CN104809521B - 一种基于双层优化的受端电网外受电能力评价方法 - Google Patents

一种基于双层优化的受端电网外受电能力评价方法 Download PDF

Info

Publication number
CN104809521B
CN104809521B CN201510223217.3A CN201510223217A CN104809521B CN 104809521 B CN104809521 B CN 104809521B CN 201510223217 A CN201510223217 A CN 201510223217A CN 104809521 B CN104809521 B CN 104809521B
Authority
CN
China
Prior art keywords
receiving
mrow
power
msub
power grid
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
Application number
CN201510223217.3A
Other languages
English (en)
Other versions
CN104809521A (zh
Inventor
王魁
闫大威
刘树勇
梁群
罗涛
李媛媛
周进
雷铮
刘丽霞
崔广胜
王学军
李慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201510223217.3A priority Critical patent/CN104809521B/zh
Publication of CN104809521A publication Critical patent/CN104809521A/zh
Application granted granted Critical
Publication of CN104809521B publication Critical patent/CN104809521B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种基于双层优化的受端电网外受电能力评价方法。其包括设置粒子群算法的基本参数；令Iter＝Iter+1；判断Iter是否等于1；判断Iter是否大于Itermax；根据受端电网的线路参数、负荷大小、电源参数、网络拓扑结构以及各个外输电通道的输送功率，构造受端电网的最优潮流模型，并计算受端电网的最优潮流；判断是否满足“N‑1”校验；判断是否满足暂态稳定校验；根据受端电网各个外受电通道的输送功率，计算受端电网的外受电能力，并更新群体极值以及各个粒子的个体极值等步骤。本发明能够科学准确地评价受端电网的外受电能力大小，为受端电网提高外受电能力和网架结构优化提供指导。

Description

一种基于双层优化的受端电网外受电能力评价方法
技术领域
本发明属于电力系统规划、调度运行技术领域，特别是涉及一种基于双层优化的受端电网外受电能力评价方法。
背景技术
随着我国诸多城市地区环境问题的不断加剧和雾霾天气的日益严重，暴露出长期积累的能源资源禀赋与能源发展方式不协调的深层次矛盾，因此迫切需要转变能源发展方式，调整能源生产结构，提高城市受端电网外受电能力成为我国城市地区治理雾霾的重要手段。外受电能力是受端电网接受并消纳外来电力能力的衡量标志，是外部电网能够向受端电网“送得来”多少电力以及受端电网能够“落得下”多少电力的综合指标，是建设坚强受端电网的重要体现。然而，目前尚无一种通用的受端电网外受电能力评价方法，因此无法科学准确地评价受端电网的外受电能力，缺乏对受端电网进一步提升外受电能力和网架优化的理论指导。
发明内容
为了解决上述问题，本发明的目的在于提供一种基于双层优化的受端电网外受电能力评价方法。
为了达到上述目的，本发明提供的基于双层优化的受端电网外受电能力评价方法包括：本发明提供的基于双层优化的受端电网外受电能力评价方法包括按顺序执行的下列步骤：
步骤1)设置粒子群算法的基本参数，初始化粒子位置和速度，并设置迭代次数Iter＝0，其中基本参数包括粒子种群数、学习因子、飞行速度上下限和最大迭代次数Itermax；
步骤2)令Iter＝Iter+1；
步骤3)判断Iter是否等于1，若是，则进入步骤5)，否则更新粒子速度和位置，并进入步骤4)；
步骤4)判断Iter是否大于Itermax，若是，则结束，否则进入步骤5)；
步骤5)根据受端电网的线路参数、负荷大小、电源参数、网络拓扑结构以及各个外输电通道的输送功率，构造受端电网的最优潮流模型，并计算受端电网的最优潮流，判断最优潮流是否存在可行解，若是，则进入步骤6)，否则转入步骤2)；
步骤6)判断是否满足“N-1”校验，若是，则进入步骤7)，否则转入步骤2)；
步骤7)判断是否满足暂态稳定校验，若是，则进入步骤8)，否则转入步骤2)；
步骤8)根据受端电网各个外受电通道的输送功率，计算受端电网的外受电能力Pmax，并更新群体极值以及各个粒子的个体极值。
在步骤1)中，所述的粒子位置是指受端电网各个外受电通道的输送功率PTk，k∈ST，其中，ST为受端电网外受电通道集合，PTk∈[-PTk max,PTk max]，PTk max为外受电通道k的热稳定极限，该数值由外受电通道的线路参数决定，若PTk为正，则外部电网向该受端电网输送有功功率，若PTk为负，则该受端电网向外部电网输送有功功率。
在步骤3)中，所述的更新粒子速度和位置的具体公式为：
其中，为粒子i在第Iter次迭代次数时的速度，为粒子i在第Iter次迭代次数时的位置，c1和c2为学习因子，rand为0至1之间的随机数，为粒子i在第Iter次迭代次数时的个体极值，gbestIter为所有粒子在第Iter次迭代次数时的群体极值。
在步骤5)中，所述的受端电网的最优潮流模型是以受端电网内所有发电机组的发电燃料总耗量最小为目标函数，并结合有功功率平衡约束、无功功率平衡约束、有功电源出力约束、无功电源出力约束、电压约束和支路电流约束进行构造的。
在步骤5)中，所述的受端电网的最优潮流模型包括：最优潮流目标函数和最优潮流约束条件；
所述最优潮流目标函数为：
其中，SG为受端电网内发电机组集合，ai、bi和ci为发电机组Gi的耗量特性系数，PGi为发电机组Gi发出的有功功率；
所述的最优潮流约束条件包括：
(a1)有功功率平衡约束，
其中，n为受端电网总节点数，SB为受端电网节点集合；PLi为节点i的负荷有功功率，Ui和θi分别为节点i的电压幅值和相角，θij＝θi-θj，Gij和Bij分别为节点导纳矩阵第i行第j列元素的实部和虚部，为节点i和外受电通道k的关联系数，如果节点i和外受电通道k直接相连，则否则
(a2)无功功率平衡约束，
其中，QGi为节点i各类无功源发出的无功功率，QLi为节点i的负荷无功功率；
(a3)有功电源出力约束，PGi min≤PGi≤PGi max，i∈SG，
其中，PGi max和PGi min为节点i发出的有功功率上下限；
(a4)无功电源出力约束，QGi min≤QGi≤QGi max，i∈SR，
其中，SR为受端电网无功源节点集合，QGi max和QGi min为节点i发出的无功功率上下限；
(a5)电压约束，Ui min≤Ui≤Ui max，i∈SB，
其中，Ui max和Ui min分别为节点i电压幅值的上下限；
(a6)支路电流约束，Il≤Il max，l∈Sl，
其中，Sl为受端电网所有支路集合，Il为支路l上流过的电流，Il max为支路l允许的电流上限；需要说明的是，无功功率一般按分层分区原则配置，在理想情况下，不同区域之间不存在无功功率交换，故受端电网最优潮流约束条件中假定外受电通道仅传输有功功率。
在步骤6)中，所述的满足“N-1”校验是指受端电网内的任一元件或外受电通道中的任一线路无故障断开时，能保持受端电网的稳定运行，且不致使其它元件超过规定的事故过负荷和电压允许偏差的要求。
在步骤7)中，所述的满足暂态稳定校验是指受端电网或外受电通道发生线路三相短路永久故障和单相瞬时故障，且在不采取措施的情况下，系统能够保持稳定。
在步骤8)中，所述的受端电网的外受电能力其中，m为受端电网的外受电通道个数。
本发明提供的基于双层优化的受端电网外受电能力评价方法的效果：
与现有技术相比，本发明通过数学建模分析，以受端电网外受电通道输送功率优化为外层优化，以受端电网内部潮流优化为内层优化，充分考虑受端电网的安全稳定问题，进行“N-1”校验和暂态稳定校验，能够科学准确地评价受端电网的外受电能力大小，为受端电网提高外受电能力和网架结构优化提供指导。
附图说明
图1为本发明提供的基于双层优化的受端电网外受电能力评价方法的实现流程图。
具体实施方式
下面结合附图和具体实施例对本发明提供的基于双层优化的受端电网外受电能力评价方法进行详细说明。
如图1所示，本发明提供的基于双层优化的受端电网外受电能力评价方法包括按顺序执行的下列步骤：
步骤1)设置粒子群算法的基本参数，初始化粒子位置和速度，并设置迭代次数Iter＝0，其中基本参数包括粒子种群数、学习因子、飞行速度上下限和最大迭代次数Itermax；
步骤2)令Iter＝Iter+1；
步骤3)判断Iter是否等于1，若是，则进入步骤5)，否则更新粒子速度和位置，并进入步骤4)；
步骤4)判断Iter是否大于Itermax，若是，则结束，否则进入步骤5)；
步骤5)根据受端电网的线路参数、负荷大小、电源参数、网络拓扑结构以及各个外输电通道的输送功率，构造受端电网的最优潮流模型，并计算受端电网的最优潮流，判断最优潮流是否存在可行解，若是，则进入步骤6)，否则转入步骤2)；
步骤6)判断是否满足“N-1”校验，若是，则进入步骤7)，否则转入步骤2)；
步骤7)判断是否满足暂态稳定校验，若是，则进入步骤8)，否则转入步骤2)；
步骤8)根据受端电网各个外受电通道的输送功率，计算受端电网的外受电能力Pmax，并更新群体极值以及各个粒子的个体极值。
在步骤1)中，所述的粒子位置是指受端电网各个外受电通道的输送功率PTk，k∈ST，其中，ST为受端电网外受电通道集合，PTk∈[-PTk max,PTk max]，PTk max为外受电通道k的热稳定极限，该数值由外受电通道的线路参数决定，若PTk为正，则外部电网向该受端电网输送有功功率，若PTk为负，则该受端电网向外部电网输送有功功率。
在步骤3)中，所述的更新粒子速度和位置的具体公式为：
其中，为粒子i在第Iter次迭代次数时的速度，为粒子i在第Iter次迭代次数时的位置，c1和c2为学习因子，rand为0至1之间的随机数，为粒子i在第Iter次迭代次数时的个体极值，gbestIter为所有粒子在第Iter次迭代次数时的群体极值。
在步骤5)中，所述的受端电网的最优潮流模型是以受端电网内所有发电机组的发电燃料总耗量最小为目标函数，并结合有功功率平衡约束、无功功率平衡约束、有功电源出力约束、无功电源出力约束、电压约束和支路电流约束进行构造的。
在步骤5)中，所述的受端电网的最优潮流模型包括：最优潮流目标函数和最优潮流约束条件；
所述最优潮流目标函数为：
其中，SG为受端电网内发电机组集合，ai、bi和ci为发电机组Gi的耗量特性系数，PGi为发电机组Gi发出的有功功率；
所述的最优潮流约束条件包括：
(a1)有功功率平衡约束，
其中，n为受端电网总节点数，SB为受端电网节点集合；PLi为节点i的负荷有功功率，Ui和θi分别为节点i的电压幅值和相角，θij＝θi-θj，Gij和Bij分别为节点导纳矩阵第i行第j列元素的实部和虚部，为节点i和外受电通道k的关联系数，如果节点i和外受电通道k直接相连，则否则
(a2)无功功率平衡约束，
其中，QGi为节点i各类无功源发出的无功功率，QLi为节点i的负荷无功功率；
(a3)有功电源出力约束，PGi min≤PGi≤PGi max，i∈SG，
其中，PGi max和PGi min为节点i发出的有功功率上下限；
(a4)无功电源出力约束，QGi min≤QGi≤QGi max，i∈SR，
其中，SR为受端电网无功源节点集合，QGi max和QGi min为节点i发出的无功功率上下限；
(a5)电压约束，Ui min≤Ui≤Ui max，i∈SB，
其中，Ui max和Ui min分别为节点i电压幅值的上下限；
(a6)支路电流约束，Il≤Il max，l∈Sl，
其中，Sl为受端电网所有支路集合，Il为支路l上流过的电流，Il max为支路l允许的电流上限；需要说明的是，无功功率一般按分层分区原则配置，在理想情况下，不同区域之间不存在无功功率交换，故受端电网最优潮流约束条件中假定外受电通道仅传输有功功率。
在步骤6)中，所述的满足“N-1”校验是指受端电网内的任一元件或外受电通道中的任一线路无故障断开时，能保持受端电网的稳定运行，且不致使其它元件超过规定的事故过负荷和电压允许偏差的要求。
在步骤7)中，所述的满足暂态稳定校验是指受端电网或外受电通道发生线路三相短路永久故障和单相瞬时故障，且在不采取措施的情况下，系统能够保持稳定。
在步骤8)中，所述的受端电网的外受电能力其中，m为受端电网的外受电通道个数。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于双层优化的受端电网外受电能力评价方法，其特征在于：其包括按顺序执行的下列步骤：
步骤1)设置粒子群算法的基本参数，初始化粒子位置和速度，并设置迭代次数Iter＝0，其中基本参数包括粒子种群数、学习因子、飞行速度上下限和最大迭代次数Itermax；
步骤2)令Iter＝Iter+1；
步骤3)判断Iter是否等于1，若是，则进入步骤5)，否则更新粒子速度和位置，并进入步骤4)；
步骤4)判断Iter是否大于Itermax，若是，则结束，否则进入步骤5)；
步骤5)根据受端电网的线路参数、负荷大小、电源参数、网络拓扑结构以及各个外输电通道的输送功率，构造受端电网的最优潮流模型，并计算受端电网的最优潮流，判断最优潮流是否存在可行解，若是，则进入步骤6)，否则转入步骤2)；所述的受端电网的最优潮流模型是以受端电网内所有发电机组的发电燃料总耗量最小为目标函数，并结合有功功率平衡约束、无功功率平衡约束、有功电源出力约束、无功电源出力约束、电压约束和支路电流约束进行构造的；
步骤6)判断是否满足“N-1”校验，若是，则进入步骤7)，否则转入步骤2)；
步骤7)判断是否满足暂态稳定校验，若是，则进入步骤8)，否则转入步骤2)；
步骤8)根据受端电网各个外受电通道的输送功率，计算受端电网的外受电能力Pmax，并更新群体极值以及各个粒子的个体极值。
2.根据权利要求1所述的基于双层优化的受端电网外受电能力评价方法，其特征在于：在步骤1)中，所述的粒子位置是指受端电网各个外受电通道的输送功率PTk，k∈ST，其中，ST为受端电网外受电通道集合，PTk∈[-PTkmax,PTkmax]，PTkmax为外受电通道k的热稳定极限，外受电通道k的热稳定极限由外受电通道的线路参数决定，若PTk为正，则外部电网向该受端电网输送有功功率，若PTk为负，则该受端电网向外部电网输送有功功率。
3.根据权利要求1所述的基于双层优化的受端电网外受电能力评价方法，其特征在于：在步骤3)中，所述的更新粒子速度和位置的具体公式为：
<mrow> <msubsup> <mi>v</mi> <mrow> <mi>I</mi> <mi>t</mi> <mi>e</mi> <mi>r</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>i</mi> </msubsup> <mo>=</mo> <msubsup> <mi>v</mi> <mrow> <mi>I</mi> <mi>t</mi> <mi>e</mi> <mi>r</mi> </mrow> <mi>i</mi> </msubsup> <mo>+</mo> <msub> <mi>c</mi> <mn>1</mn> </msub> <mo>&amp;times;</mo> <mi>r</mi> <mi>a</mi> <mi>n</mi> <mi>d</mi> <mo>&amp;times;</mo> <mrow> <mo>(</mo> <msubsup> <mi>pbest</mi> <mrow> <mi>I</mi> <mi>t</mi> <mi>e</mi> <mi>r</mi> </mrow> <mi>i</mi> </msubsup> <mo>-</mo> <msubsup> <mi>x</mi> <mrow> <mi>I</mi> <mi>t</mi> <mi>e</mi> <mi>r</mi> </mrow> <mi>i</mi> </msubsup> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>c</mi> <mn>2</mn> </msub> <mo>&amp;times;</mo> <mi>r</mi> <mi>a</mi> <mi>n</mi> <mi>d</mi> <mo>&amp;times;</mo> <mrow> <mo>(</mo> <msub> <mi>gbest</mi> <mrow> <mi>I</mi> <mi>t</mi> <mi>e</mi> <mi>r</mi> </mrow> </msub> <mo>-</mo> <msubsup> <mi>x</mi> <mrow> <mi>I</mi> <mi>t</mi> <mi>e</mi> <mi>r</mi> </mrow> <mi>i</mi> </msubsup> <mo>)</mo> </mrow> <mo>,</mo> <msubsup> <mi>x</mi> <mrow> <mi>I</mi> <mi>t</mi> <mi>e</mi> <mi>r</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>i</mi> </msubsup> <mo>=</mo> <msubsup> <mi>x</mi> <mrow> <mi>I</mi> <mi>t</mi> <mi>e</mi> <mi>r</mi> </mrow> <mi>i</mi> </msubsup> <mo>+</mo> <msubsup> <mi>v</mi> <mrow> <mi>I</mi> <mi>t</mi> <mi>e</mi> <mi>r</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>i</mi> </msubsup> <mo>,</mo> </mrow>
其中，为粒子i在第Iter次迭代次数时的速度，为粒子i在第Iter次迭代次数时的位置，c1和c2为学习因子，rand为0至1之间的随机数，为粒子i在第Iter次迭代次数时的个体极值，gbestIter为所有粒子在第Iter次迭代次数时的群体极值。
4.根据权利要求1所述的基于双层优化的受端电网外受电能力评价方法，其特征在于：在步骤5)中，所述的受端电网的最优潮流模型包括：最优潮流目标函数和最优潮流约束条件；
所述最优潮流目标函数为：
其中，SG为受端电网内发电机组集合，ai、bi和ci为发电机组Gi的耗量特性系数，PGi为发电机组Gi发出的有功功率；
所述的最优潮流约束条件包括：
(a1)有功功率平衡约束，
<mrow> <msub> <mi>P</mi> <mrow> <mi>G</mi> <mi>i</mi> </mrow> </msub> <mo>+</mo> <msubsup> <mi>C</mi> <mi>i</mi> <mi>k</mi> </msubsup> <msub> <mi>P</mi> <mrow> <mi>T</mi> <mi>k</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>L</mi> <mi>i</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>U</mi> <mi>i</mi> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>U</mi> <mi>j</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>G</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mi>cos&amp;theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>B</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mi>sin&amp;theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> <mo>,</mo> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>S</mi> <mi>B</mi> </msub> <mo>,</mo> </mrow>
其中，n为受端电网总节点数，SB为受端电网节点集合；PLi为节点i的负荷有功功率，Ui和θi分别为节点i的电压幅值和相角，θij＝θi-θj，Gij和Bij分别为节点导纳矩阵第i行第j列元素的实部和虚部，为节点i和外受电通道k的关联系数，如果节点i和外受电通道k直接相连，则否则
(a2)无功功率平衡约束，
其中，QGi为节点i各类无功源发出的无功功率，QLi为节点i的负荷无功功率；
(a3)有功电源出力约束，PGimin≤PGi≤PGimax，i∈SG，
其中，PGimax和PGimin为节点i发出的有功功率上下限；
(a4)无功电源出力约束，QGimin≤QGi≤QGimax，i∈SR，
其中，SR为受端电网无功源节点集合，QGimax和QGimin为节点i发出的无功功率上下限；
(a5)电压约束，Uimin≤Ui≤Uimax，i∈SB，
其中，Uimax和Uimin分别为节点i电压幅值的上下限；
(a6)支路电流约束，Il≤Ilmax，l∈Sl，
其中，Sl为受端电网所有支路集合，Il为支路l上流过的电流，Ilmax为支路l允许的电流上限；需要说明的是，无功功率一般按分层分区原则配置，在理想情况下，不同区域之间不存在无功功率交换，故受端电网最优潮流约束条件中假定外受电通道仅传输有功功率。
5.根据权利要求1所述的基于双层优化的受端电网外受电能力评价方法，其特征在于：在步骤6)中，所述的满足“N-1”校验是指受端电网内的任一元件或外受电通道中的任一线路无故障断开时，能保持受端电网的稳定运行，且不致使其它元件超过规定的事故过负荷和电压允许偏差的要求。
6.根据权利要求1所述的基于双层优化的受端电网外受电能力评价方法，其特征在于：在步骤7)中，所述的满足暂态稳定校验是指受端电网或外受电通道发生线路三相短路永久故障和单相瞬时故障，且在不采取措施的情况下，系统能够保持稳定。
7.根据权利要求1所述的基于双层优化的受端电网外受电能力评价方法，其特征在于：在步骤8)中，所述的受端电网的外受电能力其中，m为受端电网的外受电通道个数。
CN201510223217.3A 2015-05-05 2015-05-05 一种基于双层优化的受端电网外受电能力评价方法 Active CN104809521B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510223217.3A CN104809521B (zh) 2015-05-05 2015-05-05 一种基于双层优化的受端电网外受电能力评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510223217.3A CN104809521B (zh) 2015-05-05 2015-05-05 一种基于双层优化的受端电网外受电能力评价方法

Publications (2)

Publication Number Publication Date
CN104809521A CN104809521A (zh) 2015-07-29
CN104809521B true CN104809521B (zh) 2018-01-05

Family

ID=53694330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510223217.3A Active CN104809521B (zh) 2015-05-05 2015-05-05 一种基于双层优化的受端电网外受电能力评价方法

Country Status (1)

Country Link
CN (1) CN104809521B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105207221B (zh) * 2015-09-07 2017-11-17 国网天津市电力公司 一种提高大比例外受电情景下电网电压稳定性的方法
CN105281325B (zh) * 2015-10-10 2017-09-15 国网天津市电力公司 一种提升受端电网外受电能力的网架优化方法
CN107465195B (zh) * 2017-08-28 2021-04-09 上海大学 一种基于微电网结合潮流计算的最优潮流双层迭代方法
CN108879674A (zh) * 2018-08-09 2018-11-23 国网山东省电力公司经济技术研究院 一种特高压入网最优外受电比例算法
CN109617055A (zh) * 2018-12-13 2019-04-12 国网山东省电力公司经济技术研究院 一种电源装机容量与外受电最优比例的确定方法
CN110601179A (zh) * 2019-08-16 2019-12-20 南京理工大学 风电参与调频的受端电网消纳优化方法
CN111555337B (zh) * 2020-07-13 2020-12-15 国网江西省电力有限公司电力科学研究院 一种面向直流弱受端电网提升直流受电能力的分析方法
CN111987720B (zh) * 2020-08-26 2021-11-30 国网江苏省电力有限公司 多通道限额约束下受端电网受电及供电裕度区间评估方法
CN113505951A (zh) * 2021-03-31 2021-10-15 国网山西省电力公司吕梁供电公司 一种配网规划全过程评估管理系统
CN113141022B (zh) * 2021-05-14 2022-05-03 国网湖北省电力有限公司电力科学研究院 一种交直流混联受端电网结构优化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6625520B1 (en) * 2000-05-31 2003-09-23 Luonan Chen System and method for operating electric power systems utilizing optimal power flow
CN102841965A (zh) * 2012-08-23 2012-12-26 山东电力集团公司电力科学研究院 受端电网安全域最优潮流模型的建模方法
CN103050970A (zh) * 2013-01-15 2013-04-17 华北电力大学 一种适用于特高压电网分层分区的稳定性分析及优化方法
CN103236694A (zh) * 2013-04-28 2013-08-07 广东电网公司电力科学研究院 一种适用于主动配电网最优潮流求解的方法
CN103678889A (zh) * 2013-12-02 2014-03-26 国家电网公司 一种计及静态电压稳定性的光伏发电接纳能力计算方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014003877A (ja) * 2012-05-24 2014-01-09 Sony Corp 給電装置、アダプタ、受電装置、および給電方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6625520B1 (en) * 2000-05-31 2003-09-23 Luonan Chen System and method for operating electric power systems utilizing optimal power flow
CN102841965A (zh) * 2012-08-23 2012-12-26 山东电力集团公司电力科学研究院 受端电网安全域最优潮流模型的建模方法
CN103050970A (zh) * 2013-01-15 2013-04-17 华北电力大学 一种适用于特高压电网分层分区的稳定性分析及优化方法
CN103236694A (zh) * 2013-04-28 2013-08-07 广东电网公司电力科学研究院 一种适用于主动配电网最优潮流求解的方法
CN103678889A (zh) * 2013-12-02 2014-03-26 国家电网公司 一种计及静态电压稳定性的光伏发电接纳能力计算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于改进粒子群算法的多目标最优潮流计算;胡德峰等;《电力系统及其自动化学报》;20070630;第19卷(第3期);第51-57页 *
改进粒子群优化算法的电力系统最优潮流计算;林小朗等;《广东电力》;20070331;第20卷(第3期);第12-15页 *

Also Published As

Publication number Publication date
CN104809521A (zh) 2015-07-29

Similar Documents

Publication Publication Date Title
CN104809521B (zh) 一种基于双层优化的受端电网外受电能力评价方法
Kong et al. Hierarchical distributed model predictive control of standalone wind/solar/battery power system
Rajkumar et al. Techno-economical optimization of hybrid pv/wind/battery system using Neuro-Fuzzy
CN108471143A (zh) 基于正负反馈粒子群算法的微电网多能源调度优化方法
CN104734153A (zh) 一种含分布式电源的配电网络重构方法
CN107453381B (zh) 基于两阶段交叉控制的电动汽车集群功率调节方法及系统
CN104732300B (zh) 一种基于模糊分区理论的神经网络风功率短期预测方法
CN104600713A (zh) 含风力/光伏发电配电网日前无功调度的生成装置及方法
CN103973203A (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
CN103678889A (zh) 一种计及静态电压稳定性的光伏发电接纳能力计算方法
CN106786977B (zh) 一种电动汽车充电站的充电调度方法
CN109274121A (zh) 一种风电场控制参数优化方法及系统
CN110336333A (zh) 一种区域综合能源系统的场景预测方法
CN105281325A (zh) 一种提升受端电网外受电能力的网架优化方法
CN107392498A (zh) 一种电网拓扑分析系统
Qi et al. Resilience analysis of integrated electricity and natural gas energy system under extreme events
CN108594658A (zh) 一种电-气耦合系统概率最大负荷裕度多目标优化模型及其求解方法
CN105703395A (zh) 一种风电消纳能力分析方法
CN105356500A (zh) 一种多光伏区域电网电压稳定性裕度预测方法
Nie et al. High-Performance Optimal Power Flow Estimation for EV-Interfaced Microgrids With Standardized Grid Services
CN109245096A (zh) 一种主动配电网最大供电能力计算方法
CN109950933A (zh) 一种基于改进粒子群算法的风光储联合调峰优化方法
CN111146782B (zh) 一种主动配电网分层的时变优化追踪方法
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
Zhang et al. Multi–objective cluster partition method for distribution network considering uncertainties of distributed generations and loads

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant