CN104716672A - 一种电力系统中使分布式电源接入主动配电网的方法 - Google Patents
一种电力系统中使分布式电源接入主动配电网的方法 Download PDFInfo
- Publication number
- CN104716672A CN104716672A CN201510107974.4A CN201510107974A CN104716672A CN 104716672 A CN104716672 A CN 104716672A CN 201510107974 A CN201510107974 A CN 201510107974A CN 104716672 A CN104716672 A CN 104716672A
- Authority
- CN
- China
- Prior art keywords
- micro
- capacitance sensor
- power source
- distributed power
- matrix
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种电力系统中使分布式电源接入主动配电网的方法,属于电力系统动态性能分析技术领域。本方法在建立精确分布式电源模型的基础上,借助遗传算法的通用框架求解复杂的非线性动态问题,外界环境变化通过模型状态输出量变化来体现,将主动配电网络节点状态统一起来,通过流程相对简单的算法进行处理,可以方便的在电路分析平台中实现。本方法采用了基于实数编码的遗传算法,算法结构和流程固定,可以借助计算机编程实现,便于较大规模的分布式电源并网分析,计算过程简单高效。在系统层面协调控制的基础上可以研究较大规模分布式电源并网对主动配电网稳态和暂态性能的影响,分析结果可靠。
Description
技术领域
本发明涉及一种电力系统中使分布式电源接入主动配电网的方法,属于电力系统动态性能分析技术领域。
背景技术
目前分布式电源主要包括光伏并网发电系统、燃料电池并网发电系统、微型燃气轮机并网发电系统、蓄电池储能系统以及风力并网发电系统等。研究分布式电源并网对主动配电网的影响至少需要考虑两个方面的内容:分布式电源建模和主动配电网控制策略。现有的分析方法以建立较为精确的分布式电源模型为主,系统级的控制和协调出力并没有深入研究。而实际运行过程中不同时刻下对应的外界环境情况不同,分布式电源最佳出力和出力状况不同,分布式电源之间出力的协调情况也不相同。为了保证配电网络运行情况符合实际,研究分布式电源与主动配电网之间的相互作用需要考虑系统的控制协调策略,在建立精确分布式电源模型的基础上,结合外界环境变化,研究分布式电源并网的影响。
针对不同的分布式电源,研究其对配电网短路电流、继电保护和电压分布等的影响,需要根据分布式电源类型设置外界环境变化参数,考虑光照强度、风速、压力机特性、分布式电源类型、储能类型及方式等因素。分布式电源随外界环境参数变化其出力结果不同,需要在模型中较为精确地体现出来。
常见的光伏电池数学模型主要包括理想模型、单二极管模型和双二极管模型。光伏电池等效电路如图1所示,忽略电池内部所有损耗,光伏电池由一个光生电流源Iph和一个二极管D并联组成。其中二极管不是一个在导通和关断两种模式间切换的理想型开关元件,其电压和电流之间存在连续性非线性关系。同时还考虑内部损耗,通过增加串联电阻Rs和并联电阻Rsh来模拟。其输出伏安特性为:
式中,V为光伏电池输出电压;I为光伏电池输出电流;Iph为光生电流源电流;Is为二极管饱和电流;q为电子电量常量,为1.602e-19C;k为玻尔兹曼常数,为1.831e-31J/K;T为光伏电池工作绝对温度值;A为二极管特性拟合系数,在单二极管模型中是一个变量;Rs为光伏电池串联电阻;Rsh为光伏电池并联电阻。
另外光伏并网的控制部分由MPPT控制器、电压调节器、电流调节器三部分组成,其结构如图2所示。MPPT控制器通过测量光伏电池电压VPV、电流IPV给出目标电压值V* PV;电压调节器通过测量光伏电池电压VPV,经PI调节给出电感电流目标值I* L;电流调节器通过测量光伏电池电流IPV,经PI调节给出boost斩波器的PWM占空比D。
常用的铅蓄电池模型通常可以分为实验模型、电化学模型和等效电路模型三种,其中等效电路模型适用于动态特性仿真。一种蓄电池通用等效电路模型,由一个受控电压源Eb和常值内阻Rb串联组成,Ib表示内部电流,Vb表示端口电压,该模型如图3所示。该模型电路结构简单,同时考虑了蓄电池内部的非线性特性,电路参数的计算方法简单,并且通用于铅酸、镉镍、镍金属氢化物蓄电池和锂电池,在短期动态仿真过程中具有较高的拟合度。
燃料电池建模方面,燃料电池模型具有明显的时间尺度,建模时按照系统仿真时间尺度的不同,可以将燃料电池模型分为考虑双电层效应的短期动态模型、考虑气体分压力变化电化学过程的中期动态模型和考虑温度变化热力学过程的长期动态模型三种。短期动态模型由于考虑的仿真时间比较短,此时气体压力和温度仍来不及变化,所以认为气体分压力和温度为恒定。中期动态模型考虑燃料电池中氢气分压力氧气分压力和水蒸气分压力以及燃料电池温度(T)的影响,认为燃料电池温度为常数。长期动态模型则考虑燃料电池温度变化对电池的影响,认为此时时间常数很短的双电层效应和气体压力变化的动态过程均已结束,只考虑由于温度变化所引起的动态过程。由于长期动态模型适用于时间尺度很长,需要考虑电化学动态过程的仿真情况,因此研究建立燃料电池的短期动态模型和中期动态模型。
在短期动态模型中,燃料电池等效电路模型适于动态特性仿真,常用的燃料电池等效电路模型如图4所示,该模型能够较高精度地拟合电化学特性,并且模型既适用于低温燃料电池。
其中,VFC表示燃料电池的输出电压;IFC表示燃料电池的运行电流;Enernst为能斯特电压,表示电池的可逆开路电压;Rohm称为欧姆过电压等效电阻,其压降Vohm称为欧姆过电压,是离子通过电解质和电子通过电极及连接部件时引起的电压降部分;Ract称为活化过电压等效电阻,其压降Vact为燃料电池阳极和阴极激活产生的活化过电压;Rcon称为浓度过电压等效电阻,其压降Vcon表示反应气体浓度发生变化引起的浓度过电压。短期动态模型考虑电池内部的双电层效应,图中的电容C则是用于模拟由于双电层效应引起的活化和浓度过电压的延迟特性。
微型燃气轮机和风力并网发电系统现有电路分析软件中都有较为精确的模型,其中仅风力发电机受外界环境(风速)变化的影响。
发明内容
本发明的目的是提出一种电力系统中使分布式电源接入主动配电网的方法,克服现有分布式电源与主动配电网相互作用分析的不足之处,在精确分布式电源模型基础上,提出一种基于实数编码的遗传算法来解决系统层面协调控制的问题。考虑系统级的控制策略和协调不同分布式电源出力,研究分布式电源与主动配电网之间的相互作用,使得分析结果符合实际工程运行的情况,解决主动配电网协调不同分布式电源出力的动态问题。
本发明提出的电力系统中使分布式电源接入主动配电网的方法,包括以下步骤:
(1)设电力系统的主动配电网中有Nmg个微电网,根据遗传算法,得到微电网出力控制子染色体矩阵PMG,子染色体矩阵PMG的行号与微电网的序号相对应,行向量为相应微电网的日前出力计划,子染色体矩阵PMG的列向量相应微电网在各时刻的控制输出,微电网出力控制子染色体矩阵PMG为:
其中,PMGi,j为第i个微电网在j时段的控制输出;
根据电力系统运行特性,当第i个微电网在日前计划交互功率中j时刻的功率Pmi,j>0时,微电网呈负载性,则上述出力控制子染色体矩阵PMG中的元素PMGi,j=0;
(2)根据遗传算法,得到电力系统中分布式电源的子染色体编码矩阵为:
其中,Ndg为分布式电源个数,PDGi,j为第i个分布式电源在j时段的控制输出;
(3)根据上述微电网出力控制子染色体矩阵和分布式电源的子染色体编码矩阵,使遗传算法的个体用下述H表示,以使分布式电源接入主动配电网:
(4)定义当电力系统的第i个微电网的公共连接点处交互功率日前计划在j时段的交互功率Pmi,j>0时,微电网为负载性,且ρ2,j=1、ρ1i,j=0,ρ1i,j为第i个微电网j时刻的发电状态,ρ2i,j为第i个分布式电源j时刻的发电状态;当电力系统的第i个微电网的公共连接点处交互功率日前计划在j时段的交互功率Pmi,j≤0时,微电网为电源性,且ρ2,j=0、ρ1i,j=1,并得到以下电力系统的源/载互斥矩阵:
(5)根据上述电力系统微电网出力控制子染色体矩阵、分布式电源的子染色体编码矩阵和源/载互斥矩阵,随机产生微电网单元有功出力子染色体编码矩阵PMG中各元素,即第i个微电网j时刻的发电功率为:
PMGi,j=ρ1i,j|Pmi,j|×Rand
其中,Rand为0~1之间的随机数,Pmi,j为第i个微电网在j时段的公共连接点处交互功率;
(6)随机产生分布式电源有功出力子染色体编码矩阵PDG中各元素,即第i个微电网j时刻的发电功率为:
PDGi,j=PDGi_max×Rand
式中:PDGi_max为分布式电源的出力上限;
(7)设定电力系统中主动配电网互动调度决策控制变量的初始群体为三维向量群体规模为M,三维向量中的第k个元素为:
(8)得到初始群体后,对染色体编码,随机生成初始种群,将遗传代数置为G=1,计算群体中每个个体的适应度函数大小和相对适应度大小,即作为个体被遗传到下一代群体中的概率;然后采用盘轮法产生0~1之间的随机数,确定个体被选中遗传给下一代,设置保留算子,保留父代优良个体,从中各选择两个微电网交互功率子染色体父代和分布式电源出力子染色体父代,然后生成0~1随机数,生成介于1~24之间的随机交叉位j,在交叉位j上对父代两个列向量进行交叉,生成新的子染色体S1和S2;接下来随机选择不同分布式电源发电机组,即选择两个行向量,随机产生变异的起始位n1和终止位n2,满足1≤n1≤n2≤24;变异操作,形成新的染色体,计算种群的目标函数值和适应度,进而形成下一代种群,将遗传代数置为G=G+1,此时判断是否满足终止条件,如果满足,结束计算,如果不满足,则从第(8)步开始继续计算;
(9)满足终止条件计算结束后,得到的三维向量即为电力系统中微电网和分布式电源在特定时段内的最优功率分配,在此基础上便可以分析分布式电源并网对主动配电网稳态和暂态性能影响。
本发明提出的电力系统中使分布式电源接入主动配电网的方法,系统层面控制不同分布式电源出力情况时存在若干限制条件,包括外界环境条件限制下的最大出力能力、分布式电源最佳出力点(效率最高)、供能距离和可靠性限制及经济性等。特别是对于较大规模的分布式电源并网问题,由于接入配电网络的节点数量较多,系统层面的协调控制非常复杂,可以认为是含有多个限制条件且非线性的优化问题。本发明提出的分析方法,其理论基础是基于实数编码的遗传算法。其特征在于,在建立精确分布式电源模型的基础上,借助遗传算法的通用框架求解复杂的非线性动态问题,外界环境变化通过模型状态输出量变化来体现,将主动配电网络节点状态统一起来,通过流程相对简单的算法进行处理,可以方便的在电路分析平台中实现,计算效率高,贴合实际运行情况。与目前研究分布式电源与主动配电网相互作用的分析方法相比,本发明的优点如下:
(1)在精确建立不同分布式电源模型的基础上,考虑了系统级的控制策略,根据外部环境变化协调分布式电源之间的出力情况,使得配电网络高效供电,符合实际系统运行的需要。
(2)采用了基于实数编码的遗传算法,算法结构和流程固定,可以借助计算机编程实现,便于较大规模的分布式电源并网分析,计算过程简单高效。
(3)在系统层面协调控制的基础上可以研究较大规模分布式电源并网对主动配电网稳态和暂态性能的影响,分析结果可靠。
附图说明
图1为已有技术中光伏电池单二极管的等效电路模型图。
图2为已有技术中的MPPT控制器结构示意图。
图3为已有技术中的蓄电池的通用等效电路模型图。
图4已有技术中的单个燃料电池的等效电路模型图。
图5为本发明方法的流程框图。
具体实施方式
本发明提出的电力系统中使分布式电源接入主动配电网的方法,该方法包括以下步骤:
(1)采用遗传算法的通用框架,对主动配电网与分布式电源之间的公共连接点(pointof comment connection.PCC点)的交互功率进行控制。PCC点交互功率的大小取决于微电网的运行状态和决策目标,对网内分布式电源出力和储能水平进行协调控制,实现网络区域范围内的最优功率分配,并在保证符合实际系统运行状况的条件下,分析分布式能源并网对主动配电网的影响。
以每个调度时段微电网PCC节点申报的发电功率和分布式电源的出力限值为控制决策变量的变化范围,控制决策变量的编码方式采用分组实数编码方式,将控制变量分解为两个相对独立的子染色体编码,即各微电网单元PCC节点发电功率子染色体和分布式发电单元各时段发电功率子染色体。
设电力系统的主动配电网中有Nmg个微电网,根据遗传算法,得到微电网出力控制子染色体矩阵PMG,子染色体矩阵PMG的行号与微电网的序号相对应,行向量为相应微电网的日前出力计划,子染色体矩阵PMG的列向量相应微电网在各时刻的控制输出,微电网出力控制子染色体矩阵PMG为:
其中,PMGi,j为第i个微电网在j时段的控制输出;
根据电力系统运行特性,当第i个微电网在日前计划交互功率中j时刻的功率Pmi,j>0时,微电网呈负载性,则上述出力控制子染色体矩阵PMG中的元素PMGi,j=0;并且在整个遗传算法计算过程总是为0;
(2)然后需要得到分布式电源控制变量子染色体编码矩阵,与微电网控制编码矩阵相同的定义,根据遗传算法,得到电力系统中分布式电源的子染色体编码矩阵为:
其中,Ndg为分布式电源个数,PDGi,j为第i个分布式电源在j时段的控制输出;
(3)根据上述微电网出力控制子染色体矩阵和分布式电源的子染色体编码矩阵,使遗传算法的个体用下述H表示,以使分布式电源接入主动配电网:
(4)根据电力系统各微电网的公共连接点处交互功率日前计划可以直接生成源/载互斥矩阵。定义当电力系统的第i个微电网的公共连接点处交互功率日前计划在j时段的交互功率Pmi,j>0时,微电网为负载性,且ρ2,j=1、ρ1i,j=0,ρ1i,j为第i个微电网j时刻的发电状态,ρ2i,j为第i个分布式电源j时刻的发电状态;当电力系统的第i个微电网的公共连接点处交互功率日前计划在j时段的交互功率Pmi,j≤0时,微电网为电源性,且ρ2,j=0、ρ1i,j=1,并得到以下电力系统的源/载互斥矩阵:
(5)根据上述电力系统微电网出力控制子染色体矩阵、分布式电源的子染色体编码矩阵和源/载互斥矩阵,随机产生微电网单元有功出力子染色体编码矩阵PMG中各元素,即第i个微电网j时刻的发电功率为:
PMGi,j=ρ1i,j|Pmi,j|×Rand
其中,Rand为0~1之间的随机数,Pmi,j为第i个微电网在j时段的公共连接点处交互功率;
(6)随机产生分布式电源有功出力子染色体编码矩阵PDG中各元素,即第i个微电网j时刻的发电功率为:
PDGi,j=PDGi_max×Rand
式中:PDGi_max为分布式电源的出力上限;
(7)设定电力系统中主动配电网互动调度决策控制变量的初始群体为三维向量群体规模为M,三维向量中的第k个元素为:
(8)得到初始群体后,对染色体编码,随机生成初始种群,将遗传代数置为G=1,计算群体中每个个体的适应度函数大小和相对适应度大小,即作为个体被遗传到下一代群体中的概率;然后采用盘轮法产生0~1之间的随机数,确定个体被选中遗传给下一代,设置保留算子,保留父代优良个体,从中各选择两个微电网交互功率子染色体父代和分布式电源出力子染色体父代,然后生成0~1随机数,生成介于1~24之间的随机交叉位j,在交叉位j上对父代两个列向量进行交叉,生成新的子染色体S1和S2;接下来随机选择不同分布式电源发电机组,即选择两个行向量,随机产生变异的起始位n1和终止位n2,满足1≤n1≤n2≤24;变异操作,形成新的染色体,计算种群的目标函数值和适应度,进而形成下一代种群,将遗传代数置为G=G+1,此时判断是否满足终止条件,如果满足,结束计算,如果不满足,则从第(8)步开始继续计算;
(9)满足终止条件计算结束后,得到的三维向量即为电力系统中微电网和分布式电源在特定时段内的最优功率分配,在此基础上便可以分析分布式电源并网对主动配电网稳态和暂态性能影响。
以下是本发明的一个实施例。主动配电网分布式电源和微电网发电计划如下表所示:
时段 | DG1 | DG2 | MG2 | MG3 |
1 | 0.796 | 0.207 | 0 | 0 |
2 | 1.051 | 0.205 | 0 | 0 |
3 | 1.103 | 0.211 | 0 | 0 |
4 | 1.110 | 0.207 | 0 | 0 |
5 | 1.224 | 0.200 | 0 | 0 |
6 | 1.178 | 0.225 | 0 | 0 |
7 | 1.109 | 0.254 | 0 | 0 |
8 | 0.894 | 0.399 | 0 | 0 |
9 | 1.138 | 0.512 | 0 | 0 |
10 | 1.656 | 1.040 | 0.428 | 0.214 |
11 | 1.837 | 1.088 | 0.897 | 0.448 |
12 | 2.145 | 1.113 | 0.801 | 0.400 |
光照变化的情况如下:
时段 | 光照变化 |
0-3 | 1000(Wm2) |
3-6 | 1000(Wm2)线性减小到200(Wm2) |
6-8 | 200(Wm2) |
8-10 | 200(Wm2)线性增加到1000(Wm2) |
10-12 | 1000(Wm2) |
风速变化的情况如下:
时段 | 风速变化 |
0-4 | 0(ms) |
4-8 | 0(ms)线性增加到20(ms) |
8-12 | 20(ms) |
计算结果分析后可以看到,分布式电源的并网能够起到削峰填谷的作用,系统层面协调控制的时间很短,实现区域内供能分配的最优,符合实际运行的要求。
Claims (1)
1.一种电力系统中使分布式电源接入主动配电网的方法,其特征在于该方法包括以下步骤:
(1)设电力系统的主动配电网中有Nmg个微电网,根据遗传算法,得到微电网出力控制子染色体矩阵PMG,子染色体矩阵PMG的行号与微电网的序号相对应,行向量为相应微电网的日前出力计划,子染色体矩阵PMG的列向量相应微电网在各时刻的控制输出,微电网出力控制子染色体矩阵PMG为:
其中,PMGi,j为第i个微电网在j时段的控制输出;
根据电力系统运行特性,当第i个微电网在日前计划交互功率中j时刻的功率Pmi,j>0时,微电网呈负载性,则上述出力控制子染色体矩阵PMG中的元素PMGi,j=0;
(2)根据遗传算法,得到电力系统中分布式电源的子染色体编码矩阵为:
其中,Ndg为分布式电源个数,PDGi,j为第i个分布式电源在j时段的控制输出;
(3)根据上述微电网出力控制子染色体矩阵和分布式电源的子染色体编码矩阵,使遗传算法的个体用下述H表示,以使分布式电源接入主动配电网:
(4)定义当电力系统的第i个微电网的公共连接点处交互功率日前计划在j时段的交互功率Pmi,j>0时,微电网为负载性,且ρ2,j=1、ρ1i,j=0,ρ1i,j为第i个微电网j时刻的发电状态,ρ2i,j为第i个分布式电源j时刻的发电状态;当电力系统的第i个微电网的公共连接点处交互功率日前计划在j时段的交互功率Pmi,j≤0时,微电网为电源性,且ρ2,j=0、ρ1i,j=1,并得到以下电力系统的源/载互斥矩阵:
(5)根据上述电力系统微电网出力控制子染色体矩阵、分布式电源的子染色体编码矩阵和源/载互斥矩阵,随机产生微电网单元有功出力子染色体编码矩阵PMG中各元素,即第i个微电网j时刻的发电功率为:
PMGi,j=ρ1i,j|Pmi,j|×Rand
其中,Rand为0~1之间的随机数,Pmi,j为第i个微电网在j时段的公共连接点处交互功率;
(6)随机产生分布式电源有功出力子染色体编码矩阵PDG中各元素,即第i个微电网j时刻的发电功率为:
PDGi,j=PDGi_max×Rand
式中:PDGi_max为分布式电源的出力上限;
(7)设定电力系统中主动配电网互动调度决策控制变量的初始群体为三维向量群体规模为M,三维向量中的第k个元素为:
(8)得到初始群体后,对染色体编码,随机生成初始种群,将遗传代数置为G=1,计算群体中每个个体的适应度函数大小和相对适应度大小,即作为个体被遗传到下一代群体中的概率;然后采用盘轮法产生0~1之间的随机数,确定个体被选中遗传给下一代,设置保留算子,保留父代优良个体,从中各选择两个微电网交互功率子染色体父代和分布式电源出力子染色体父代,然后生成0~1随机数,生成介于1~24之间的随机交叉位j,在交叉位j上对父代两个列向量进行交叉,生成新的子染色体S1和S2;接下来随机选择不同分布式电源发电机组,即选择两个行向量,随机产生变异的起始位n1和终止位n2,满足1≤n1≤n2≤24;变异操作,形成新的染色体,计算种群的目标函数值和适应度,进而形成下一代种群,将遗传代数置为G=G+1,此时判断是否满足终止条件,如果满足,结束计算,如果不满足,则从第(8)步开始继续计算;
(9)满足终止条件计算结束后,得到的三维向量即为电力系统中微电网和分布式电源在特定时段内的最优功率分配,在此基础上便可以分析分布式电源并网对主动配电网稳态和暂态性能影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510107974.4A CN104716672A (zh) | 2015-03-12 | 2015-03-12 | 一种电力系统中使分布式电源接入主动配电网的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510107974.4A CN104716672A (zh) | 2015-03-12 | 2015-03-12 | 一种电力系统中使分布式电源接入主动配电网的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104716672A true CN104716672A (zh) | 2015-06-17 |
Family
ID=53415744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510107974.4A Pending CN104716672A (zh) | 2015-03-12 | 2015-03-12 | 一种电力系统中使分布式电源接入主动配电网的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104716672A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109460845A (zh) * | 2018-05-24 | 2019-03-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种风光微电网站选址方式 |
CN111144061A (zh) * | 2019-12-02 | 2020-05-12 | 凯里学院 | 一种在线性电路中电源功率分解的方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005117787A (ja) * | 2003-10-08 | 2005-04-28 | Hitachi Ltd | 配電系統負荷融通方法及び装置 |
JP3919646B2 (ja) * | 2002-10-08 | 2007-05-30 | 三菱電機株式会社 | 電力系統制御装置 |
US20090008993A1 (en) * | 2007-07-06 | 2009-01-08 | Rozman Gregory I | Hybrid electromechanical power transfer system |
CN102623989A (zh) * | 2012-03-28 | 2012-08-01 | 湖南大学 | 一种间歇分布式电源优化配置方法 |
CN102664429A (zh) * | 2012-05-29 | 2012-09-12 | 国电联合动力技术有限公司 | 一种并网不上网微网系统及其控制保护方法 |
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 |
CN103972892A (zh) * | 2014-04-18 | 2014-08-06 | 国家电网公司 | 一种微电网滤波器的优化配置方法 |
CN103972893A (zh) * | 2014-04-18 | 2014-08-06 | 国家电网公司 | 一种含有分布式电源的配电网滤波器的优化配置方法 |
-
2015
- 2015-03-12 CN CN201510107974.4A patent/CN104716672A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3919646B2 (ja) * | 2002-10-08 | 2007-05-30 | 三菱電機株式会社 | 電力系統制御装置 |
JP2005117787A (ja) * | 2003-10-08 | 2005-04-28 | Hitachi Ltd | 配電系統負荷融通方法及び装置 |
US20090008993A1 (en) * | 2007-07-06 | 2009-01-08 | Rozman Gregory I | Hybrid electromechanical power transfer system |
CN102623989A (zh) * | 2012-03-28 | 2012-08-01 | 湖南大学 | 一种间歇分布式电源优化配置方法 |
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 |
CN102664429A (zh) * | 2012-05-29 | 2012-09-12 | 国电联合动力技术有限公司 | 一种并网不上网微网系统及其控制保护方法 |
CN103972892A (zh) * | 2014-04-18 | 2014-08-06 | 国家电网公司 | 一种微电网滤波器的优化配置方法 |
CN103972893A (zh) * | 2014-04-18 | 2014-08-06 | 国家电网公司 | 一种含有分布式电源的配电网滤波器的优化配置方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109460845A (zh) * | 2018-05-24 | 2019-03-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种风光微电网站选址方式 |
CN109460845B (zh) * | 2018-05-24 | 2022-03-11 | 国网浙江省电力有限公司嘉兴供电公司 | 一种风光微电网站选址方式 |
CN111144061A (zh) * | 2019-12-02 | 2020-05-12 | 凯里学院 | 一种在线性电路中电源功率分解的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105356492B (zh) | 一种适用于微电网的能量管理仿真系统及方法 | |
CN109687444B (zh) | 一种微电网电源多目标双层优化配置方法 | |
Capizzi et al. | Recurrent neural network-based control strategy for battery energy storage in generation systems with intermittent renewable energy sources | |
CN103973203B (zh) | 一种适用于安全稳定分析的大型光伏电站在线等值建模方法 | |
CN104836259B (zh) | 一种多能源船舶微网实时能量优化调度方法 | |
Li et al. | Modeling and control strategy of battery energy storage system for primary frequency regulation | |
Tabanjat et al. | Fuzzy logic-based water heating control methodology for the efficiency enhancement of hybrid PV–PEM electrolyser systems | |
CN110429693A (zh) | 一种基于电池组一致性的储能电池组功率控制方法 | |
Nambisan et al. | Optimal energy management of battery supercapacitor aided solar PV powered agricultural feed mill using Pontryagin's minimum principle | |
CN105574620A (zh) | 一种结合双主控协作与mpso算法的微电网动态优化调度方法 | |
Aouchiche et al. | Fuzzy logic approach based MPPT for the dynamic performance improvement for PV systems | |
CN104298296A (zh) | 一种燃料电池最大功率跟踪控制方法 | |
Huangfu et al. | An optimal energy management strategy with subsection bi-objective optimization dynamic programming for photovoltaic/battery/hydrogen hybrid energy system | |
Ni et al. | A review of line loss analysis of the low-voltage distribution system | |
CN104716672A (zh) | 一种电力系统中使分布式电源接入主动配电网的方法 | |
CN110323779B (zh) | 一种分布式发电与储能装置的功率动态聚合的方法和系统 | |
Coppez et al. | South African renewable energy hybrid power system storage needs, challenges and opportunities | |
Han et al. | Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation | |
Iliadis et al. | Advanced energy management system based on PV and load forecasting for load smoothing and optimized peak shaving of islanded power systems | |
CN115204048A (zh) | 一种光伏发电系统模型辨识系统和方法 | |
Afrakhte et al. | Energy management system for smart house with multi-sources using PI-CA controller | |
Shaker et al. | Comprehensive design for a neuro-fuzzy controller for a safe hydrogen energy storage | |
Luo et al. | Multi-Objective Optimization Scheduling of Microgrids Based on Particle Swarm Optimization Algorithm | |
Chen et al. | Optimization and analysis of microgrid based on different operational strategies | |
Ren et al. | Decision-making approach in charging mode for electric vehicle based on cumulative prospect theory |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20170609 |