CN105046354A - 基于多代理的配电网规划场景模拟生成方法及其系统 - Google Patents
基于多代理的配电网规划场景模拟生成方法及其系统 Download PDFInfo
- Publication number
- CN105046354A CN105046354A CN201510400895.2A CN201510400895A CN105046354A CN 105046354 A CN105046354 A CN 105046354A CN 201510400895 A CN201510400895 A CN 201510400895A CN 105046354 A CN105046354 A CN 105046354A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- load
- agent
- planning
- power source
- 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
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于多代理的配电网规划场景模拟生成方法及其系统,该方法包括:将待规划区域内的配电网规划方划分为三个独立运营的配电网Agent、分布式电源Agent和负荷Agent;负荷Agent根据待规划区域内用地规划方案和不同类型土地的历史负荷密度数据,计算待规划区域内负荷预测信息;配电网Agent获取负荷预测信息及待规划区域内现有的网架,构建配电网线路规划的目标函数,根据目标函数采用遗传算法,优化获取配电网网架的规划方案;分布式电源Agent获取负荷预测信息、配电网的优化方案和当地气候的历史数据,构建分布式电源规划的目标函数;根据分布式电源规划的目标函数计算分布式电源的优化规划方案。
Description
技术领域
本发明涉及配电网构建技术领域,具体涉及基于多代理的配电网规划场景模拟生成方法及其系统。
背景技术
在目前的配电网规划场景模拟方面,传统的配电网规划只考虑负荷的平衡,以满足负荷的需求为目标。而在配电网规划设计中,应充分考虑分布式能源、需求侧响应等的不确定性,大量不确定性的加入使得规划场景的模拟尤为困难。
在实际规划中,电源规划,网架规划,负荷预测等并不是统一进行决策,这导致了各个主体的规划结果产生了偏离,网架和分布式电源规划在传统上是基于某一目标函数,再运用人工智能算法求解。各个决策主体单独进行决策,决策的结果可能不能互相匹配,这对规划场景的选择进一步带来了难度。
发明内容
针对现有技术中的上述不足,本发明提供了一种基于多代理的配电网规划场景模拟生成方法及其系统,其组成部分负荷Agent、配电网Agent和分布式电源Agent能够独立规划的同时进行信息交互。
为了达到上述发明目的,本发明采用的技术方案为:
在本发明的一个实施例中,提供一种基于多代理的配电网规划场景模拟生成方法,包括以下步骤:
将待规划区域内的配电网规划方划分为三个独立运营的配电网Agent、分布式电源Agent和负荷Agent;
负荷Agent获取待规划区域内用地规划方案,确定所述用地规划方案中所有区域的当前土地使用信息和未来城市土地使用规划信息;
基于灰色预测和不同类型土地的历史负荷密度数据,计算待规划区域内负荷预测信息:负荷总量和每个负荷的参数信息;
配电网Agent获取负荷Agent计算的负荷预测信息及待规划区域内现有的网架;
基于投资成本、运行成本和可靠性成本最低原则,构建配电网线路规划的目标函数;
根据目标函数采用遗传算法,计算获取配电网的优化方案:新建线路或升级已有线路;
分布式电源Agent获取负荷预测信息、配电网的优化方案和当地气候的历史数据;
基于分布式电源收益最大原则和配电网运行的网络损失、电压偏移最小原则,构建分布式电源规划的目标函数;
根据分布式电源规划的目标函数计算分布式电源的优化方案:分布式电源的安装位置和容量。
在本发明的另一个实施例中,提供一种基于多代理的配电网规划场景模拟生成系统,其包括:
负荷Agent,用于获取待规划区域内用地规划方案,确定所述用地规划方案中所有区域的当前土地使用信息和未来城市土地使用规划信息;基于不同类型土地的历史负荷密度数据,计算待规划区域内负荷预测信息:负荷总量和每个负荷的参数信息;并将负荷预测信息上传至规划信息交互平台进行存储;
配电网Agent,用于获取负荷Agent计算的负荷预测信息及待规划区域内现有的网架和变电站;基于投资成本、运行成本和可靠性成本最低原则,构建配电网线路规划的目标函数;根据目标函数采用遗传算法,优化计算获取配电网的规划方案:新建线路或升级已有线路;并将配电网的规划方案上传至规划信息交互平台进行存储;
分布式电源Agent,用于获取负荷预测信息、配电网的优化方案和当地气候的历史数据;基于分布式电源收益最大原则和配电网运行的网络损失、电压偏移最小原则,构建分布式电源规划的目标函数;根据分布式电源规划的目标函数采用遗传算法计算获取分布式电源的规划方案:分布式电源的安装位置和容量;并将分布式电源的规划方案上传至规划信息交互平台进行存储;
规划信息交互平台,接收负荷Agent、配电网Agent和分布式电源Agent上传出的信息数据进行存储;并响应配电网Agent获取负荷Agent的负荷预测信息和分布式电源Agent的分布式电源优化方案的请求,及响应分布式电源Agent获取负荷Agent的负荷预测信息和配电网Agent的配电网优化方案的请求。
本发明的有益效果为:配电网中的负荷Agent根据规划区域内用地规划方案独立的计算负荷总量和负荷的空间分布,配电网Agent基于负荷Agent的计算结果能够独立的对电网的线路进行设计,而分布式电源Agent则根据已调整的配电网Agent进行规划,且配电网Agent和分布式电源Agent在规划时能够根据两者相互交换的信息及负荷Agent计算结果发生变化时进行实时调整,从而达到相互联系,动态调整的规划方案。本发明可以在当配电网的规划方和分布式电源的规划方不属于同一个利益主体时进行规划模拟,可以实现两者的独立规划,并实现两者的互动,使两者的规划能相互匹配。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
该基于多代理的配电网规划场景模拟生成方法包括以下步骤:
将待规划区域内的配电网规划方划分为三个独立运营的配电网Agent、分布式电源Agent和负荷Agent;
负荷Agent获取待规划区域内用地规划方案,确定所述用地规划方案中所有区域的当前土地使用信息和未来城市土地使用规划信息。
基于不同类型土地的历史负荷密度数据,计算待规划区域内负荷预测信息:负荷总量和每个负荷的参数信息。
计算待规划区域内负荷预测信息的具体步骤为,采用灰色预测法计算待规划区域内负荷总量;读取未来城市土地使用规划信息及其相近似的小区的负荷参数信息,加以修正获得待规划区域内负荷的参数信息。每个所述负荷的参数信息包括安装位置、有功功率、无功功率和负荷的类型。负荷的类型可以进一步为负荷类型为可中断负荷、电动汽车和可调负荷。
灰色预测法计算待规划区域内负荷总量的详细步骤为:
1、因为灰色预测法GM(1,1)模型是一种指数增长模型,当电力负荷不呈严格指数持续增长时,预测的误差较大,所以对原始数据序列x(0)进行平滑处理,形成原始数据序列的修正序列x'(0);
2、计算x'(0)的一阶累加生产序列x(1),对x(1)建立GM(1,1)预测模型;
3、还原预测模型,得到原始数据序列的预测模型,并计算的值;
4、检验后验残差,如不满足精度要求,则取局部残差建立残差数据序列;
5、对残差数据序列再建立GM(1,1)模型,并对原始数据序列的预测模型进行修正;
6、把加入到序列x'(0),同时去掉最老的数据,重复步骤2,3,4,5,计算得到
7、如此进行下去,直到完成l为预测长度。
读取未来城市土地使用规划信息及其相近似的小区的负荷参数信息,加以修正获得待规划区域内负荷的参数信息的具体做法为:
负荷密度指标法是一种自下而上的预测方法,将政府对土地的城市规划方案作为确定用地类型的主要依据。将供电区域细分成若干个单元小区,将负荷特性相同或相似的小区聚合成类,然后将负荷空间分布预测归结为各类负荷小区负荷密度的预测。它可按如下主要步骤进行:对照城市详细规划图→划分小区→收集数据→计算小区负荷密度指标→计算负荷分布。其中各类负荷的负荷密度预测和各个小区面积的确定是负荷密度指标法的核心。
构建的负荷密度指标法的数学模型如下:
设ρi,t为第i类负荷的平均密度预测值(i=1,L,m)m表示分类数,ρi,t为分类负荷平均密度向量,小区j中分类面积构成向量为S=(S1jt,S2jt,L,Smjt),那么t年小区j的负荷预测为
上式中,ηjt为t年小区j的分类负荷同时系数,其中负荷密度指标和负荷同时率通过搜集国内外小区的负荷资料,形成相应经验数据库来确定。通过类比相似的小区,加以修正获得预测小区的负荷密度指标和负荷同时率。
配电网Agent获取负荷Agent计算的负荷预测信息及待规划区域内现有的网架;
基于投资成本、运行成本和可靠性成本最低原则,构建配电网线路规划的目标函数;
配电网线路规划的目标函数的表达式为:
minC=αCl+Closs+Coutage
上式中,α表示年费用折算系数,Cl表示线路投资(万元),Closs表示配电网网损费用(万元),Coutage表示配电网年停电损失成本(万元)。xi和ki表示0-1决策变量,等于1表示架设或升级第i条线路,等于0表示不架设或不升级第i条线路,cl,i和cu,i表示第i条线路的投资和升级费用,Ω0表示待选线路集。closs表示单位网络损耗费用,取为150万元/MW,T表示线路条数,ΔPi表示第i条线路上的有功损耗期望值(MW)。coutage,i表示节点i的单位停电成本,取0.6万元/MWh,Φ表示配电网节点集合,Ri表示节点i的可靠率,Li表示节点i的负荷大小。
设计时,配电网线路规划的目标函数必须满足以下五个约束条件:
1、节点电压约束,Vi,min<Vi<Vi,max,i∈Φ,节点i的电压处于该节点的上限和下限之间;
2、支路传输功率约束,|Sj|<Sj,max,j∈Ω,支路j的传输功率不超过上限;
3、潮流约束
Pis和Qis表示节点i的有功和无功注入;
4、分布式电源倒送功率不超过线路容量的30%,|Pgi-PDi+j(Qgi-QDi)|≤0.3×Si,max,Pgi和Qgi表示节点i处分布式电源的有功和无功出力,PDi和QDi表示节点i处负荷的有功功率和无功功率,Si,max表示节点i处线路的最大功率;
5、同一条线路在同一时段只能被新建或升级。对目标函数采用遗传算法,计算获取配电网的优化方案:新建线路或升级已有线路;
配电网网架规划是复杂的非线性优化问题,遗传算法已被广泛应用于求解配电网优化与规划问题,鉴于遗传算法在解决该类问题时的有效性,采用遗传算法求解流程:
1、染色体编码,每一个染色体代表一种网架规划方案;
2、产生初始种群,一个种群中包含N个染色体,即N种规划方案;
3、进行遗传操作,包括选择,交叉和变异。选择是将种群中优秀的染色体替代较差的染色体,保证算法的收敛性,交叉表示对选择操作后的个体以一定概率(可取0.9)进行交叉,变异表示对选择交叉后的子代个体以一定概率(可取0.1)得到最终个体;
4、潮流计算,基于蒙特卡罗抽样的随机潮流算法,对于分布式电源的出力状态采用蒙特卡罗抽样模拟。每一次确定性潮流计算使用前推回代算法。在潮流计算中可以计算网损费用,校验是否满足潮流等式约束,节点电压约束,支路潮流约束,分布式电源出力约束。
5、搜索终止条件,(1)达到了遗传操作的迭代次数;(2)设置连续不变迭代数,每代最优解连续不变达到该数时,搜索终止。
分布式电源Agent获取负荷预测信息、配电网的优化方案和当地气候的历史数据;
基于分布式电源收益最大原则和配电网运行的网络损失、电压偏移最小原则,构建分布式电源规划的目标函数;
根据分布式电源规划的目标函数计算分布式电源的优化方案:分布式电源的安装位置和容量。
根据分布式电源规划的目标函数计算分布式电源的优化方案进一步包括:
根据配电网电压和网损的灵敏度,采用分布式电源规划的目标函数计算分布式电源安装位置;对分布式电源规划的目标函数采用遗传算法,计算分布式电源的容量。
下面对分布式电源Agent优化过程的详细做法进行说明为:
首先确定分布式电源的候选安装位置,可按照以下原则确定:
1、选取配电网中负荷值较大、电压偏低且可靠性要求高的节点为候选节点
2、将相邻的候选节点合并为一个节点
应用最优化理论求解,构建分布式电源单位投资收益最大和分布式电源接入后配电网的获益最大两个目标函数:
上式中,CPSC表示分布式电源的单位投资收益,CINV表示分布式电源的安装,运行维护,燃料费用,也就投资是成本,CTPF表示分布式电源卖电收益及政策性补贴。
CGPi,CAPi分别表示节点i处的上网电价和政策补贴电价,N表示分布式电源的接入个数,节点i处分布式电源的额定安装容量,λCFi表示节点i处分布式电源的容量系数,αDGi表示节点i处分布式电源固定投资费用的年折算系数,表示分布式电源的单位投资成本,表示分布式电源单位容量的运行维护及燃料费用。
对于配电网投资商可能的收益为CPDC=ΔCPloss+ΔCU+ΔCReli+ΔCUpda
ΔCPloss=8760CgcΔPloss,Cgc表示配电公司销售电价,ΔPloss为系统平均有功网损变化量
λwi和λwoi表示有无分布式电源时系统年平均电压指标,Cimu表示因改善电压质量电网公司获得的收益
ΔCReli=CgcΔQEENS,ΔQEENS表示因分布式电源接入而导致的年缺供电量的变化量,因分布式电源的接入,故障情况下形成的孤岛内负荷的可靠性增加。
Uav为平均额定电压,Cmar为折算到每年的单位容量裕度费用成本,Iwi和Iwoi表示分布式电源安装前后流过之路中的电流,Nb表示支路数。
分布式电源单位投资收益最大和分布式电源接入后配电网的获益最大两个目标函数必须满足以下五个约束条件:
1、潮流等式约束,潮流计算结果收敛, Pis和Qis表示节点i的有功和无功注入;
2、节点电压运行约束,节点电压不越过电压的上下界,Vi,min<Vi<Vi,max,i∈Φ,节点i的电压处于该节点的上限和下限之间;
3、支路潮流双向约束,支路的正向和反向视在功率不超过容量极限;
4、分布式电源安装个数约束,不超过安装个数的上限;
5、分布式电源出力约束,渗透率不超过设定的上限。
根据分布式电源规划的目标函数采用NSGA2算法(带精英策略的非支配排序遗传算法)求解,该算法是遗传算法的改进方法,在染色体上对分布式电源的类型,位置,容量进行三段编码。该算法的流程如下:
1、确定分布式电源的候选安装位置;
2、分段编码产生初始种群,对分布式电源的类型,位置,容量分段进行编码。
3、确定个体优劣值,计算各个体的适应度函数,此时要进行潮流计算,得到目标函数值,这里的潮流计算与前文配电网网架规划中的潮流计算相同,并进行约束条件的校验,并通过非支配排序和拥挤距离排序实现个体优劣的排序。
4、遗传操作形成新个体,以精英保留策略进行选择,通过分段式交叉和变异产生新个体。
5、终止条件判断。已达到最大进化代数或者最优解集N代已没有变化,则输出结果,否则返回步骤3。
在本发明的一个实施例中,该基于多代理的配电网规划场景模拟生成方法还包括以下步骤:
当负荷Agent的负荷预测信息发生变化时,分布式电源Agent和配电网Agent根据已有优化方案和负荷Agent的负荷预测信息进行优化;
同时,分布式电源Agent和配电网Agent分别读取对方优化方案,当任一方案优化方案发生变化,分布式电源Agent和配电网Agent均根据已有和对方方案进行优化。
该基于多代理的配电网规划场景模拟生成系统包括:负荷Agent、配电网Agent、分布式电源Agent和规划信息交互平台。
其中,负荷Agent,用于获取待规划区域内用地规划方案,确定所述用地规划方案中所有区域的当前土地使用信息和未来城市土地使用规划信息;基于不同类型土地的历史负荷密度数据,计算待规划区域内负荷预测信息:负荷总量和每个负荷的参数信息;并将负荷预测信息上传至规划信息交互平台进行存储;
配电网Agent,用于获取负荷Agent计算的负荷预测信息及待规划区域内现有的网架;基于投资成本、运行成本和可靠性成本最低原则,构建配电网线路规划的目标函数;根据目标函数采用遗传算法,优化计算获取配电网的规划方案:新建线路或升级已有线路;并将配电网的规划方案上传至规划信息交互平台进行存储;
分布式电源Agent,用于获取负荷预测信息、配电网的优化方案和当地气候的历史数据;基于分布式电源收益最大原则和配电网运行的网络损失、电压偏移最小原则,构建分布式电源规划的目标函数;根据分布式电源规划的目标函数采用遗传算法计算分布式电源的规划方案:分布式电源的安装位置和容量;并将分布式电源的规划方案上传至规划信息交互平台进行存储;
规划信息交互平台,接收负荷Agent、配电网Agent和分布式电源Agent上传出的信息数据进行存储;并响应配电网Agent获取负荷Agent的负荷预测信息和分布式电源Agent的分布式电源规划方案的请求,及响应分布式电源Agent获取负荷Agent的负荷预测信息和配电网Agent的配电网规划方案的请求。
虽然对本发明的具体实施方式进行了详细地描述,但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内,本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。
Claims (7)
1.基于多代理的配电网规划场景模拟生成方法,其特征在于,包括以下步骤:
将待规划区域内的配电网的规划方划分为三个独立运营的配电网Agent、分布式电源Agent和负荷Agent;
负荷Agent获取待规划区域内用地规划方案,确定所述用地规划方案中所有区域的当前土地使用信息和未来城市土地使用规划信息;
基于不同类型土地的历史负荷密度数据,计算待规划区域内负荷预测信息:负荷总量和每个负荷的参数信息;
配电网Agent获取负荷Agent计算的负荷预测信息及待规划区域内现有的网架;
基于投资成本、运行成本和可靠性成本最低原则,构建配电网线路规划的目标函数;
根据目标函数采用遗传算法,优化获取配电网的规划方案:新建线路或升级已有线路;
分布式电源Agent获取负荷预测信息、配电网的规划方案和当地气候的历史数据;
基于分布式电源收益最大原则和配电网运行的网络损失、电压偏移最小原则,构建分布式电源规划的目标函数;
根据分布式电源规划的目标函数采用遗传算法优化获取分布式电源的规划方案:分布式电源的安装位置和容量。
2.根据权利要求1所述的基于多代理的配电网规划场景模拟生成方法,其特征在于,还包括:
当负荷Agent的负荷预测信息发生变化时,分布式电源Agent和配电网Agent根据已有优化方案和负荷Agent的负荷预测信息进行优化;
同时,分布式电源Agent和配电网Agent分别读取对方优化方案,当任一方案优化方案发生变化,分布式电源Agent和配电网Agent均根据已有和对方方案进行优化。
3.根据权利要求1或2所述的基于多代理的配电网规划场景模拟生成方法,其特征在于,每个所述负荷的参数信息包括安装位置、有功功率、无功功率和负荷的类型。
4.根据权利要求3所述的基于多代理的配电网规划场景模拟生成方法,其特征在于,所述负荷类型为可中断负荷、电动汽车和可调负荷。
5.根据权利要求1、2或4所述的基于多代理的配电网规划场景模拟生成方法,其特征在于,所述计算待规划区域内负荷预测信息进一步包括:
采用灰色预测法计算待规划区域内负荷总量;
读取未来城市土地使用规划信息及其相近似的小区的负荷参数信息,加以修正获得待规划区域内负荷的参数信息。
6.根据权利要求1、2或4所述的基于多代理的配电网规划场景模拟生成方法,其特征在于,采用分布式电源规划的目标函数计算分布式电源的优化方案进一步包括:
先根据配电网电压和网损的灵敏度分析方法,再根据分布式电源规划的目标函数计算分布式电源安装位置;
根据分布式电源规划的目标函数采用遗传算法,计算分布式电源的容量和位置。
7.一种权利要求1-6任一所述的基于多代理的配电网规划场景模拟生成系统,其特征在于,包括:
负荷Agent,用于获取待规划区域内用地规划方案,确定所述用地规划方案中所有区域的当前土地使用信息和未来城市土地使用规划信息;基于不同类型土地的历史负荷密度数据,计算待规划区域内负荷预测信息:负荷总量和每个负荷的参数信息;并将负荷预测信息上传至规划信息交互平台进行存储;
配电网Agent,用于获取负荷Agent计算的负荷预测信息及待规划区域内现有的网架和变电站;基于投资成本、运行成本和可靠性成本最低原则,构建配电网线路规划的目标函数;根据目标函数采用遗传算法,优化计算获取配电网的规划方案:新建线路或升级已有线路;并将配电网的规划方案上传至规划信息交互平台进行存储;
分布式电源Agent,用于获取负荷预测信息、配电网的规划方案和当地气候的历史数据;基于分布式电源收益最大原则和配电网运行的网络损失、电压偏移最小原则,构建分布式电源规划的目标函数;根据分布式电源规划的目标函数优化计算分布式电源的规划方案:分布式电源的安装位置和容量;并将分布式电源的规划方案上传至规划信息交互平台进行存储;
规划信息交互平台,接收负荷Agent、配电网Agent和分布式电源Agent上传出的信息数据进行存储;并响应配电网Agent获取负荷Agent的负荷预测信息和分布式电源Agent的分布式电源规划方案的请求,及响应分布式电源Agent获取负荷Agent的负荷预测信息和配电网Agent的配电网规划方案的请求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510400895.2A CN105046354A (zh) | 2015-07-09 | 2015-07-09 | 基于多代理的配电网规划场景模拟生成方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510400895.2A CN105046354A (zh) | 2015-07-09 | 2015-07-09 | 基于多代理的配电网规划场景模拟生成方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105046354A true CN105046354A (zh) | 2015-11-11 |
Family
ID=54452881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510400895.2A Pending CN105046354A (zh) | 2015-07-09 | 2015-07-09 | 基于多代理的配电网规划场景模拟生成方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046354A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106487008A (zh) * | 2016-11-22 | 2017-03-08 | 国网新疆电力公司乌鲁木齐供电公司 | 基于负荷关联系数的单元制中压配电网规划方法 |
CN109063992A (zh) * | 2018-07-18 | 2018-12-21 | 国网重庆市电力公司经济技术研究院 | 考虑区域综合能源系统优化运行的配电网扩展规划方法 |
CN110705902A (zh) * | 2019-10-14 | 2020-01-17 | 国网山东省电力公司泰安供电公司 | 配电网同时率估值范围计算方法、系统、终端及存储介质 |
CN110991740A (zh) * | 2019-12-03 | 2020-04-10 | 海南电网有限责任公司 | 基于运行模拟和智能体技术的电网规划方法和系统 |
CN111612272A (zh) * | 2020-05-28 | 2020-09-01 | 国家电网公司西南分部 | 考虑龙头水库的水电集群送出网架优化方法 |
CN111815130A (zh) * | 2020-06-24 | 2020-10-23 | 国网冀北电力有限公司经济技术研究院 | 一种配电网规划方法及装置 |
CN113362148A (zh) * | 2021-06-02 | 2021-09-07 | 国网上海市电力公司 | 一种电动汽车及其代理商竞价方法 |
CN113408779A (zh) * | 2021-04-29 | 2021-09-17 | 清华大学 | 新能源汇集网络的多目标规划方法、装置和计算机设备 |
CN115511312A (zh) * | 2022-02-15 | 2022-12-23 | 天津大学 | 电网规划方法、装置及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101764407A (zh) * | 2010-01-08 | 2010-06-30 | 杨毅 | 一种基于模糊期望值模型的配电网的规划方法 |
KR20130090629A (ko) * | 2012-02-06 | 2013-08-14 | 청주대학교 산학협력단 | 대화형 저탄소 시뮬레이션 시스템 |
CN103514487A (zh) * | 2013-07-15 | 2014-01-15 | 国家电网公司 | 一种含分布式电源的配电网负荷预测方法 |
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 |
CN104505865A (zh) * | 2015-01-12 | 2015-04-08 | 四川大学 | 主动配电网有功功率平衡多代理方法及系统 |
-
2015
- 2015-07-09 CN CN201510400895.2A patent/CN105046354A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101764407A (zh) * | 2010-01-08 | 2010-06-30 | 杨毅 | 一种基于模糊期望值模型的配电网的规划方法 |
KR20130090629A (ko) * | 2012-02-06 | 2013-08-14 | 청주대학교 산학협력단 | 대화형 저탄소 시뮬레이션 시스템 |
CN103514487A (zh) * | 2013-07-15 | 2014-01-15 | 国家电网公司 | 一种含分布式电源的配电网负荷预测方法 |
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 |
CN104505865A (zh) * | 2015-01-12 | 2015-04-08 | 四川大学 | 主动配电网有功功率平衡多代理方法及系统 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106487008A (zh) * | 2016-11-22 | 2017-03-08 | 国网新疆电力公司乌鲁木齐供电公司 | 基于负荷关联系数的单元制中压配电网规划方法 |
CN109063992B (zh) * | 2018-07-18 | 2021-11-09 | 国网重庆市电力公司经济技术研究院 | 考虑区域综合能源系统优化运行的配电网扩展规划方法 |
CN109063992A (zh) * | 2018-07-18 | 2018-12-21 | 国网重庆市电力公司经济技术研究院 | 考虑区域综合能源系统优化运行的配电网扩展规划方法 |
CN110705902A (zh) * | 2019-10-14 | 2020-01-17 | 国网山东省电力公司泰安供电公司 | 配电网同时率估值范围计算方法、系统、终端及存储介质 |
CN110705902B (zh) * | 2019-10-14 | 2022-12-16 | 国网山东省电力公司泰安供电公司 | 配电网同时率估值范围计算方法、系统、终端及存储介质 |
CN110991740A (zh) * | 2019-12-03 | 2020-04-10 | 海南电网有限责任公司 | 基于运行模拟和智能体技术的电网规划方法和系统 |
CN110991740B (zh) * | 2019-12-03 | 2023-12-15 | 海南电网有限责任公司 | 基于运行模拟和智能体技术的电网规划方法和系统 |
CN111612272A (zh) * | 2020-05-28 | 2020-09-01 | 国家电网公司西南分部 | 考虑龙头水库的水电集群送出网架优化方法 |
CN111815130A (zh) * | 2020-06-24 | 2020-10-23 | 国网冀北电力有限公司经济技术研究院 | 一种配电网规划方法及装置 |
CN113408779A (zh) * | 2021-04-29 | 2021-09-17 | 清华大学 | 新能源汇集网络的多目标规划方法、装置和计算机设备 |
CN113408779B (zh) * | 2021-04-29 | 2024-08-02 | 清华大学 | 新能源汇集网络的多目标规划方法、装置和计算机设备 |
CN113362148A (zh) * | 2021-06-02 | 2021-09-07 | 国网上海市电力公司 | 一种电动汽车及其代理商竞价方法 |
CN115511312A (zh) * | 2022-02-15 | 2022-12-23 | 天津大学 | 电网规划方法、装置及可读存储介质 |
CN115511312B (zh) * | 2022-02-15 | 2023-10-10 | 天津大学 | 电网规划方法、装置及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105046354A (zh) | 基于多代理的配电网规划场景模拟生成方法及其系统 | |
Luo et al. | Short‐term operational planning framework for virtual power plants with high renewable penetrations | |
Maghouli et al. | A scenario-based multi-objective model for multi-stage transmission expansion planning | |
Torbaghan et al. | A market-based transmission planning for HVDC grid—case study of the North Sea | |
CN109523060A (zh) | 高比例可再生能源在输配电网协同接入下的配比优化方法 | |
Mahdavi et al. | Robust mixed-integer programing model for reconfiguration of distribution feeders under uncertain and variable loads considering capacitor banks, voltage regulators, and protective relays | |
CN106487005A (zh) | 一种考虑输配电价的电网规划方法 | |
Li et al. | Hybrid two-stage stochastic methods using scenario-based forecasts for reservoir refill operations | |
Ghadimi et al. | Stochastic transmission expansion planning in the presence of wind farms considering reliability and N-1 contingency using grey wolf optimization technique | |
CN116207739A (zh) | 配电网优化调度方法、装置、计算机设备和存储介质 | |
CN115640963A (zh) | 一种考虑投资运营模式的海上风电接入系统鲁棒规划方法 | |
CN113837812A (zh) | 节点电价联合概率预测方法及装置 | |
Afshari Igder et al. | Bidding strategies of the joint wind, hydro, and pumped‐storage in generation company using novel improved clonal selection optimisation algorithm | |
Mansouri et al. | An improved MOPSO algorithm for multi-objective optimization of reservoir operation under climate change | |
Wang et al. | A tri-level framework for distribution-level market clearing considering strategic participation of electrical vehicles and interactions with wholesale market | |
CN103824122B (zh) | 基于两阶段双层多目标优化的输变电工程立项决策方法 | |
Zhu et al. | Wind power interval and point prediction model using neural network based multi-objective optimization | |
Parsa et al. | A social-economic-technical framework for reinforcing the automated distribution systems considering optimal switching and plug-in hybrid electric vehicles | |
CN116862068A (zh) | 一种计及激励型响应不确定性的变电站规划分布鲁棒优化方法及系统 | |
Šemić et al. | Distributed generation allocation in low voltage distribution network using artificial neural network | |
Jokar et al. | Transmission and distribution substation energy management considering large-scale energy storage, demand side management and security-constrained unit commitment | |
Papaemmanouil et al. | A cost-benefit analysis of transmission network reinforcement driven by generation capacity expansion | |
CN103886393A (zh) | 基于模拟投资效益分析及学习自动机的电网投资优化方法 | |
Jimenez et al. | Long term hydrothermal scheduling linear programming model for large scale power systems | |
Sukumar et al. | Modeling resource, infrastructure, and policy cost layers for optimizing renewable energy investment and deployment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151111 |