CN104463365A - 基于配网自动化的无功电压优化分析评估方法 - Google Patents
基于配网自动化的无功电压优化分析评估方法 Download PDFInfo
- Publication number
- CN104463365A CN104463365A CN201410737076.2A CN201410737076A CN104463365A CN 104463365 A CN104463365 A CN 104463365A CN 201410737076 A CN201410737076 A CN 201410737076A CN 104463365 A CN104463365 A CN 104463365A
- Authority
- CN
- China
- Prior art keywords
- node
- particle
- voltage
- reactive
- formula
- 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
- 238000000034 method Methods 0.000 title claims abstract description 8
- 238000013433 optimization analysis Methods 0.000 title abstract 3
- 239000002245 particle Substances 0.000 claims abstract description 62
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims description 14
- 108090000623 proteins and genes Proteins 0.000 claims description 12
- 239000000243 solution Substances 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000002950 deficient Effects 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 210000003813 thumb Anatomy 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 abstract 1
- 238000010025 steaming Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 206010049669 Dyscalculia Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001131 transforming effect 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及基于配网自动化的无功电压优化分析评估方法。本发明提供的基于配网自动化的无功电压优化分析评估方法,通过采用随机微粒群优化算法并选择合理的计算参数及计算公式,可以科学地配电网无功电压进行分析评估,合理地装备电网设备,使电网可以达到明显的降损节能功效,在降低末端电压的同时还可以更多地为电流提供流动可能,从而大大加强了输电能力,同时也扩大了系统的总容量。
Description
技术领域
本发明涉及基于配网自动化的无功电压优化分析评估方法。
背景技术
目前,国内配网自动化系统处于初步阶段,大部分地区已建设配网自动化系统,配网各点数据也已采集,但只是对配电的运行水平的初步了解,其内部配电网的无功电压运行管理水平、装备水平、运行状况、负载能力等还存在严重的不足;具体地说:1、配电网线路过长,支路数目庞大、负荷变化不断、季节性明显,且各配变大多使用无载变压器,造成10kV母线电压控制效果不明显,且配网的潮流分布计算困难;2、配电网无功补偿装置配置不合理,设备老化,基本设施建设不够牢固,导致安装的补偿装置得不到有效的发挥,不能产生最大化的经济效益;3、无功容量的设计没有考虑客户的需求,设计不合理;4、配网自动化系统新建,在线监控的无功设备少,造成软件没有有效的发挥控制效果,且在软件控制方面可借鉴的不多,对10kV以下配电网优化问题认识不够深入;5、硬件方面相关的自动化设备配置不完善,基础设施建设较差,线路和其他设备使用年限较长,通信能力不足,使得自动化系统使用过程中较为困难;因此,急需利用配网自动化系统针对10kV配电网的无功电压进行分析评估,实现配电网的无功资源优化配置,使配电网的有功损耗最小,无功补偿设备的投资最少,并有效的指导配电网技术改造工作。
发明内容
本发明提供的基于配网自动化的无功电压优化分析评估方法,旨在克服现有技术中无法对配电网无功电压进行分析评估,造成电网装置配备不合理、电网架设成本高的不足。
为了解决上述技术问题,本发明采用如下技术方案:基于配网自动化的无功电压优化分析评估方法,该方法基于随机微粒群优化算法,随机微粒群优化算法包括:
目标函数,以多负荷状态下网损费用与总投资额之和最小为目标函数,公式如下:
式中:N为规划年数;Kp为电价(万元/kwh);S为负荷状态数;tik为第i年第k种负荷状态的持续时间(h);PLik第i年第k种负荷状态下系统电能损耗(kw);Qi k、分别为第i年第k种负荷状态下无功电源容量、可调变压器变比,H为系统节点集;Mj为节点j上无功电源的年维护费用;表示第i年节点j是否安装无功电源的0-1决策变量;为第i年在节点j上无功电源安装费用;r为贴现率;m为无功电源的使用年限(年);Ki为第i年无功电源的成本单价(元/kVar):表示第i年节点j上安装的无功电源的容量;
约束方程为:
Umin<Ui<Umax
0<Qi<Qmax
Tmin<Ti<Tmax
式中Pi、Qi表示节点i的注入有功、无功;Ui、Uj为节点i,j的电压;Gij、Bij为节点i、j之间的电导、电纳;θij为节点i、j之间的电压相角差;j∈N表示所有与节点i相连的节点;
粒子群优化算法初始化为一群随机粒子,然后通过叠代找到最优解,在每一次叠代中,粒子通过跟踪两个“极值”来更新自己;第一个就是粒子本身所找到的最优解;这个解叫做个体极值pBest,另一个极值是整个种群目前找到的最优解,这个极值是全局极值gBest,在找到这两个最优值时,粒子根据如下的公式来更新自己的速度和新的位置:
V=w*V+c1*rand()*(pBest-Present)+c2*rand()*(gBest-Present)
Present=Present+V
式中V是粒子的速度,Present是当前粒子的位置,pBest和gBest如前定义,rand()是介于(0,1)之间的随机数,c1,c2是学习因子;w是加权系数取值在0.1至0.9之间;
规定节点电压必须满足定义的上下限,当前默认节点电压上下限值为1.1和0.9,若偏低或偏高则修正到平均值1;节点功率合格因数也必须满足定义大小,默认0.85为合格,若不满足要求则至少修正到0.85;
电压约束:
电压U需满足用户定义的上下限,默认当前下限和上限分别为0.9、1.1,如果经潮流计算后电压偏低或偏高时,则把基因修正到通过计算后电压U能达到1的状态,计算公式如下:
式中,U表示当前计算得出的节点电压大小,ΔU表示不满足条件时U需要修正的差值,R、X分别表示当前节点的阻抗值,P、Q分别表示该节点注入的有功和无功大小;
假设当前基因中的无功补偿大小为Qoriginal,计算出需要修正的无功ΔQ的值,公式如下:
功率因数约束:
通过计算,功率合格因数需要满足规定的大小,默认至少达到0.85,如果不满足则将对基因修正,增加或减少无功补偿值Q,直至功率因数达标;功率因数的计算公式如下:
同样,假设当前基因中的无功补偿大小为Qoriginal,计算出需要修正的无功ΔQ的值,公式如下:
式中取
若某节点的电压和功率因数均不合格时,默认选择两种修正方案中无功修正值较大的方案;
粒子群优化算法的步骤如下:
①优化变量编码,初始化粒子以及粒子速度;
②粒子适应度检测操作;
③跟新粒子速度及粒子位置;
④种群根据适应值进行复制;
⑤若不满足随机微粒群优化算法的终止条件,则重复步骤②至步骤④,直到满足终止条件为止;
基于配网自动化的无功电压优化分析评估方法,包括以步骤:
步骤一:读入原始数据参数,确定候选无功补偿点位置;
步骤二:计算各个节点上各种容量的概率,并优化变量编码初始化粒子;
步骤三:跟新粒子速度及粒子位置;
步骤四:随机搜索无功电源的安装位置和容量,计算网络潮流、运行费用及投资费用;
步骤五:若不满足随机微粒群优化算法的终止条件,则重复步骤二至步骤四,直到满足终止条件为止。
作为优选,所述学习因子c1=c2=2,通过设置两个相等的学习因子且使学习因子等于2,该参数的设置使公式求得的值更加合理。
本发明提供的基于配网自动化的无功电压优化分析评估方法,具有如下优点:通过采用随机微粒群优化算法并选择合理的计算参数及计算公式,可以科学地配电网无功电压进行分析评估,合理地装备电网设备,使电网可以达到明显的降损节能功效,在降低末端电压的同时还可以更多地为电流提供流动可能,从而大大加强了输电能力,同时也扩大了系统的总容量;本发明提高系统供电可靠性、稳定运行能力,同时能够确保电能质量合格,改善电能质量;分析10kV配电网线路无功潮流分布,实现10kV无功分层、分区就地平衡,提高配电网功率因数和配电网无功电压管理和自动化水平;满足目前的配电网无功电压优化要求,使电网调度自动化水平大幅度提高,为无功电压管理水平的提高提供了条件,对配电网的无功合理规划和优化可以具有很好的社会和经济效益。
具体实施方式
基于配网自动化的无功电压优化分析评估方法,该方法基于随机微粒群优化算法,随机微粒群优化算法包括:
目标函数,以多负荷状态下网损费用与总投资额之和最小为目标函数,公式如下:
式中:N为规划年数;Kp为电价(万元/kwh);S为负荷状态数;tik为第i年第k种负荷状态的持续时间(h);PLik第i年第k种负荷状态下系统电能损耗(kw);Qi k、分别为第i年第k种负荷状态下无功电源容量、可调变压器变比,H为系统节点集;Mj为节点j上无功电源的年维护费用;表示第i年节点j是否安装无功电源的0-1决策变量;为第i年在节点j上无功电源安装费用;r为贴现率;m为无功电源的使用年限(年);Ki为第i年无功电源的成本单价(元/kVar):表示第i年节点j上安装的无功电源的容量;
约束方程为:
Umin<Ui<Umax
0<Qi<Qmax
Tmin<Ti<Tmax
式中Pi、Qi表示节点i的注入有功、无功;Ui、Uj为节点i,j的电压;Gij、Bij为节点i、j之间的电导、电纳;θij为节点i、j之间的电压相角差;j∈N表示所有与节点i相连的节点;
粒子群优化算法初始化为一群随机粒子,然后通过叠代找到最优解,在每一次叠代中,粒子通过跟踪两个“极值”来更新自己;第一个就是粒子本身所找到的最优解;这个解叫做个体极值pBest,另一个极值是整个种群目前找到的最优解,这个极值是全局极值gBest,在找到这两个最优值时,粒子根据如下的公式来更新自己的速度和新的位置:
V=w*V+c1*rand()*(pBest-Present)+c2*rand()*(gBest-Present)
Present=Present+V
式中V是粒子的速度,Present是当前粒子的位置,pBest和gBest如前定义,rand()是介于(0,1)之间的随机数,c1,c2是学习因子;所述学习因子c1=c2=2,w是加权系数取值在0.1至0.9之间;
规定节点电压必须满足定义的上下限,当前默认节点电压上下限值为1.1和0.9,若偏低或偏高则修正到平均值1;节点功率合格因数也必须满足定义大小,默认0.85为合格,若不满足要求则至少修正到0.85;
电压约束:
电压U需满足用户定义的上下限,默认当前下限和上限分别为0.9、1.1,如果经潮流计算后电压偏低或偏高时,则把基因修正到通过计算后电压U能达到1的状态,计算公式如下:
式中,U表示当前计算得出的节点电压大小,ΔU表示不满足条件时U需要修正的差值,R、X分别表示当前节点的阻抗值,P、Q分别表示该节点注入的有功和无功大小;
假设当前基因中的无功补偿大小为Qoriginal,计算出需要修正的无功ΔQ的值,公式如下:
功率因数约束:
通过计算,功率合格因数需要满足规定的大小,默认至少达到0.85,如果不满足则将对基因修正,增加或减少无功补偿值Q,直至功率因数达标;功率因数的计算公式如下:
同样,假设当前基因中的无功补偿大小为Qoriginal,计算出需要修正的无功ΔQ的值,公式如下:
式中取
若某节点的电压和功率因数均不合格时,默认选择两种修正方案中无功修正值较大的方案;
粒子群优化算法的步骤如下:
①优化变量编码,初始化粒子以及粒子速度;
②粒子适应度检测操作;
③跟新粒子速度及粒子位置;
④种群根据适应值进行复制;
⑤若不满足随机微粒群优化算法的终止条件,则重复步骤②至步骤④,直到满足终止条件为止;
基于配网自动化的无功电压优化分析评估方法,包括以步骤:
步骤一:读入原始数据参数,确定候选无功补偿点位置;
步骤二:计算各个节点上各种容量的概率,并优化变量编码初始化粒子;
步骤三:跟新粒子速度及粒子位置;
步骤四:随机搜索无功电源的安装位置和容量,计算网络潮流、运行费用及投资费用;
步骤五:若不满足随机微粒群优化算法的终止条件,则重复步骤二至步骤四,直到满足终止条件为止。
以上仅为本发明的优选实施方式,旨在体现本发明的突出技术效果和优势,并非是对本发明的技术方案的限制。本领域技术人员应当了解的是,一切基于本发明技术内容所做出的修改、变化或者替代技术特征,皆应涵盖于本发明所附权利要求主张的技术范畴内。
Claims (2)
1.基于配网自动化的无功电压优化分析评估方法,其特征在于,该方法基于随机微粒群优化算法,随机微粒群优化算法包括:
目标函数,以多负荷状态下网损费用与总投资额之和最小为目标函数,公式如下:
式中:N为规划年数;Kp为电价(万元/kwh);S为负荷状态数;tik为第i年第k种负荷状态的持续时间(h);PLik第i年第k种负荷状态下系统电能损耗(kw);分别为第i年第k种负荷状态下无功电源容量、可调变压器变比,H为系统节点集;Mj为节点j上无功电源的年维护费用;表示第i年节点j是否安装无功电源的0-1决策变量;为第i年在节点j上无功电源安装费用;r为贴现率;m为无功电源的使用年限(年);Ki为第i年无功电源的成本单价(元/kVar):表示第i年节点j上安装的无功电源的容量;
约束方程为:
Umin<Ui<Umax
0<Qi<Qmax
Tmin<Ti<Tmax
式中Pi、Qi表示节点i的注入有功、无功;Ui、Uj为节点i,j的电压;Gij、Bij为节点i、j之间的电导、电纳;θij为节点i、j之间的电压相角差;j∈N表示所有与节点i相连的节点;
粒子群优化算法初始化为一群随机粒子,然后通过叠代找到最优解,在每一次叠代中,粒子通过跟踪两个“极值”来更新自己;第一个就是粒子本身所找到的最优解;这个解叫做个体极值pBest,另一个极值是整个种群目前找到的最优解,这个极值是全局极值gBest,在找到这两个最优值时,粒子根据如下的公式来更新自己的速度和新的位置:
V=w*V+c1*rand()*(pBest-Present)+c2*rand()*(gBest-Present)
Present=Present+V
式中V是粒子的速度,Present是当前粒子的位置,pBest和gBest如前定义,rand()是介于(0,1)之间的随机数,c1,c2是学习因子;w是加权系数取值在0.1至0.9之间;
规定节点电压必须满足定义的上下限,当前默认节点电压上下限值为1.1和0.9,若偏低或偏高则修正到平均值1;节点功率合格因数也必须满足定义大小,默认0.85为合格,若不满足要求则至少修正到0.85;
电压约束:
电压U需满足用户定义的上下限,默认当前下限和上限分别为0.9、1.1,如果经潮流计算后电压偏低或偏高时,则把基因修正到通过计算后电压U能达到1的状态,计算公式如下:
式中,U表示当前计算得出的节点电压大小,ΔU表示不满足条件时U需要修正的差值,R、X分别表示当前节点的阻抗值,P、Q分别表示该节点注入的有功和无功大小;
假设当前基因中的无功补偿大小为Qoriginal,计算出需要修正的无功ΔQ的值,公式如下:
功率因数约束:
通过计算,功率合格因数需要满足规定的大小,默认至少达到0.85,如果不满足则将对基因修正,增加或减少无功补偿值Q,直至功率因数达标;功率因数的计算公式如下:
同样,假设当前基因中的无功补偿大小为Qoriginal,计算出需要修正的无功ΔQ的值,公式如下:
式中取
若某节点的电压和功率因数均不合格时,默认选择两种修正方案中无功修正值较大的方案;
粒子群优化算法的步骤如下:
①优化变量编码,初始化粒子以及粒子速度;
②粒子适应度检测操作;
③跟新粒子速度及粒子位置;
④种群根据适应值进行复制;
⑤若不满足随机微粒群优化算法的终止条件,则重复步骤②至步骤④,直到满足终止条件为止;
基于配网自动化的无功电压优化分析评估方法,包括以步骤:
步骤一:读入原始数据参数,确定候选无功补偿点位置;
步骤二:计算各个节点上各种容量的概率,并优化变量编码初始化粒子;
步骤三:跟新粒子速度及粒子位置;
步骤四:随机搜索无功电源的安装位置和容量,计算网络潮流、运行费用及投资费用;
步骤五:若不满足随机微粒群优化算法的终止条件,则重复步骤二至步骤四,直到满足终止条件为止。
2.根据权利要求1所述的基于配网自动化的无功电压优化分析评估方法,其特征在于:所述学习因子c1=c2=2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410737076.2A CN104463365B (zh) | 2014-12-04 | 2014-12-04 | 基于配网自动化的无功电压优化分析评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410737076.2A CN104463365B (zh) | 2014-12-04 | 2014-12-04 | 基于配网自动化的无功电压优化分析评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104463365A true CN104463365A (zh) | 2015-03-25 |
CN104463365B CN104463365B (zh) | 2017-10-24 |
Family
ID=52909369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410737076.2A Active CN104463365B (zh) | 2014-12-04 | 2014-12-04 | 基于配网自动化的无功电压优化分析评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104463365B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104868481A (zh) * | 2015-05-06 | 2015-08-26 | 国家电网公司 | 一种使配电网络全天有功损耗最小的电容补偿方法 |
CN108110752A (zh) * | 2017-12-06 | 2018-06-01 | 中国南方电网有限责任公司 | 一种自适应电网负荷变化的日前计划方式无功优化方法 |
CN116365536A (zh) * | 2023-06-01 | 2023-06-30 | 国网安徽省电力有限公司合肥供电公司 | 一种基于电力配电的低压无功精准性补偿方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472731A (zh) * | 2013-09-24 | 2013-12-25 | 南方电网科学研究院有限责任公司 | 一种微电网小信号稳定性分析并参数协调整定的方法 |
CN103972908A (zh) * | 2014-05-23 | 2014-08-06 | 国家电网公司 | 一种基于自适应混沌粒子群算法的多目标无功优化方法 |
CN104037776A (zh) * | 2014-06-16 | 2014-09-10 | 国家电网公司 | 随机惯性因子粒子群优化算法的电网无功容量配置方法 |
CN104166877A (zh) * | 2014-05-31 | 2014-11-26 | 徐多 | 基于改进二进制粒子群优化算法的微网优化运行方法 |
-
2014
- 2014-12-04 CN CN201410737076.2A patent/CN104463365B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472731A (zh) * | 2013-09-24 | 2013-12-25 | 南方电网科学研究院有限责任公司 | 一种微电网小信号稳定性分析并参数协调整定的方法 |
CN103972908A (zh) * | 2014-05-23 | 2014-08-06 | 国家电网公司 | 一种基于自适应混沌粒子群算法的多目标无功优化方法 |
CN104166877A (zh) * | 2014-05-31 | 2014-11-26 | 徐多 | 基于改进二进制粒子群优化算法的微网优化运行方法 |
CN104037776A (zh) * | 2014-06-16 | 2014-09-10 | 国家电网公司 | 随机惯性因子粒子群优化算法的电网无功容量配置方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104868481A (zh) * | 2015-05-06 | 2015-08-26 | 国家电网公司 | 一种使配电网络全天有功损耗最小的电容补偿方法 |
CN104868481B (zh) * | 2015-05-06 | 2017-11-14 | 国家电网公司 | 一种使配电网络全天有功损耗最小的电容补偿方法 |
CN108110752A (zh) * | 2017-12-06 | 2018-06-01 | 中国南方电网有限责任公司 | 一种自适应电网负荷变化的日前计划方式无功优化方法 |
CN108110752B (zh) * | 2017-12-06 | 2021-03-12 | 中国南方电网有限责任公司 | 一种自适应电网负荷变化的日前计划方式无功优化方法 |
CN116365536A (zh) * | 2023-06-01 | 2023-06-30 | 国网安徽省电力有限公司合肥供电公司 | 一种基于电力配电的低压无功精准性补偿方法 |
CN116365536B (zh) * | 2023-06-01 | 2023-08-11 | 国网安徽省电力有限公司合肥供电公司 | 一种基于电力配电的低压无功精准性补偿方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104463365B (zh) | 2017-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108470231B (zh) | 考虑储能系统量化特征的配电网分布式储能选址定容方法 | |
Kordkheili et al. | Determining maximum photovoltaic penetration in a distribution grid considering grid operation limits | |
CN105356481B (zh) | 一种基于多馈入短路比的动态无功补偿选点方法 | |
CN105186556A (zh) | 基于改进免疫粒子群算法的大型光伏电站无功优化方法 | |
CN105243432B (zh) | 基于nsga-ⅲ的upfc选址和容量多目标配置方法 | |
CN105243516A (zh) | 基于主动配电网的分布式光伏发电最大消纳能力计算系统 | |
Huang et al. | Hybrid optimisation method for optimal power flow using flexible AC transmission system devices | |
CN108023364A (zh) | 基于凸差规划的配电网分布式电源最大接入能力计算方法 | |
CN106655177A (zh) | 基于扩展二阶锥规划的分布式电源最大接入能力计算方法 | |
CN104361405A (zh) | 一种基于容量限值约束的微网储能装置设计方法 | |
CN105069236A (zh) | 考虑风电场节点空间相关性的广义负荷联合概率建模方法 | |
CN103824124B (zh) | 一种针对电网公司的节能潜力评估方法 | |
CN105046593A (zh) | 一种符合低碳能源政策的智能配用电评价方法 | |
CN104463365A (zh) | 基于配网自动化的无功电压优化分析评估方法 | |
CN104578091A (zh) | 一种含多源电网的无延时最优无功协调控制系统及方法 | |
CN114069687A (zh) | 一种计及逆变器无功调节作用的分布式光伏规划方法 | |
Manas et al. | Optimal distributed generator sizing and placement by analytical method and fuzzy expert system: a case study in Tezpur University, India | |
CN108988329B (zh) | 一种电力系统节能发电调度控制器及调度方法 | |
CN105426985A (zh) | 一种适应于屋顶光伏接入的城市配电网电压分布优化方法 | |
CN106203742B (zh) | 一种基于节能回报率的电网设备节能评价及选型方法 | |
CN109066709B (zh) | 一种基于元模型的分布式电源就地电压控制策略改进方法 | |
CN103326376B (zh) | 一种基于功率圆切点的放射式电网无功优化控制方法 | |
CN106340906A (zh) | 基于改进遗传算法的交直流系统低压减载优化方法 | |
CN110912189A (zh) | 一种含分布式光伏的农村配电网适应性规划方法及系统 | |
Jinjin et al. | Clusters partitioning of distribution network with distributed renewable generators |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |