,即:
PLi~N(μi(t),σi 2(t))
式中:
μi(t)——为第i个节点负荷在第t个情景中的期望值;
σi 2(t)——为第i个节点负荷在第t个情景中的方差值。
7.根据权利要求1所述的一种配电网中分布式电源的规划方法,其特征在于,步骤3)所述的电力系统的潮流计算是,依步骤2)所建模型,进面得到配电网系统各节点的负荷、风力输电功率和太阳能发电功率的各阶半不变量,采用半不变量与牛顿-拉夫逊潮流计算相结合的概率潮流方法进行潮流计算,电力系统的潮流计算方程为:
W=f(X)
式中:
W——节点注入量;
X——节点状态变量;
将第t0个场景的电力系统的潮流方程线性化:
ΔX(t0)=X(t0)-X0(t0)=J0 -1ΔW(t0)
式中:
X(t0)——第t0个场景的状态变量在基准运行状态的期望;
J0——雅各比矩阵;
依上式由△W(t0)的各阶半不变量得到△X(t0)的各阶半不变量,再利用Gram-Charlier级数展开即可求得第t0个场景的随机变量的分布函数。
8.根据权利要求1所述的一种配电网中分布式电源的规划方法,其特征在于,步骤4)所述的分布式电源接入配电网位置和容量的确定是采用粒子群算法对所建模型进行优化,具体包括如下步骤:
(1)输入配电网的网架参数、风机和光伏阵列的基本参数和粒子群的基本参数,分布式电源候选安装节点集和场景数N;
(2)根据对风速,太阳光照强度情况,负荷的采样情况,统计求得各场景中风速,太阳光照强度情况和负荷的期望值和方差值;
(3)根据各场景风机和光伏阵列的基本参数和风速,太阳光照强度和负荷的期望和方差,求得各场景中风力发电机出力和光伏阵列出力和各节点负荷的各阶半不变量;
(4)随机生成初始粒子群,包括粒子群的初始速度和初始位置;
(5)将场景统计数t置为1;
(6)依据配网的基本参数,第t个情景中风力发电机出力Pwind、光伏阵列出力PPV、配电网中各节点有功负荷Pi、配电网中各节点无功负荷Qi的各阶半不变量,运用半不变量与牛顿-拉夫逊潮流计算方法结合的概率潮流方法进行潮流计算,求得在第t个情景中各支路的潮流分布p(k,t),各节点电压u(i,t)概率分布函数以及线路网损概率分布pi(k,t)和网供负荷概率分布e(i,t),k表示线路编号;
(7)判断各支路的潮流分布p(k,t)是否满足步骤1)中给出的传输功率约束条件式,如果不满足则令惩罚项反之则令惩罚项h1(t)=0,
P(k,t)为第t个情景中支路k的配电网线路传输功率,Pimax为配电网中各节点有功负荷Pi所允许的最大值;
(8)计算各节点电压u(i,t)是否满足步骤1)中给出的电压机会条件约束式:β=Pr{Ui|Uimin<Ui<Uimax},如果β<p令惩罚项h2(t)=9999×(α-β),反之惩罚项h2(t)=0,
式中:
Pr{}——事件{}发生的概率;
Ui——节点i电压幅值;
Uimax、Uimin——节点i电压幅值上下限;
p——置信水平;
(9)令场景统计数t加1,检验更新后的场景统计数t是否大于N,是则进入下一步骤,反之返回步骤(6);
(10)计算惩罚项
(11)根据步骤(6)的结果分别计算年总的网络损耗Wloss,一年配电网总输电量Etotal,网供峰值负荷Ppeak,计算配电网公司售电年收益及配电网中分布式电源的规划的目标函数f;
(12)计算适应度obj,适应度obj取值为目标函数f与惩罚项h之和;
(13)判断粒子群算法是否满足终止条件,即是否达到最大遗传代数,如果是,则结束,输出最优解,反之,则进入下一步;
(14)进行粒子群的更新操作,形成新的粒子群位置和粒子群速度,并返回步骤(5)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410638076.7A CN104376410B (zh) | 2014-11-06 | 2014-11-06 | 一种配电网中分布式电源的规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410638076.7A CN104376410B (zh) | 2014-11-06 | 2014-11-06 | 一种配电网中分布式电源的规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104376410A CN104376410A (zh) | 2015-02-25 |
CN104376410B true CN104376410B (zh) | 2017-08-08 |
Family
ID=52555305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410638076.7A Active CN104376410B (zh) | 2014-11-06 | 2014-11-06 | 一种配电网中分布式电源的规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104376410B (zh) |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105279578B (zh) * | 2015-10-27 | 2018-10-12 | 天津大学 | 一种主动配电网区域电源优化配置双层规划方法 |
CN106339773B (zh) * | 2016-08-11 | 2020-03-10 | 中国电力科学研究院 | 基于灵敏度的主动配电网分布式电源定容规划方法 |
CN106230026B (zh) * | 2016-08-30 | 2021-04-16 | 华北电力大学(保定) | 基于时序特性分析的含分布式电源的配电网双层协调规划方法 |
CN106227986A (zh) * | 2016-09-29 | 2016-12-14 | 华北电力大学 | 一种分布式电源与智能停车场的联合部署方法及装置 |
CN106487005B (zh) * | 2016-11-14 | 2019-01-18 | 国网浙江省电力公司经济技术研究院 | 一种考虑输配电价的电网规划方法 |
CN107274052A (zh) * | 2017-05-02 | 2017-10-20 | 广东电网有限责任公司佛山供电局 | 含分布式能源的配电网运营经济性评估方法和系统 |
CN107301472B (zh) * | 2017-06-07 | 2020-06-26 | 天津大学 | 基于场景分析法和电压调节策略的分布式光伏规划方法 |
CN109117955A (zh) * | 2017-06-22 | 2019-01-01 | 南京理工大学 | 一种基于粒子群优化算法的电力系统规划方法 |
CN107332239B (zh) * | 2017-08-07 | 2020-04-21 | 中国南方电网有限责任公司电网技术研究中心 | 一种基于配电网等值的输配电网协调规划方法 |
CN107612016B (zh) * | 2017-08-08 | 2020-01-14 | 西安理工大学 | 基于电压最大相关熵的配电网中分布式电源的规划方法 |
CN107908877B (zh) * | 2017-11-16 | 2020-11-03 | 广东电网有限责任公司电力科学研究院 | 一种建立分布式电源规划数学模型的方法及装置 |
CN108039723B (zh) * | 2017-11-27 | 2020-09-25 | 国网江西省电力有限公司经济技术研究院 | 一种考虑功率随机性的配电网分布式电源容量评估方法 |
CN107944631B (zh) * | 2017-12-01 | 2021-08-24 | 国家电网公司 | 一种基于向量序优化的配电网分布式电源规划方法 |
CN108288231B (zh) * | 2018-01-19 | 2019-12-13 | 广东电网有限责任公司河源供电局 | 一种分布式光伏接入对配电台区负荷特性影响的评估方法 |
CN108320085A (zh) * | 2018-01-23 | 2018-07-24 | 太原理工大学 | 一种基于粒子群随机优化的分布式电源接纳能力评估方法 |
CN109190792B (zh) * | 2018-07-26 | 2022-05-24 | 中国电力科学研究院有限公司 | 一种确定配电网中分布式电源的配置的方法和系统 |
CN109508823B (zh) * | 2018-11-06 | 2021-06-15 | 西安理工大学 | 一种基于场景分析法的配电网中分布式电源规划方法 |
CN109508499B (zh) * | 2018-11-15 | 2022-10-04 | 国网江苏省电力有限公司经济技术研究院 | 多时段多场景分布式电源最优接入位置与容量研究方法 |
CN109818369B (zh) * | 2018-11-28 | 2022-11-08 | 河海大学 | 一种计及出力模糊随机性的分布式电源规划方法 |
CN109659973B (zh) * | 2018-11-28 | 2022-11-08 | 河海大学 | 一种基于改进型直流潮流算法的分布式电源规划方法 |
CN109670981B (zh) * | 2018-11-30 | 2022-12-13 | 国网江西省电力有限公司经济技术研究院 | 基于利益均衡及规划运行交替优化的主动配电网规划方法 |
CN109754123B (zh) * | 2019-01-12 | 2023-04-07 | 国网江西省电力有限公司经济技术研究院 | 馈线供电范围划分的旋转中心线距离加权交替定位方法 |
CN110266010B (zh) * | 2019-05-30 | 2023-01-17 | 武汉大学 | 直流配电网网架结构与分布式光伏多目标协同优化方法 |
CN110852565B (zh) * | 2019-10-10 | 2023-05-12 | 国家电网有限公司 | 一种考虑不同功能属性的输电网网架规划方法 |
CN111162517B (zh) * | 2019-11-22 | 2021-07-20 | 国网四川省电力公司经济技术研究院 | 计及源荷相关性含电动汽车的分布式电源选址定容方法 |
CN111682574B (zh) * | 2020-06-18 | 2021-10-15 | 国网江苏省电力有限公司电力科学研究院 | 一种交直流混联系统运行场景辨识方法、存储介质和设备 |
CN111682539B (zh) * | 2020-06-30 | 2024-01-19 | 国网山东省电力公司威海供电公司 | 基于简化综合场景的含分布式电源电网的分区方法及系统 |
CN112085362B (zh) * | 2020-08-31 | 2023-04-21 | 国网河南省电力公司经济技术研究院 | 一种计及灵活资源调节潜力的新能源配电网规划系统 |
CN112131695B (zh) * | 2020-09-30 | 2024-05-07 | 国网河北省电力有限公司经济技术研究院 | 源网协同规划方法及终端设备 |
CN112446175B (zh) * | 2020-12-01 | 2022-07-12 | 国网江苏省电力有限公司南通供电分公司 | 基于配电网概率潮流计算的分布式电源选址优化方法 |
CN112561273B (zh) * | 2020-12-08 | 2022-04-05 | 上海电机学院 | 一种基于改进pso的主动配电网可再生dg规划方法 |
CN112686514A (zh) * | 2020-12-23 | 2021-04-20 | 华北电力大学 | 一种直流配电网综合规划方法 |
CN112766602A (zh) * | 2021-01-30 | 2021-05-07 | 上海电机学院 | 一种改进的分布式电源选址定容方法 |
CN113098040B (zh) * | 2021-04-09 | 2023-07-11 | 国网新疆电力有限公司经济技术研究院 | 一种获取多场景收益的电网侧储能容量优化配置方法 |
CN113972659B (zh) * | 2021-11-04 | 2024-02-02 | 国网冀北电力有限公司经济技术研究院 | 一种考虑随机潮流的储能配置方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102684228A (zh) * | 2012-05-17 | 2012-09-19 | 湖南大学 | 基于互补的间歇分布式电源优化配置方法 |
CN102903016A (zh) * | 2012-09-28 | 2013-01-30 | 南方电网科学研究院有限责任公司 | 一种分布式发电规划方法 |
CN103337039A (zh) * | 2013-04-28 | 2013-10-02 | 国家电网公司 | 一种多目标多约束的中长期购电决策方法 |
CN103353979A (zh) * | 2013-05-31 | 2013-10-16 | 国家电网公司 | 一种分布式电源的优化选址与定容方法 |
CN103490410A (zh) * | 2013-08-30 | 2014-01-01 | 江苏省电力设计院 | 一种基于多目标优化的微电网规划和容量配置方法 |
CN103903073A (zh) * | 2014-04-23 | 2014-07-02 | 河海大学 | 一种含分布式电源及储能的微电网优化规划方法及系统 |
-
2014
- 2014-11-06 CN CN201410638076.7A patent/CN104376410B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102684228A (zh) * | 2012-05-17 | 2012-09-19 | 湖南大学 | 基于互补的间歇分布式电源优化配置方法 |
CN102903016A (zh) * | 2012-09-28 | 2013-01-30 | 南方电网科学研究院有限责任公司 | 一种分布式发电规划方法 |
CN103337039A (zh) * | 2013-04-28 | 2013-10-02 | 国家电网公司 | 一种多目标多约束的中长期购电决策方法 |
CN103353979A (zh) * | 2013-05-31 | 2013-10-16 | 国家电网公司 | 一种分布式电源的优化选址与定容方法 |
CN103490410A (zh) * | 2013-08-30 | 2014-01-01 | 江苏省电力设计院 | 一种基于多目标优化的微电网规划和容量配置方法 |
CN103903073A (zh) * | 2014-04-23 | 2014-07-02 | 河海大学 | 一种含分布式电源及储能的微电网优化规划方法及系统 |
Non-Patent Citations (4)
Title |
---|
Distribution Network Planning Principles and Design Models;GE Shao-yun et al;《2010 China International Conference on Electricity Distribution》;20110322;1-6 * |
基于系统状态转移抽样的含分布式电源配电网可靠性评估;葛少云 等;《电力系统自动化》;20130125;第37卷(第2期);28-35 * |
配电网扩展规划中分布式电源的选址和定容;王成山 等;《电力系统自动化》;20060210;第30卷(第3期);38-43 * |
配电网规划中分布式电源的选址和定容的研究;张婷婷;《中国优秀硕士学位论文全文数据库》;20100919(第9期);1-50 * |
Also Published As
Publication number | Publication date |
---|---|
CN104376410A (zh) | 2015-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104376410B (zh) | 一种配电网中分布式电源的规划方法 | |
Xu et al. | Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS | |
Ridha et al. | Multi-objective optimization and multi-criteria decision-making methods for optimal design of standalone photovoltaic system: A comprehensive review | |
Sawle et al. | Review of hybrid renewable energy systems with comparative analysis of off-grid hybrid system | |
Yang et al. | Optimal sizing and placement of energy storage system in power grids: A state-of-the-art one-stop handbook | |
Yuan et al. | Stochastic optimization model for the short-term joint operation of photovoltaic power and hydropower plants based on chance-constrained programming | |
Yan et al. | Two-stage adjustable robust optimal dispatching model for multi-energy virtual power plant considering multiple uncertainties and carbon trading | |
Chen et al. | Credible capacity calculation method of distributed generation based on equal power supply reliability criterion | |
Gupta et al. | A robust optimization based approach for microgrid operation in deregulated environment | |
Korpaas et al. | Operation and sizing of energy storage for wind power plants in a market system | |
Saber et al. | A scenario-based planning framework for energy storage systems with the main goal of mitigating wind curtailment issue | |
CN107464010A (zh) | 一种虚拟电厂容量优化配置方法 | |
CN103854070A (zh) | 独立微网系统的随机优化规划方法 | |
Ru et al. | Exact sizing of battery capacity for photovoltaic systems | |
Feng et al. | Optimization analysis of energy storage application based on electricity price arbitrage and ancillary services | |
Zhang et al. | Research on the optimal allocation method of source and storage capacity of integrated energy system considering integrated demand response | |
CN111967639B (zh) | 计及风光出力和价格需求响应的配电网优化方法及系统 | |
Channon et al. | The cost of balancing a parabolic trough concentrated solar power plant in the Spanish electricity spot markets | |
Zhang et al. | Design and operation optimization of city-level off-grid hydro–photovoltaic complementary system | |
CN104578160A (zh) | 一种微网能量控制方法 | |
Basu | Heat and power generation augmentation planning of isolated microgrid | |
Borkowski et al. | Battery energy storage system for grid-connected photovoltaic farm–Energy management strategy and sizing optimization algorithm | |
Kong et al. | A two-stage distributionally robust optimization model for optimizing water-hydrogen complementary operation under multiple uncertainties | |
Pruckner et al. | A study on the impact of packet loss and latency on real-time demand response in smart grid | |
Kang et al. | Multi-objective sizing and real-time scheduling of battery energy storage in energy-sharing community based on reinforcement learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |