CN105337278A - 一种基于节点重要度评价矩阵的网络重构双层优化方法 - Google Patents
一种基于节点重要度评价矩阵的网络重构双层优化方法 Download PDFInfo
- Publication number
- CN105337278A CN105337278A CN201510929249.5A CN201510929249A CN105337278A CN 105337278 A CN105337278 A CN 105337278A CN 201510929249 A CN201510929249 A CN 201510929249A CN 105337278 A CN105337278 A CN 105337278A
- Authority
- CN
- China
- Prior art keywords
- node
- unit
- restoration path
- path
- model
- 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
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
-
- 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"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- 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
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于节点重要度评价矩阵的网络重构双层优化方法,涉及供电网络重构方法。目前,加权网络节点重要度评价结果过于片面。本发明包括以下步骤:输入粒子群算法的初始参数;针对每一个粒子,调用双层优化模型,其中求解上层优化模型得到机组的启动时刻并计算出系统的可用发电容量,求解下层模型得到发电机节点的恢复路径,从而得到每个粒子的目标函数值;根据目标函数值计算各个粒子的适应度;更新粒子的位置和速度,得到新的粒子;重复步骤,直到达到粒子群繁殖代数Mc;选出最优粒子,其对应的上层优化模型的解即为最优的机组启动时刻,下层模型的解即为恢复路径。本技术方案对节点重要度的评价更加全面,有效避免机组延迟恢复的情况发生。
Description
技术领域
本发明涉及供电网络重构方法,尤其指一种基于节点重要度评价矩阵的网络重构双层优化方法。
背景技术
大停电后的电力系统恢复可分为黑启动阶段、网络重构阶段和负荷恢复阶段。网络重构阶段的主要任务是尽快为失电机组送电并逐步建立起一个稳定的网架结构,为下一阶段全面恢复负荷打下坚实的基础,合理的网络重构策略有助于系统快速恢复。之前提出的网络重构策略大多是针对无权网络提出的,并没有考虑网络的电气特点,近年来提出的基于加权网络节点重要度的网络重构策略较有前途。且在加权网络节点重要度评价方面,现有方法大多没有综合考虑节点的全局重要性(位置信息)和局部重要性(相邻节点信息),使得对节点重要度的评价结果过于片面。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进,提供一种基于节点重要度评价矩阵的网络重构双层优化方法,以全面考虑节点重要度的目的。为此,本发明采取以下技术方案。
一种基于节点重要度评价矩阵的网络重构双层优化方法,包括以下步骤:
步骤S1:输入粒子群算法的初始参数,包括种群规模M、学习c1和c2、惯性权重和粒子群繁殖代数Mc;
步骤S2:随机生成M个待恢复机组的启动顺序,以此作为初始粒子群;
步骤S3:针对每一个粒子,调用双层优化模型,其中求解上层优化模型得到机组的启动时刻并计算出系统的可用发电容量,求解下层模型得到发电机节点的恢复路径,从而得到每个粒子的目标函数值;
步骤S4:根据目标函数值计算各个粒子的适应度,该适应度定义为系统可用发电量;
步骤S5:更新粒子的位置和速度,得到新的粒子;
步骤S6:重复步骤S3到S5,直到达到粒子群繁殖代数Mc;
步骤S7:选出最优粒子,其对应的上层优化模型的解即为最优的机组启动时刻,下层模型的解即为恢复路径。
上层模型以最大化系统可用发电容量为目标,以非黑启动机组获得启动功率的时间为优化变量;下层模型以恢复路径平均节点重要度最大为目标来确定发电机节点的恢复路径。在下层模型中,通过调节系数改变线路权重中线路电容与操作时间的比重,以避免恢复路径所需时间过长而导致待恢复机组无法尽快恢复的问题。
作为对上述技术方案的进一步完善和补充,本发明还包括以下附加技术特征。
在步骤S3中,双层优化模型的上层优化模型如下:
上层优化模型以最大化待恢复系统的可用发电容量为目标,优化变量为非黑启动机组获得启动功率的时间;式中:[0,T]为所研究的时间区间;Nsnb为系统内非黑启动机组的数目;Pigen(t)为t时刻机组i的输出功率;Pistart为机组i启动所需功率;ui(t)表示机组i的恢复状态;Wtotal为研究时间区间内系统的可用发电容量;ti,nes为机组i获得功率的时刻;ti,c为机组i启动所需时间;Ri为机组i的爬坡速率;Pi,max为机组i的最大输出功率;
在恢复过程中满足发电机出力约束、功率平衡约束、机组热启动和冷启动的时间约束。
在步骤S3中,双层优化模型的下层模型如下:
下层模型以最大化恢复路径的节点平均重要度为目标来选择发电机节点的恢复路径;恢复路径的节点平均重要度定义如下:
式中:Γ为恢复路径所经过的未恢复供电的节点集合;Ki为节点i的重要度;NΓ为恢复路径所经过的未恢复供电的节点数目;
可供选择的恢复路径是从已恢复的带电区域到待恢复机组之间的恢复路径;确定恢复路径的优化目标为:
上式为恢复路径寻优的目标函数,即从带电区域到待恢复机组的路径中选择节点平均重要度最大的路径作为恢复路径;每恢复一条线路,就将该线路及其两端节点合并到带电区域中。
在恢复路径寻优过程中,所选择路径为非冗余路径;当一条路径中含有两个或两个以上已充电节点时,判断该条路径为冗余路径,排除冗余路径。
节点重要度计算时,对线路权重进行计算,线路权重的计算公式为wij=(1-v)Cij+vtij,其中v为线路恢复系数,Cij为线路电容,tij线路操作时间;对于线路权重在初始状态下取v=0,此时线路权重完全由线路电容决定;当把上层优化模型求得的机组恢复顺序代入到下层模型中并求得恢复路径之后,若待恢复机组i获得启动功率的时间大于上层优化模型计算出的机组i的启动时刻ti,nes,则逐步增大v的值得到新的线路权重,然后重新以最大化节点平均重要度为目标搜索机组i的恢复路径,直至满足i获得启动功率的时间不大于ti,nes或v=1为止;当v=1时,线路权值完全由操作时间决定,则优化结果为线路操作时间最短的恢复路径。在计算节点重要度时不仅考虑了线路电容的影响,而且还考虑了线路操作时间的影响,避免恢复路径所需的时间过长而延迟恢复待恢复的机组,
在求解下层模型得到发电机节点的恢复路径时,将上层优化模型求得的最优启动时刻代入到下层优化模型中,如果在机组i的恢复路径搜索的步骤中v=1,那么把机组i通过该搜索路径获得启动功率的时刻回代到上层优化模型中,并作为机组i的最小启动时刻,即:
ti,nes≥ti,min
式中:ti,min为下层优化模型传递到上层优化模型中的值,即在下层优化模型计算中,如果机组i的恢复路径搜索步骤结束后v=1,则将启动功率通过v=1时的恢复路径送至机组i的时刻赋值给ti,min;否则,如果v<1,则将ti,min赋值为0。
在上层优化模型的优化过程中,若当前已恢复的电源功率足以启动多个机组,则采用并行恢复策略;否则,则采用串行恢复策略依次恢复相关机组。
在步骤S3中,求解下层模型所需用到的节点重要度的计算方法如下:
首先定义节点的效率和节点的点权这两个变量:
节点k的效率Pk是指该节点到网络中其它节点难易程度的平均值,即:
式中:n为网络中节点个数;dki为节点i和节点k之间权值总和最小的路径的总权值;
节点i的点权Si定义为与节点i直接相连的线路的权值和,即:
式中:ηi为与节点i直接相连的节点的集合;wij为连接节点i和节点j的线路的权值;
得到节点重要度评价矩阵HE:
运用节点重要度评价矩阵HE,综合考虑节点的效率和相邻节点的重要度贡献,定义节点i的重要度Ki为:
式中:Ki表示节点i所有的邻接节点对节点i的重要度贡献值之和与节点i自身效率的乘积。
彼此孤立的节点之间原本并不存在重要度的依赖关系,但节点间一旦互相连接起来,节点的重要度就可能会发生变化。因此,互联节点的重要度相互影响/贡献,并与拓扑有关,该拓扑是实际网络拓扑的一个映射,利用节点间这种重要度贡献关系,再融合节点效率这一反应节点全局信息的变量,得到节点重要度评价矩阵HE。
有益效果:首先,本发明所采用的节点重要度评价方法对节点重要度的评价更加全面;其次,本文所采用的网络重构双层优化模型有效避免了在系统有足够功率启动某台机组时却由于恢复路径所需时间过长导致该机组延迟恢复的情况发生。
附图说明
图1是本发明的方法流程图。
图2是本发明一实施例的新英格兰10机39节点系统拓扑结构。
图3是本发明图1所示实施例的最终恢复网架示意图。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。
如图1所示,本发明包括以下步骤:
步骤S1:输入粒子群算法的初始参数,包括种群规模M、学习因子c1和c2、惯性权重和粒子群繁殖代数Mc。
步骤S2:随机生成M个待恢复机组的启动顺序,以此作为初始粒子群。
步骤S3:针对每一个粒子,调用双层优化模型,其中求解上层模型得到机组的启动时刻并计算出系统的可用发电容量,求解下层模型得到发电机节点的恢复路径,从而得到每个粒子的目标函数值。双层优化模型的具体内容如下:
上层模型以最大化待恢复系统的可用发电容量为目标,优化变量为非黑启动机组获得启动功率的时间。
式中:[0,T]为所研究的时间区间;Nsnb为系统内非黑启动机组的数目;Pigen(t)为t时刻机组i的输出功率;Pistart为机组i启动所需功率;ui(t)表示机组i的恢复状态;Wtotal为研究时间区间内系统的可用发电容量;ti,nes为机组i获得功率的时刻;ti,c为机组i启动所需时间;Ri为机组i的爬坡速率;Pi,max为机组i的最大输出功率。此外,在恢复过程中还应满足发电机出力约束、功率平衡约束、机组热启动和冷启动的时间约束等。
除上述约束条件之外,本发明还需新增一个约束条件,即将上层优化模型求得的最优启动时刻代入到下层优化模型中,如果在机组i的恢复路径搜索的步骤中v=1,那么应把机组i通过该搜索路径获得启动功率的时刻回代到上层优化模型中,并作为机组i的最小启动时刻,即:
ti,nes≥ti,min
式中:ti,min为下层优化模型传递到上层优化模型中的值,即在下层优化模型计算中,如果机组i的恢复路径搜索步骤结束后v=1,则将启动功率通过v=1时的恢复路径送至机组i的时刻赋值给ti,min;否则,如果v<1,则将ti,min赋值为0。
在上层优化模型的优化过程中,若当前已恢复的电源功率足以启动多个机组,则可采用并行恢复策略;否则,则采用串行恢复策略依次恢复相关机组。
下层模型则以最大化恢复路径的节点平均重要度为目标来选择发电机节点的恢复路径。
式中:Γ为恢复路径所经过的未恢复供电的节点集合;Ki为节点i的重要度;NΓ为恢复路径所经过的未恢复供电的节点数目。
上式为恢复路径寻优的目标函数,即从带电区域到待恢复机组的路径中选择节点平均重要度最大的路径作为恢复路径。每恢复一条线路,就将该线路及其两端节点合并到带电区域中。
在恢复路径寻优过程中,还需注意所选择路径必须是非冗余路径。如果一条路径中含有两个或两个以上已充电节点(包括起始节点),则该条路径即为冗余路径。
为避免恢复路径所需的时间过长而延迟恢复待恢复的机组,故本文在计算节点重要度时不仅考虑了线路电容的影响,而且还考虑了线路操作时间的影响。
对于线路权重wij=(1-v)Cij+vtij,在初始状态下取v=0,此时线路权重完全由线路电容决定。当把上层优化模型求得的机组恢复顺序代入到下层优化模型中并求得恢复路径之后,若待恢复机组i获得启动功率的时间大于上层优化模型计算出的机组i的启动时刻ti,nes,则逐步增大v的值得到新的线路权重,然后重新以最大化节点平均重要度为目标搜索机组i的恢复路径,直至满足i获得启动功率的时间不大于ti,nes或v=1为止。当v=1时,线路权值完全由操作时间决定,则优化结果为线路操作时间最短的恢复路径。
步骤S4:根据目标函数值计算各个粒子的适应度,该适应度定义为系统可用发电量。
步骤S5:更新粒子的位置和速度,得到新的粒子。
步骤S6:重复步骤S3到S5,直到达到粒子群繁殖代数Mc。
步骤S7:选出最优粒子,其对应的上层模型的解即为最优的机组启动时刻,下层模型的解即为恢复路径。
在步骤S3中求解下层模型所需用到的节点重要度的的计算方法如下:
首先定义节点的效率和节点的点权这两个变量:
节点k的效率Pk是指该节点到网络中其它节点难易程度的平均值,即:
式中:n为网络中节点个数;dki为节点i和节点k之间权值总和最小的路径的总权值。
节点i的点权Si定义为与节点i直接相连的线路的权值和,即:
式中:ηi为与节点i直接相连的节点的集合;wij为连接节点i和节点j的线路的权值。
彼此孤立的节点之间原本并不存在重要度的依赖关系,但节点间一旦互相连接起来,节点的重要度就可能会发生变化。因此,互联节点的重要度相互影响/贡献,并与拓扑有关,该拓扑是实际网络拓扑的一个映射。利用节点间这种重要度贡献关系,再融合节点效率这一反应节点全局信息的变量,得到节点重要度评价矩阵HE:
运用节点重要度评价矩阵HE,综合考虑节点的效率和相邻节点的重要度贡献,定义节点i的重要度Ki为:
式中:Ki表示节点i所有的邻接节点对节点i的重要度贡献值之和与节点i自身效率的乘积。
以图2为新英格兰10机39节点系统拓扑结构为例,通过本发明的基于节点重要度评价矩阵的网络重构双层优化方法,得到发电机恢复时刻最终优化结果,如表1所示:
表1
恢复路径最终优化结果,如表2所示:
表2
表2的结果表示至拓扑图上后得到如图3所示的最优恢复网架方案。
以上图1所示的一种基于节点重要度评价矩阵的网络重构双层优化方法是本发明的具体实施例,已经体现出本发明实质性特点和进步,以上该仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于节点重要度评价矩阵的网络重构双层优化方法,其特征在于包括以下步骤:
步骤S1:输入粒子群算法的初始参数,包括种群规模M、学习c1和c2、惯性权重和粒子群繁殖代数Mc;
步骤S2:随机生成M个待恢复机组的启动顺序,以此作为初始粒子群;
步骤S3:针对每一个粒子,调用双层优化模型,其中求解上层优化模型得到机组的启动时刻并计算出系统的可用发电容量,求解下层模型得到发电机节点的恢复路径,从而得到每个粒子的目标函数值;
步骤S4:根据目标函数值计算各个粒子的适应度,该适应度定义为系统可用发电量;
步骤S5:更新粒子的位置和速度,得到新的粒子;
步骤S6:重复步骤S3到S5,直到达到粒子群繁殖代数Mc;
步骤S7:选出最优粒子,其对应的上层优化模型的解即为最优的机组启动时刻,下层模型的解即为恢复路径。
2.根据权利要求1所述的一种基于节点重要度评价矩阵的网络重构双层优化方法,其特征在于:在步骤S3中,双层优化模型的上层优化模型如下:
上层优化模型以最大化待恢复系统的可用发电容量为目标,优化变量为非黑启动机组获得启动功率的时间;式中:[0,T]为所研究的时间区间;Nsnb为系统内非黑启动机组的数目;Pigen(t)为t时刻机组i的输出功率;Pistart为机组i启动所需功率;ui(t)表示机组i的恢复状态;Wtotal为研究时间区间内系统的可用发电容量;ti,nes为机组i获得功率的时刻;ti,c为机组i启动所需时间;Ri为机组i的爬坡速率;Pi,max为机组i的最大输出功率;
在恢复过程中满足发电机出力约束、功率平衡约束、机组热启动和冷启动的时间约束。
3.根据权利要求2所述的一种基于节点重要度评价矩阵的网络重构双层优化方法,其特征在于:在步骤S3中,双层优化模型的下层模型如下:
下层模型以最大化恢复路径的节点平均重要度为目标来选择发电机节点的恢复路径;恢复路径的节点平均重要度定义如下:
式中:Γ为恢复路径所经过的未恢复供电的节点集合;Ki为节点i的重要度;NΓ为恢复路径所经过的未恢复供电的节点数目;
可供选择的恢复路径是从已恢复的带电区域到待恢复机组之间的恢复路径;确定恢复路径的优化目标为:
上式为恢复路径寻优的目标函数,即从带电区域到待恢复机组的路径中选择节点平均重要度最大的路径作为恢复路径;每恢复一条线路,就将该线路及其两端节点合并到带电区域中。
4.根据权利要求3所述的一种基于节点重要度评价矩阵的网络重构双层优化方法,其特征在于:在恢复路径寻优过程中,所选择路径为非冗余路径;当一条路径中含有两个或两个以上已充电节点时,判断该条路径为冗余路径,排除冗余路径。
5.根据权利要求3所述的一种基于节点重要度评价矩阵的网络重构双层优化方法,其特征在于:
节点重要度计算时,对线路权重进行计算,线路权重的计算公式为wij=(1-v)Cij+vtij,其中v为线路恢复系数,Cij为线路电容,tij线路操作时间;对于线路权重在初始状态下取v=0,此时线路权重完全由线路电容决定;当把上层优化模型求得的机组恢复顺序代入到下层模型中并求得恢复路径之后,若待恢复机组i获得启动功率的时间大于上层优化模型计算出的机组i的启动时刻ti,nes,则逐步增大v的值得到新的线路权重,然后重新以最大化节点平均重要度为目标搜索机组i的恢复路径,直至满足i获得启动功率的时间不大于ti,nes或v=1为止;当v=1时,线路权值完全由操作时间决定,则优化结果为线路操作时间最短的恢复路径。
6.根据权利要求5所述的一种基于节点重要度评价矩阵的网络重构双层优化方法,其特征在于:在求解下层模型得到发电机节点的恢复路径时,将上层优化模型求得的最优启动时刻代入到下层优化模型中,如果在机组i的恢复路径搜索的步骤中v=1,那么把机组i通过该搜索路径获得启动功率的时刻回代到上层优化模型中,并作为机组i的最小启动时刻,即:
ti,nes≥ti,min
式中:ti,min为下层优化模型传递到上层优化模型中的值,即在下层优化模型计算中,如果机组i的恢复路径搜索步骤结束后v=1,则将启动功率通过v=1时的恢复路径送至机组i的时刻赋值给ti,min;否则,如果v<1,则将ti,min赋值为0。
7.根据权利要求1所述的一种基于节点重要度评价矩阵的网络重构双层优化方法,其特征在于:在上层优化模型的优化过程中,若当前已恢复的电源功率足以启动多个机组,则采用并行恢复策略;否则,则采用串行恢复策略依次恢复相关机组。
8.根据权利要求1-7任一权利要求所述的一种基于节点重要度评价矩阵的网络重构双层优化方法,其特征在于:在步骤S3中,求解下层模型所需用到的节点重要度的计算方法如下:
首先定义节点的效率和节点的点权这两个变量:
节点k的效率Pk是指该节点到网络中其它节点难易程度的平均值,即:
式中:n为网络中节点个数;dki为节点i和节点k之间权值总和最小的路径的总权值;
节点i的点权Si定义为与节点i直接相连的线路的权值和,即:
式中:ηi为与节点i直接相连的节点的集合;wij为连接节点i和节点j的线路的权值;
得到节点重要度评价矩阵HE:
运用节点重要度评价矩阵HE,综合考虑节点的效率和相邻节点的重要度贡献,定义节点i的重要度Ki为:
式中:Ki表示节点i所有的邻接节点对节点i的重要度贡献值之和与节点i自身效率的乘积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510929249.5A CN105337278B (zh) | 2015-12-14 | 2015-12-14 | 一种基于节点重要度评价矩阵的网络重构双层优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510929249.5A CN105337278B (zh) | 2015-12-14 | 2015-12-14 | 一种基于节点重要度评价矩阵的网络重构双层优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105337278A true CN105337278A (zh) | 2016-02-17 |
CN105337278B CN105337278B (zh) | 2018-03-09 |
Family
ID=55287650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510929249.5A Active CN105337278B (zh) | 2015-12-14 | 2015-12-14 | 一种基于节点重要度评价矩阵的网络重构双层优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105337278B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107394772A (zh) * | 2017-06-28 | 2017-11-24 | 国网天津市电力公司 | 考虑综合节点权重的电力系统黑启动恢复多目标优化方法 |
CN107862405A (zh) * | 2017-10-27 | 2018-03-30 | 广东电网有限责任公司电力调度控制中心 | 计及微网作为黑启动电源的电力系统网架重构优化方法 |
CN108880935A (zh) * | 2018-06-05 | 2018-11-23 | 广州杰赛科技股份有限公司 | 网络节点重要度的获得方法和装置、设备、存储介质 |
CN109599893A (zh) * | 2018-12-05 | 2019-04-09 | 国网辽宁省电力有限公司大连供电公司 | 一种考虑光伏和储能的负荷恢复算法 |
CN109726820A (zh) * | 2018-12-18 | 2019-05-07 | 新奥数能科技有限公司 | 能源节点重要度的计算方法及装置、存储介质、电子装置 |
CN109828028A (zh) * | 2019-03-28 | 2019-05-31 | 深圳中凯剑无损检测设备科技有限公司 | 一种超声检测缺陷定性系统和定性方法 |
CN109995028A (zh) * | 2019-04-09 | 2019-07-09 | 国网山东省电力公司济南供电公司 | 一种基于最优恢复序列的配网故障恢复方法及系统 |
CN110474368A (zh) * | 2019-08-08 | 2019-11-19 | 广东工业大学 | Dg辅助配电网黑启动网络元件恢复顺序分层优化方法 |
CN112884607A (zh) * | 2021-03-11 | 2021-06-01 | 国网陕西省电力公司电力科学研究院 | 一种区内黑启动恢复网络的计算方法及计算系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799950A (zh) * | 2012-07-03 | 2012-11-28 | 大连海事大学 | 基于粒子群算法的船舶电网重构优化方法 |
CN103151777A (zh) * | 2013-03-27 | 2013-06-12 | 国家电网公司 | 一种基于电网差异化的核心骨干网架构建方法 |
CN103746366A (zh) * | 2012-11-29 | 2014-04-23 | 浙江省电力公司 | 一种基于节点重要度的电力系统恢复方法 |
CN104578427A (zh) * | 2015-01-27 | 2015-04-29 | 国家电网公司 | 一种含微网电源的配电网的故障自愈方法 |
CN105117517A (zh) * | 2015-07-28 | 2015-12-02 | 中国电力科学研究院 | 一种基于改进粒子群算法的配网重构方法 |
-
2015
- 2015-12-14 CN CN201510929249.5A patent/CN105337278B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799950A (zh) * | 2012-07-03 | 2012-11-28 | 大连海事大学 | 基于粒子群算法的船舶电网重构优化方法 |
CN103746366A (zh) * | 2012-11-29 | 2014-04-23 | 浙江省电力公司 | 一种基于节点重要度的电力系统恢复方法 |
CN103151777A (zh) * | 2013-03-27 | 2013-06-12 | 国家电网公司 | 一种基于电网差异化的核心骨干网架构建方法 |
CN104578427A (zh) * | 2015-01-27 | 2015-04-29 | 国家电网公司 | 一种含微网电源的配电网的故障自愈方法 |
CN105117517A (zh) * | 2015-07-28 | 2015-12-02 | 中国电力科学研究院 | 一种基于改进粒子群算法的配网重构方法 |
Non-Patent Citations (2)
Title |
---|
张璨等: "《基于后悔思想的网络重构两步策略》", 《电力系统自动化》 * |
张璨等: "《电力系统网络重构的多目标双层优化策略》", 《电力系统自动化》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107394772B (zh) * | 2017-06-28 | 2020-11-03 | 国网天津市电力公司 | 考虑综合节点权重的电力系统黑启动恢复多目标优化方法 |
CN107394772A (zh) * | 2017-06-28 | 2017-11-24 | 国网天津市电力公司 | 考虑综合节点权重的电力系统黑启动恢复多目标优化方法 |
CN107862405A (zh) * | 2017-10-27 | 2018-03-30 | 广东电网有限责任公司电力调度控制中心 | 计及微网作为黑启动电源的电力系统网架重构优化方法 |
CN107862405B (zh) * | 2017-10-27 | 2021-03-02 | 广东电网有限责任公司电力调度控制中心 | 计及微网作为黑启动电源的电力系统网架重构优化方法 |
CN108880935A (zh) * | 2018-06-05 | 2018-11-23 | 广州杰赛科技股份有限公司 | 网络节点重要度的获得方法和装置、设备、存储介质 |
CN109599893B (zh) * | 2018-12-05 | 2022-04-05 | 国网辽宁省电力有限公司大连供电公司 | 一种考虑光伏和储能的负荷恢复算法 |
CN109599893A (zh) * | 2018-12-05 | 2019-04-09 | 国网辽宁省电力有限公司大连供电公司 | 一种考虑光伏和储能的负荷恢复算法 |
CN109726820A (zh) * | 2018-12-18 | 2019-05-07 | 新奥数能科技有限公司 | 能源节点重要度的计算方法及装置、存储介质、电子装置 |
CN109828028A (zh) * | 2019-03-28 | 2019-05-31 | 深圳中凯剑无损检测设备科技有限公司 | 一种超声检测缺陷定性系统和定性方法 |
CN109828028B (zh) * | 2019-03-28 | 2021-11-30 | 烟台中凯检测科技有限公司 | 一种超声检测缺陷定性系统和定性方法 |
CN109995028A (zh) * | 2019-04-09 | 2019-07-09 | 国网山东省电力公司济南供电公司 | 一种基于最优恢复序列的配网故障恢复方法及系统 |
CN109995028B (zh) * | 2019-04-09 | 2023-05-12 | 国网山东省电力公司济南供电公司 | 一种基于最优恢复序列的配网故障恢复方法及系统 |
CN110474368A (zh) * | 2019-08-08 | 2019-11-19 | 广东工业大学 | Dg辅助配电网黑启动网络元件恢复顺序分层优化方法 |
CN110474368B (zh) * | 2019-08-08 | 2022-12-16 | 广东工业大学 | Dg辅助配电网黑启动网络元件恢复顺序分层优化方法 |
CN112884607A (zh) * | 2021-03-11 | 2021-06-01 | 国网陕西省电力公司电力科学研究院 | 一种区内黑启动恢复网络的计算方法及计算系统 |
CN112884607B (zh) * | 2021-03-11 | 2023-08-01 | 国网陕西省电力公司电力科学研究院 | 一种区内黑启动恢复网络的计算方法及计算系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105337278B (zh) | 2018-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105337278A (zh) | 一种基于节点重要度评价矩阵的网络重构双层优化方法 | |
CN109559035B (zh) | 一种考虑灵活性的城市配电网双层规划方法 | |
CN103746366B (zh) | 一种基于节点重要度的电力系统恢复方法 | |
CN103792924B (zh) | 一种含有微网的电力系统扩展黑启动方法 | |
CN104617591A (zh) | 基于多场景新能源发电模拟的日运行方式安排和调峰方法 | |
CN105870949B (zh) | 一种基于分布式梯度算法的微电网储能单元优化控制方法 | |
CN109510234B (zh) | 一种微电网储能电站的混合储能容量优化配置方法及装置 | |
CN104123683B (zh) | 基于动态规划的电力系统黑启动方案生成方法 | |
CN105449675A (zh) | 优化分布式能源接入点和接入比例的电力网络重构方法 | |
CN104868465A (zh) | 基于模糊机会约束的电力系统网架重构优化方法 | |
CN103401241A (zh) | 基于dg自组网策略的微电网运行模式平滑切换的控制方法 | |
CN105071437A (zh) | 一种考虑分布式电源出力和负荷不确定性的孤岛划分方法 | |
CN106651000A (zh) | 一种基于半监督谱聚类的黑启动分区方法 | |
CN106779250A (zh) | 一种基于新型优化模型的孤立分布式电网配置方法 | |
CN107179688B (zh) | 考虑蒙特卡罗状态抽样截尾的电力系统可靠性分析方法 | |
CN112310962A (zh) | 一种基于风电场的最优网络重构的方法及系统 | |
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 | |
CN111030084A (zh) | 一种考虑系统恢复过程中机组状态的负荷恢复优化方法 | |
CN110766285A (zh) | 一种基于虚拟电厂的日前能源调度方法 | |
CN103746406B (zh) | 快速切负荷火电机组的配置方法 | |
CN113078633B (zh) | 一种含可再生能源的输配电耦合系统恢复力提升方法 | |
CN103701124B (zh) | 一种基于并行计算平台的小干扰辅助决策优化方法 | |
CN115719967A (zh) | 一种用于提高供电可靠性的有源配电网储能装置优化配置方法 | |
CN111509744B (zh) | 一种储能多功能应用布局方法及系统 | |
CN115021241A (zh) | 基于分布式资源的配电网自我恢复方法 |
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 |