CN105990833B - 一种基于运行场景匹配的配电网动态重构方法 - Google Patents

一种基于运行场景匹配的配电网动态重构方法 Download PDF

Info

Publication number
CN105990833B
CN105990833B CN201510047989.6A CN201510047989A CN105990833B CN 105990833 B CN105990833 B CN 105990833B CN 201510047989 A CN201510047989 A CN 201510047989A CN 105990833 B CN105990833 B CN 105990833B
Authority
CN
China
Prior art keywords
power distribution
distribution network
load
run
time scenario
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
CN201510047989.6A
Other languages
English (en)
Other versions
CN105990833A (zh
Inventor
盛万兴
孟晓丽
唐巍
丛鹏伟
张璐
蔡永翔
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
China Electric Power Research Institute Co Ltd CEPRI
Jinan Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Jinan Power Supply Co of State Grid Shandong 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, China Electric Power Research Institute Co Ltd CEPRI, Jinan Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201510047989.6A priority Critical patent/CN105990833B/zh
Publication of CN105990833A publication Critical patent/CN105990833A/zh
Application granted granted Critical
Publication of CN105990833B publication Critical patent/CN105990833B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明一种基于运行场景匹配的配电网动态重构方法,包括以下步骤:离线建立配电网运行场景组态策略库;确定配电网运行场景的候选组态策略集;确定最优的配电网动态重构策略。本发明提供的基于运行场景匹配的配电网动态重构方法,为运行调度人员提供合理的配电线路运行方式优化参考依据,具有重要的理论价值和现实意义。

Description

一种基于运行场景匹配的配电网动态重构方法
技术领域
本发明属于配电系统自动化技术领域,具体涉及一种基于运行场景匹配的配电网动态重构方法。
背景技术
配电自动化的核心内容之一是配电网重构。配电网重构是在保证网络结构呈辐射状、电压降落要求等前提下,通过调整配电网中开关状态来改变网络组态,以实现配电网的优化运行。配电网重构是提高配电系统安全性和经济性的重要手段。根据优化时间尺度不同,重构主要包括静态重构和动态重构。静态重构基于确定时间点优化,而动态重构是在己知未来一段时间的负荷的前提下,针对负荷的动态变化而进行的网络重构。动态重构能够依据负荷的变化对配网结构进行动态调整,保证配电系统的安全、优质、经济运行,更加符合高级配电网自动化的要求。对于实际配电网来说,由于网络结构复杂,负荷实时变化,利用传统的智能算法来求解配电网动态重构问题,在算法的收敛性、计算速度和寻优效果上很难令人满意。
在传统配电网中,由于社会对配电网及其优化的重视不够,并且受数据采集装置配置的制约,配电网信息采集不够,配电网动态重构策略快速生成方法的研究还比较落后。但是随着目前配电自动化、智能电网建设,配电网运行监测手段日益增多,监测数据信息日益丰富,为提出更为快速的配电线路动态重构策略生成方法提供了基础条件。
目前求解配电网动态重构问题主要有两个思路。一种是根据系统负荷预测曲线对未来一天进行时段划分,使连续过程离散化后利用静态重构方法进行优化。文献[1]提出了以控制最大重构次数为目标的基于功率矩法的时段划分方法,建立了以系统运行费用最小为目标函数的分层优化重构模型,并给出了适应模型的免疫算法。文献[2]利用最优分段法对时段进行划分,并采用改进的快速最优流模式法获得动态重构策略。第一种方法的缺陷在于,以系统总负荷预测曲线为依据划分时段而忽略了各节点负荷波动对于重构优化结果的影响,因此动态重构策略并不是最优的。
另一种是先在每个时段内进行静态重构优化,再通过启发式规则对时段进行合并以达到最优的分段数。文献[3]将整个时区分成若干个连续的时间间隔,以网损最小为目标函数,分别进行各时间间隔静态重构。通过分析不同时段数与网损下降量的关系,确定最优时段数,对初始的时间间隔进行合并得到最优的动态重构策略。文献[4]在各个时段静态重构后,定义了方式切换最小收益阈值,只有运行方式调整后的收益超过该阈值的方式切换才被允许,通过这种方法对时段进行合并。第二种方法的缺陷在于,最终优化结果的候选解来源于初始对各个时段进行静态重构的优化结果,因此其优化结果并非全局最优,容易导致重构方式选择的不合理性,而且计算量大,求解速度慢。
相关文献
[1]江东林,刘天琪,李樊.采用时段动态划分和分层优化策略的配电网重构[J].电网技术,2012,36(2):153-157.
[2]郑怡,王威.基于最优分段法的配电网络动态重构[J].工业仪表与自动化装置,2013,03:70-72.
[3]余健明,王征,许苗.考虑负荷变化的配电网动态分时段重构[J].高电压技术,2007,09:125-128+158.
[4]刘健,徐精求,董海鹏.考虑负荷变化的配电网动态优化[J].继电器,2004,13:15-19.
发明内容
为了克服上述现有技术的不足,本发明提供一种基于运行场景匹配的配电网动态重构方法,为运行调度人员提供合理的配电线路运行方式优化参考依据,具有重要的理论价值和现实意义。
为了实现上述发明目的,本发明采取如下技术方案:
本发明一种基于运行场景匹配的配电网动态重构方法,所述方法包括以下步骤:
离线建立配电网运行场景组态策略库;
确定配电网运行场景的候选组态策略集;
确定最优的配电网动态重构策略。
离线建立配电网运行场景组态策略库包括:
根据组态日所在季节、日类型、气温、负荷曲线配电网对配电网运行场景进行分类;
根据实际现场运行经验或采用动态重构算法对每个运行场景进行优化,获得该运行场景对应的配电网动态重构策略;
将运行场景与对应组态策略合并,形成运行场景策略组合,描述方式为{运行场景,组态策略};
将所有运行场景与组态策略进行组合,形成配电网运行场景组态策略库。
所述季节包括春、夏、秋和冬;
所述日类型包括工作日、周末、特殊节假日和一般节假日;所述特殊节假日包括五一、十一和春节,所述一般节假日包括元旦节、清明节和端午节;
所述气温包括最高气温、最低气温和平均气温;
所述负荷曲线包括24小时负荷值。
根据实际现场运行经验对每个运行场景进行优化,进而确定该运行场景对应的配电网动态重构策略;过程如下:
根据实际现场运行经验对每个运行场景进行优化由24小时的开关状态描述,假设每个开关1天内状态改变不超过3次,每个开关状态描述为{1时状态,变位时刻1,2时状态,变位时刻2,3时状态,变位时刻3,4时状态},其中开关状态0表示开断,1表示闭合。
确定配电网运行场景的候选组态策略集包括:
确定组态日所在季节和日类型,根据天气预报获得待预测日气温,并对配电网进行负荷预测,获得待预测日24小时负荷预测值;
根据组态日所在季节、日类型和气温,从配电网运行场景组态策略库中筛选出相同的数据集合,形成基本条件匹配集合;
根据负荷参数从基本条件匹配集合中筛选出负荷相似度大于相似度阈值的数据集合,形成负荷条件匹配集合,负荷条件匹配集合将作为配电网运行场景的候选组态策略集。
所述负荷参数包括最大负荷参数、次最大负荷参数、最小负荷参数和次最小负荷参数;
所述最大负荷参数包括最大负荷值、最大负荷发生时刻和最大负荷持续时刻,最大负荷持续时刻指统计附近大于等于85%最大负荷的时刻;
所述次最大负荷参数包括次最大负荷值、次最大负荷发生时刻和次最大负荷持续时刻,次最大负荷持续时刻指统计附近大于等于85%次最大负荷的时刻;
所述最小负荷参数包括最小负荷值、最小负荷发生时刻和最小负荷持续时刻,最小负荷持续时刻指统计附近小于等于115%最小负荷的时刻;
所述次最小负荷参数包括次最小负荷值、次最小负荷发生时刻和次最小负荷持续时刻,次最小负荷持续时刻指统计附近小于等于115%次最小负荷的时刻。
所述负荷相似度表示为:
其中,pro表示负荷相似度,M表示负荷因素数,xi表示组态日负荷的第i个因素值,yi表示配电网运行场景组态策略库中某运行场景对应负荷的第i个因素值;
所述相似度阈值取为0.7。
根据配电网性能满意度评价函数对候选组态策略集中的各个候选组态策略进行评价,从配电网性能指标满意度高于满意度标准值的组态策略中选取配电网性能指标满意度最大的组态策略,作为最优的配电线路动态重构策略;若所有配电网性能指标满意度均低于满意度标准值,则利用优化算法重新生成新的配电网动态重构策略,并将新的配电网场景策略组合添加到配电网运行场景组态策略库中。
对候选组态策略集中的各个候选组态策略进行评价包括:
对于候选组态策略集中的各个候选组态策略,根据开关状态和当前日24小时负荷,采用前推回带方法进行潮流计算,获得各时刻节点电压、线路功率和线路损耗;
排除节点电压越限和线路过载的策略,形成有效候选组态策略集;
分别构建线路损耗满意度评价函数和线路负载均衡度满意度评价函数有:
其中,P1为组态策略中的线路损耗,分别为组态策略中的线路损耗最大值和最小值;P2为组态策略中的线路负载均衡度,分别为线路负载均衡度的最大值和最小值;
建立配电网性能满意度评价函数,有:
其中,f表示配电网性能满意度,w1和w2分别为线路损耗和线路负载均衡度的权重,且w1取0.6,w2取0.4。
与现有技术相比,本发明的有益效果在于:
(1)本发明所建立的场景组态策略库可离线形成,应用时随时调用,不占用组态策略形成时间,能够大大提高在线生成网络重构策略的效率,节约计算时间。
(2)本发明模式匹配和判断函数值的计算量均较小,组态策略花费的时间主要考虑候选组态策略集中每一候选策略的潮流计算时间。本文采用前推回带潮流计算方法的迭代次数一般不超过4次,计算速度快,因此提出的网络组态方法具有较快的求解速度。
(3)本发明适用于日前24小时配电线路动态重构,可为配电线路运行方式优化提供参考依据;本发明对于在线考虑某一时段内的配电网实时组态策略生成,也具有较好的适应性。
附图说明
图1是本发明实施例中基于运行场景匹配的配电网动态重构方法流程图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1,本发明一种基于运行场景匹配的配电网动态重构方法,所述方法包括以下步骤:
离线建立配电网运行场景组态策略库;
确定配电网运行场景的候选组态策略集;
确定最优的配电网动态重构策略。
离线建立配电网运行场景组态策略库包括:
根据组态日所在季节、日类型、气温、负荷曲线配电网对配电网运行场景进行分类;
根据实际现场运行经验或采用动态重构算法对每个运行场景进行优化,获得该运行场景对应的配电网动态重构策略;
将运行场景与对应组态策略合并,形成运行场景策略组合,描述方式为{运行场景,组态策略};
将所有运行场景与组态策略进行组合,形成配电网运行场景组态策略库。
所述季节包括春、夏、秋和冬;
所述日类型包括工作日、周末、特殊节假日和一般节假日;所述特殊节假日包括五一、十一和春节,所述一般节假日包括元旦节、清明节和端午节;
所述气温包括最高气温、最低气温和平均气温;
所述负荷曲线包括24小时负荷值。
根据实际现场运行经验对每个运行场景进行优化,进而确定该运行场景对应的配电网动态重构策略;过程如下:
根据实际现场运行经验对每个运行场景进行优化由24小时的开关状态描述,假设每个开关1天内状态改变不超过3次,每个开关状态描述为{1时状态,变位时刻1,2时状态,变位时刻2,3时状态,变位时刻3,4时状态},其中开关状态0表示开断,1表示闭合。
确定配电网运行场景的候选组态策略集包括:
确定组态日所在季节和日类型,根据天气预报获得待预测日气温,并对配电网进行负荷预测,获得待预测日24小时负荷预测值;
根据组态日所在季节、日类型和气温,从配电网运行场景组态策略库中筛选出相同的数据集合,形成基本条件匹配集合;
根据负荷参数从基本条件匹配集合中筛选出负荷相似度大于相似度阈值的数据集合,形成负荷条件匹配集合,负荷条件匹配集合将作为配电网运行场景的候选组态策略集。
所述负荷参数包括最大负荷参数、次最大负荷参数、最小负荷参数和次最小负荷参数;
所述最大负荷参数包括最大负荷值、最大负荷发生时刻和最大负荷持续时刻,最大负荷持续时刻指统计附近大于等于85%最大负荷的时刻;
所述次最大负荷参数包括次最大负荷值、次最大负荷发生时刻和次最大负荷持续时刻,次最大负荷持续时刻指统计附近大于等于85%次最大负荷的时刻;
所述最小负荷参数包括最小负荷值、最小负荷发生时刻和最小负荷持续时刻,最小负荷持续时刻指统计附近小于等于115%最小负荷的时刻;
所述次最小负荷参数包括次最小负荷值、次最小负荷发生时刻和次最小负荷持续时刻,次最小负荷持续时刻指统计附近小于等于115%次最小负荷的时刻。
所述负荷相似度表示为:
其中,pro表示负荷相似度,M表示负荷因素数,xi表示组态日负荷的第i个因素值,yi表示配电网运行场景组态策略库中某运行场景对应负荷的第i个因素值;
所述相似度阈值取为0.7。
根据配电网性能满意度评价函数对候选组态策略集中的各个候选组态策略进行评价,从配电网性能指标满意度高于满意度标准值的组态策略中选取配电网性能指标满意度最大的组态策略,作为最优的配电线路动态重构策略;若所有配电网性能指标满意度均低于满意度标准值,则利用优化算法重新生成新的配电网动态重构策略,并将新的配电网场景策略组合添加到配电网运行场景组态策略库中。
对候选组态策略集中的各个候选组态策略进行评价包括:
对于候选组态策略集中的各个候选组态策略,根据开关状态和当前日24小时负荷,采用前推回带方法进行潮流计算,获得各时刻节点电压、线路功率和线路损耗;
排除节点电压越限和线路过载的策略,形成有效候选组态策略集;
分别构建线路损耗满意度评价函数和线路负载均衡度满意度评价函数有:
其中,P1为组态策略中的线路损耗,分别为组态策略中的线路损耗最大值和最小值;P2为组态策略中的线路负载均衡度,分别为线路负载均衡度的最大值和最小值;
建立配电网性能满意度评价函数,有:
其中,f表示配电网性能满意度,w1和w2分别为线路损耗和线路负载均衡度的权重,且w1取0.6,w2取0.4。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换,这些未脱离本发明精神和范围的任何修改或者等同替换,均在申请待批的本发明的权利要求保护范围之内。

Claims (5)

1.一种基于运行场景匹配的配电网动态重构方法,其特征在于:所述方法包括以下步骤:
离线建立配电网运行场景组态策略库;
确定配电网运行场景的候选组态策略集;
确定最优的配电网动态重构策略;
离线建立配电网运行场景组态策略库包括:
根据组态日所在季节、日类型、气温、负荷曲线配电网对配电网运行场景进行分类;
根据实际现场运行经验或采用动态重构算法对每个运行场景进行优化,获得该运行场景对应的配电网动态重构策略;
将运行场景与对应组态策略合并,形成运行场景策略组合,描述方式为{运行场景,组态策略};
将所有运行场景与组态策略进行组合,形成配电网运行场景组态策略库;
根据实际现场运行经验对每个运行场景进行优化,进而确定该运行场景对应的配电网动态重构策略;过程如下:
根据实际现场运行经验对每个运行场景进行优化由24小时的开关状态描述,假设每个开关1天内状态改变不超过3次,每个开关状态描述为{1时状态,变位时刻1,2时状态,变位时刻2,3时状态,变位时刻3,4时状态},其中开关状态0表示开断,1表示闭合;
根据配电网性能满意度评价函数对候选组态策略集中的各个候选组态策略进行评价,从配电网性能指标满意度高于满意度标准值的组态策略中选取配电网性能指标满意度最大的组态策略,作为最优的配电线路动态重构策略;若所有配电网性能指标满意度均低于满意度标准值,则利用优化算法重新生成新的配电网动态重构策略,并将新的配电网场景策略组合添加到配电网运行场景组态策略库中;
对候选组态策略集中的各个候选组态策略进行评价包括:
对于候选组态策略集中的各个候选组态策略,根据开关状态和当前日24小时负荷,采用前推回带方法进行潮流计算,获得各时刻节点电压、线路功率和线路损耗;
排除节点电压越限和线路过载的策略,形成有效候选组态策略集;
分别构建线路损耗满意度评价函数和线路负载均衡度满意度评价函数有:
其中,P1为组态策略中的线路损耗,分别为组态策略中的线路损耗最大值和最小值;P2为组态策略中的线路负载均衡度,分别为线路负载均衡度的最大值和最小值;
建立配电网性能满意度评价函数,有:
其中,f表示配电网性能满意度,w1和w2分别为线路损耗和线路负载均衡度的权重,且w1取0.6,w2取0.4。
2.根据权利要求1所述的基于运行场景匹配的配电网动态重构方法,其特征在于:所述季节包括春、夏、秋和冬;
所述日类型包括工作日、周末、特殊节假日和一般节假日;所述特殊节假日包括五一、十一和春节,所述一般节假日包括元旦节、清明节和端午节;
所述气温包括最高气温、最低气温和平均气温;
所述负荷曲线包括24小时负荷值。
3.根据权利要求1所述的基于运行场景匹配的配电网动态重构方法,其特征在于:确定配电网运行场景的候选组态策略集包括:
确定组态日所在季节和日类型,根据天气预报获得待预测日气温,并对配电网进行负荷预测,获得待预测日24小时负荷预测值;
根据组态日所在季节、日类型和气温,从配电网运行场景组态策略库中筛选出相同的数据集合,形成基本条件匹配集合;
根据负荷参数从基本条件匹配集合中筛选出负荷相似度大于相似度阈值的数据集合,形成负荷条件匹配集合,负荷条件匹配集合将作为配电网运行场景的候选组态策略集。
4.根据权利要求3所述的基于运行场景匹配的配电网动态重构方法,其特征在于:所述负荷参数包括最大负荷参数、次最大负荷参数、最小负荷参数和次最小负荷参数;
所述最大负荷参数包括最大负荷值、最大负荷发生时刻和最大负荷持续时刻,最大负荷持续时刻指统计附近大于等于85%最大负荷的时刻;
所述次最大负荷参数包括次最大负荷值、次最大负荷发生时刻和次最大负荷持续时刻,次最大负荷持续时刻指统计附近大于等于85%次最大负荷的时刻;
所述最小负荷参数包括最小负荷值、最小负荷发生时刻和最小负荷持续时刻,最小负荷持续时刻指统计附近小于等于115%最小负荷的时刻;
所述次最小负荷参数包括次最小负荷值、次最小负荷发生时刻和次最小负荷持续时刻,次最小负荷持续时刻指统计附近小于等于115%次最小负荷的时刻。
5.根据权利要求3所述的基于运行场景匹配的配电网动态重构方法,其特征在于:所述负荷相似度表示为:
其中,pro表示负荷相似度,M表示负荷因素数,xi表示组态日负荷的第i个因素值,yi表示配电网运行场景组态策略库中某运行场景对应负荷的第i个因素值;
所述相似度阈值取为0.7。
CN201510047989.6A 2015-01-29 2015-01-29 一种基于运行场景匹配的配电网动态重构方法 Active CN105990833B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510047989.6A CN105990833B (zh) 2015-01-29 2015-01-29 一种基于运行场景匹配的配电网动态重构方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510047989.6A CN105990833B (zh) 2015-01-29 2015-01-29 一种基于运行场景匹配的配电网动态重构方法

Publications (2)

Publication Number Publication Date
CN105990833A CN105990833A (zh) 2016-10-05
CN105990833B true CN105990833B (zh) 2018-08-14

Family

ID=57035864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510047989.6A Active CN105990833B (zh) 2015-01-29 2015-01-29 一种基于运行场景匹配的配电网动态重构方法

Country Status (1)

Country Link
CN (1) CN105990833B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805745B (zh) * 2018-06-06 2021-10-29 浙江大学 一种配电网的灵活性评估方法
CN109659929A (zh) * 2018-11-19 2019-04-19 东南大学 考虑时区和季节因素的南北美互联电网运行方式规划方法
CN109861211B (zh) * 2019-02-01 2020-08-14 国网能源研究院有限公司 一种基于数据驱动的配电网动态重构方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2398128A2 (en) * 2010-06-21 2011-12-21 General Electric Company System and method for control of power distribution networks
CN103474991A (zh) * 2013-09-18 2013-12-25 国电南瑞科技股份有限公司 基于时间尺度的配电网全局优化调度方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2398128A2 (en) * 2010-06-21 2011-12-21 General Electric Company System and method for control of power distribution networks
CN103474991A (zh) * 2013-09-18 2013-12-25 国电南瑞科技股份有限公司 基于时间尺度的配电网全局优化调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于机会约束规划考虑DG与负荷多状态的配电网重构;丛鹏伟等;《电网技术》;20130930;第37卷(第9期);第2573-2579页 *
计及电网运行特性的配电网动态重构;田昊等;《电力系统保护与控制》;20150101;第43卷(第1期);第9-14页 *

Also Published As

Publication number Publication date
CN105990833A (zh) 2016-10-05

Similar Documents

Publication Publication Date Title
CN107528345B (zh) 一种多时间尺度的网源荷储协调控制方法
Sogabe et al. Smart grid optimization by deep reinforcement learning over discrete and continuous action space
CN103942612A (zh) 基于自适应粒子群优化算法的梯级水库优化调度方法
CN109886446B (zh) 基于改进混沌粒子群算法的电力系统动态经济调度方法
CN104753061B (zh) 接入配电网的分布式电源及微电网群分区控制方法及系统
CN105990833B (zh) 一种基于运行场景匹配的配电网动态重构方法
CN111509728B (zh) 一种基于多源异构虚拟负荷的优化调控方法及系统
CN111900719A (zh) 考虑柔性可控负荷的电网充裕度评估方法、装置及系统
CN105391093A (zh) 小水电群并网运行优化调度方法
CN110247428A (zh) 一种基于源网荷协同优化的配电网光储联合配置方法
CN110148971A (zh) 一种分布式电源优化配置方法
CN115811070A (zh) 辅助火电机组调频的飞轮储能自适应容量配置方法及系统
CN106485603A (zh) 一种应用于风力发电的短期风速预测方法
CN105207255B (zh) 一种适用于风电出力的电力系统调峰计算方法
CN110867902A (zh) 基于发电预测的微电网分布式电源去中心优化运行方法
CN106887838B (zh) 一种基于网络重构的配电网可再生能源消纳方法
CN104657781A (zh) 一种基于神经网络算法的电能消耗预测系统
Zhao et al. Load trend prediction analysis based on lstm and sliding time window
CN107134773B (zh) 一种基于事件的智能微电网运行优化方法
CN111952959A (zh) 压缩电网过程模拟时间的方法、装置及存储介质
CN111178593A (zh) 一种光伏系统输出功率预测方法及装置
CN117498467B (zh) 一种基于多层级虚拟电厂的能量协调控制分配方法及系统
CN117713176B (zh) 源网荷储低碳运行方法、装置、电子设备及存储介质
CN107895206A (zh) 一种基于奇异谱分析和局部敏感哈希的多步风能预测方法
Ioaneş et al. Optimum location and size of capacitor banks to reduce losses in power distribution networks using genetic algorithm

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