CN106058859A - 一种含微网的复杂配电网可靠性评估算法 - Google Patents
一种含微网的复杂配电网可靠性评估算法 Download PDFInfo
- Publication number
- CN106058859A CN106058859A CN201610518271.5A CN201610518271A CN106058859A CN 106058859 A CN106058859 A CN 106058859A CN 201610518271 A CN201610518271 A CN 201610518271A CN 106058859 A CN106058859 A CN 106058859A
- Authority
- CN
- China
- Prior art keywords
- load point
- path
- power
- micro
- micro battery
- 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
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 27
- 238000011156 evaluation Methods 0.000 title abstract description 9
- 230000005284 excitation Effects 0.000 claims abstract description 31
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 30
- 230000005611 electricity Effects 0.000 claims description 29
- 230000011218 segmentation Effects 0.000 claims description 21
- 238000002955 isolation Methods 0.000 claims description 17
- 238000000638 solvent extraction Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims 2
- 238000004364 calculation method Methods 0.000 abstract description 2
- 239000011159 matrix material Substances 0.000 description 8
- 230000006399 behavior Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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]
-
- 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
- H02J3/388—Islanding, i.e. disconnection of local power supply from the network
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种含微网的复杂配电网可靠性评估算法,首先形成含微网配电网的分块网络图,计算各节点的等效可靠性参数;根据负荷点形成分类路径;然后结合含微网配电网负荷点停电影响类型,采用基于路径分割的负荷点故障激励集形成算法对分类路径进行分割和存储,形成故障激励集;负荷点处于微电源供电能力区域时,则采用基于时序Monte Carlo法的计算微电源对负荷点供电的概率和可靠性指标;本发明提出的路径分割算法,不仅考虑了考虑负荷点与电源间路径的连通性,还考虑了微电源发电随机特性对故障模式后果的影响,并提出面向负荷点的可靠性评估方法,由于负荷点的数量规模远小于配电网元件的数量规模,具有较小的计算复杂性。
Description
技术领域
本发明涉及配电网可靠性领域,特别是一种含微网的复杂配电网可靠性评估算法。
背景技术
微网作为集成了分布式电源、储能装置、负荷以及控制装置的单一可控网络系统,其对新能源的有效利用及灵活、智能的控制特点,使其在解决电能质量、能源和环保等方面出现的问题时表现出极大的潜能,正受到越来越广泛的关注。微网接入配电网后,改变了传统配电网单电源辐射状结构,使之成为了含多电源的多端供电网络。微网作为集成了多种不同特性的分布式电源和能量转换单元的复杂单元,其运行状态常常会发生变化,且与配电网之间存在交互影响,这些都将直接影响整个配电系统运行特性和可靠性。因此,含微网的配电系统可靠性评估与传统配电网可靠性评估相比将会发生重大变化。
目前,国内外关于含分布式电源的配电网可靠性评估已有大量研究成果。对于含微网配电网可靠性评估的研究成果则相对较少。首先建立DG和储能联合发电系统的可靠性模型。然后在此基础上,基于蒙特卡罗时序模拟方法,提出了含微网配电网可靠性评估算法,但该算法将孤岛考虑为确定性孤岛,且认为某次故障事件下,微网内所有负荷点的停运时间均相同。针对配电网特点,在传统配电网故障模式后果分析(FMEA)过程中引入了馈线容量束,以此为基础,结合微网的结构特征和功能特点,分别从故障位于微网外部和内部两方面阐述了其FMEA过程,进而给出了模型的计算机评估流程,但并没有详细分析含微网配电网与传统配电网可靠性评估的根本区别。通过研究基于故障影响遍历算法的可靠性评估方法。通过建立区域网络图、节点邻接矩阵、故障影响矩阵,对含微网的复杂配电网进行了可靠性评估,但评估过程未考虑微电源出力的随机特性,把微电源视为常规备用电源。这些方法均只计及微网对其内部可靠性的影响而忽略对其外部配电网可靠性的影响,且均属于面向元件的可靠性评估方法,即从以元件为研究对象,遍历其故障对各负荷点的停电影响进而计算可靠性指标。
传统配电网中,由于主电源和备用电源均为常规电源,通常认为其容量足够充裕,因此仅需依据负荷点与各电源间路径的连通性即可确定故障对负荷点的停电影响,且同一负荷点在故障事件下具有相同的停电类型,这可有效降低配电网可靠性评估的计算复杂性;而对于含微网配电网,由于微电源多为间歇性分布式电源,发电具有随机特性,即使负荷点与微电源之间保持连通,也不能保证对负荷完全可靠供电,因此需要综合考虑负荷点与电源间路径的连通性以及微电源发电的充裕性,确定故障对负荷点的停电影响。另外,对于同一含微网配电网的负荷点,其在故障事件下的停运模式会因微电源出力变化而变化。
发明内容
本发明的目的是提供一种用于含微网的复杂配电网(简称DNM)可靠性评估的路径分割算法,它综合考虑了负荷点与电源间路径连通性、微电源发电充裕性以及微网与配网间交互影响,可以较为快捷准确地实现对含微网的复杂配电网可靠性进行评估,具有较强的实用性。该算法是从负荷点出发,基于故障模式后果分析,对含微网的配电网负荷点停电影响类型进行划分,并引入负荷点故障激励集计算可靠性指标;依据负荷点与电源间的连通性,将配电网元件归类到不同路径上形成负荷点的分类路径;以不同类型开关为分割开关将负荷点分类路径分割为若干段,形成负荷点的故障激励集,进而计算负荷点及系统的可靠性指标。
为了解决上述技术问题,本发明采用的技术方案包括以下内容:
本发明提供的含微网的复杂配电网可靠性评估算法,包括以下步骤:
Step1:形成含微网配电网的分块网络图,计算各节点的等效可靠性参数;
Step2:枚举一负荷点LPi,形成分类路径L1i、L2i、L3i、L4i;
Step3:结合含微网配电网负荷点停电影响类型,采用基于路径分割的负荷点故障激励集形成算法对负荷点LPi的分类路径进行分割和存储,形成负荷点LPi的故障激励集Ai、Bi、Ci、Di、Ei;
Step4:当负荷点LPi处于微电源供电能力区域时,基于时序Monte Carlo法的微电源计算微电源对负荷点LPi供电的概率;
Step5:计算负荷点LPi的可靠性指标,并判断所有负荷点是否枚举完毕;若是,则计算系统可靠性指标,否则,转步骤Step2。
进一步,所述负荷点停电影响类型包括以下五种类型:
Ⅰ类:在所述Ⅰ类停电影响下,负荷点与主电源、微电源间的连通路径均被中断,若故障被隔离后,主电源和微电源均不能对其恢复供电;在所述Ⅰ类停电影响下负荷点的停电时间为故障修复时间trep;
Ⅱ类:在所述Ⅱ类停电影响下,负荷点到主电源、微电源间的路径均被中断,若故障经隔离开关隔离后,负荷点由主电源对其供电,在所述Ⅱ类停电影响下负荷点停电时间为故障隔离时间tiso;
Ⅲ类:在所述Ⅲ类停电影响下,负荷点处于由隔离开关进行故障隔离而形成的微电源供电能力区域内;若微电源对负荷点恢复供电,则停电时间为(tiso+ta),否则停电时间为trep;在所述Ⅲ类停电影响下负荷点停电时间按照以下公式来计算:
(tiso+ta)q(1)+trep(1-q(1));
其中,q(1)为Ⅲ类停电影响下微电源对负荷点供电的概率,ta为微电源启动时间;
Ⅳ类:在所述Ⅳ类停电影响下,负荷点处于PCC点开断而形成的微电源供电能力区域内,若负荷点能由微电源恢复供电,则其停电时间为ta;若负荷点不能由微电源恢复供电,也不能由主电源恢复供电,则停电时间为trep;在所述Ⅳ类停电影响下负荷点停电时间按照以下公式来计算:
taq(2)+trep(1-q(2));
其中,q(2)为Ⅳ类停电影响下微电源对负荷点供电的概率;
Ⅴ类:在所述Ⅴ类停电影响下,负荷点处于PCC点开断而形成的微电源供电能力区域内,若负荷点能由微电源恢复供电,则其停电时间为ta;若负荷点无法由微电源恢复供电,若通过隔离开关隔离故障转由主电源能恢复供电,则停电时间为tiso;在所述Ⅴ类停电影响下负荷点停电时间按照以下公式来计算:
taq(3)+tiso(1-q(3));
其中,q(3)为Ⅴ类停电影响下微电源对负荷点供电的概率。
进一步,所述分类路径L1i、L2i、L3i和L4i按照以下方式形成:
①第一集合S1i=SP1i∩SP2i:主最短路与微最短路公共路径上节点的集合;
②第二集合S2i=SP1i∩(S-SP2i):在主最短路上但不在微最短路上的节点集合;
③第三集合S3i=(S-SP1i)∩SP2i:不在主最短路上但在微最短路上的节点集合;
④第四集合S4i=(S-SP1i)∩(S-SP2i):既不在主最短路上也不在微最短路上的节点集合。
其中,S为DNM网络空间图中所有节点构成的集合,S中节点按编号由小到大排列;
SP1i为主电源和微电源到负荷点LPi主最短路径;
SP2i为主电源和微电源到负荷点LPi微最短路径。
进一步,所述第四集合S4i中节点包括处于分支馈线上的彼此不相连的孤立节点,以及由多条路径L4i组成的路径集。
进一步,所述负荷点LPi的故障激励集Ai、Bi、Ci、Di、Ei按照以下基于路径分割算法形成:
S31:形成负荷点LPi的分类路径L1i、L2i、L3i、L4i;
S32:选择不同类型开关作为分割开关分别对L1i、L2i、L3i、L4i进行分割,确定负荷点LPi的故障激励集:
S321:对于路径L1i,无需分割,直接存入Ai;
S322:对于路径L2i,采用如下的方法进行分割和存储:
若L2i上包含有PCC,则以PCC为分割开关将L2i分割为两段,接着将沿以主电源为起点的潮流方向即从PCC到L2i末端中以隔离开关为分割开关进行分割;
若L2i上不包含PCC,则以隔离开关为分隔将L2i进行分割;
对分割得到的各段的末端按照以下方式进行判断:
S3221:若末端与隔离开关直接相连,则存入Ci;
S3222:若末端与PCC直接相连,则存入Di;
S3223:若末端既不与隔离开关也不与PCC直接相连,则存入Ai;
S323:对于路径L3i,采用如下方法进行分割和存储:
若L3i上含PCC或断路器,则以离L3i末端最靠近的PCC或断路器为分割开关将其分割为两段,接着以从分割开关到L3i末端之间的隔离开关为分割开关进行分割;
若L3i上不含PCC和断路器,则以隔离开关为分割开关将L3i进行分割;
对分割得到的末端按照以下方式进行判断:
S3231:若末端与隔离开关直接相连,则将该段存入Bi;
S3232:若末端与PCC或断路器直接相连,则该段不进行存储;
S3233:若末端与隔离开关、断路器、PCC均未直接相连,则将该段存入Ai;
S324:对于路径L4i,采用如下方法进行分割和存储:
S3241:对位于微网外部的部分,以离末端最靠近的隔离开关除外的开关为分割开关进行分割,对每段的末端进行判断:若末端与隔离开关直接相连,则当LPi为微网内部负荷点时,存入Ei;当LPi为微网外部负荷点时,存入Bi;若末端不与隔离开关直接相连,则不进行存储;
S3242:对位于微网内部的部分,当LPi为微网内部负荷点时,以离其末端最靠近的隔离开关除外的开关为分割开关进行分割,对每段的末端进行判断:若末端与隔离开关直接相连,存入Bi;若末端不与隔离开关直接相连,不进行存储;当LPi为微网外部负荷点时,对路径L4i不进行分割和存储;
S33:将路径L1i、L2i、L3i、L4i的各分段分类汇总,形成负荷点LPi的故障激励集Ai、Bi、Ci、Di、Ei。
进一步,还包括对故障激励集Ai、Bi、Ci、Di、Ei按照以下方式进行可靠性指标的计算:
式中,Ii=Ai∪Bi∪Ci∪Di∪Ei;λk、tk分别为节点k的等效故障率和等效平均修复时间; 分别表示在节点k故障所引起的Ⅲ、Ⅳ、Ⅴ类停电影响下微电源对负荷点LPi供电的概率;表示负荷点LPi的年停运率;表示年平均停电时间;K表示第k个子块。
由于采用了上述技术方案,本发明具有如下的优点:
本发明是在传统配电网的故障模式后果分析法(FMEA)基础上,考虑到:一方面,对于含微网配电网,由于微电源(微网内部电源)多为间歇性分布式电源,发电具有随机特性,若同传统配电网可靠性评估一样,仅考虑负荷点与各电源间点连通性,忽略微电源出力的随机特性来确定故障对负荷点停电影响,会造成评估结果不准确;另一方面,传统FMEA法是面向配电网元件,即以元件为研究对象,遍历其故障对各负荷点的停电影响进而计算可靠性指标,对于大型复杂配电网而言,计算复杂性较大。因此,本发明提出了一种适用于含微网配电网可靠性评估的路径分割算法,此方法不仅考虑了考虑负荷点与电源间路径的连通性,还考虑了微电源发电随机特性对故障模式后果的影响,并创新提出面向负荷点的可靠性评估方法,即以负荷点为遍历对象,基于负荷点停电影响类型,遍历出对各负荷点产生各类停电影响的故障模式,进而计算可靠性指标。由于负荷点的数量规模远小于配电网元件的数量规模,因此该方法与传统的面向元件的方法相比,具有较小的计算复杂性。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
本发明的附图说明如下:
图1为含微网配电网分块网络图;
图2为含微网配电网网络空间图;
图3为负荷点分类路径示意图;
图4a负荷点故障激励集元素的r1故障判别说明。
图4b负荷点故障激励集元素的r2故障判别说明。
图4c负荷点故障激励集元素的r3故障判别说明。
图4d负荷点故障激励集元素的r4故障判别说明。
图5a路径L2i分割与存储说明。
图5b路径L3i分割与存储说明。
图5c路径Lpi微网内部负荷点分割与存储说明。
图5d路径L5i微网外部负荷点分割与存储说明。
图6为DNM可靠性评估的路径分割算法流程图;
图7为算例系统图;
图8a微网所在地区的风速数据。
图8b微网所在地区的辐照强度数据。
图8c微网所在地区的温度数据。
图8d微网所在地区的负荷数据。
图中,1表示微电网与配电网的公共连接点;2表示断路器;3表示熔断器;4表示手动隔离开关;5表示自动切换开关;6表示微电源。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
实施例1
如图所示,根据本实施例提供的含微网配电网分块网络图和微网配电网网络空间图可知DNM的网络空间图及其矩阵表示的具体内容如下:
配电网中相邻开关间的区域所包含的元件在可靠性逻辑上可进行合并,称这些区域为分块。以分块为节点,以开关为边,对DNM的网络拓扑结构进行描述,形成图:G=(V,E)称为DNM的网络空间图。V中的元素Vi称为节点,用以对应DNM中各分块;E中的元素Ek称为边,用以描述各相邻分块间所连接的开关,不同类型的开关对应的边具有不同的权值。
若图G中包含l条边,称矩阵A=(aij)3×l为G的三元组表形式存储的节点邻接矩阵(以下简称节点邻接矩阵)。其中A第j列的三个元素a1j、a2j、a3j分别用于存储G的第j条边的首节点(父节点)编号、末节点(子节点)编号及权值,且a1j<a2j;G中任一条边经断路器、隔离开关、熔断器、PCC、自动切换开关相连时,其权值分别为1、2、3、4、5。
按上述定义可形成图1所示DNM的网络空间图,图中,1表示微电网与配电网的公共连接点;2表示断路器;3表示熔断器;4表示手动隔离开关;5表示自动切换开关;6表示微电源;图中虚线框表示一个分块;如图2所示,其中N1、N10分别为主电源节点和微电源节点,N3、N4、N8、N9、N12、N14分别为负荷点LP1~LP6所在节点。图中数字表示网络空间图中的各边对应的权值;用节点Ni(i=1,2,…,14)下标表示其编号,则图2对应的节点邻接矩阵为:
其中,最短路及其形成具体如下:
DNM网络空间图G中任意两节点Ni和Nj之间的最短路用该路径上所含节点的编号的集合表示,记作集合SPij。以图2中主电源节点到节点N6的最短路SP1-6={1,2,5,6}为例,说明G中任意两节点间最短路的形成过程:①从节点N6出发,搜索其父节点,方法如下:搜索矩阵A第2行中的“6”元素,并记录其所在列号为5,然后从第1行中搜索第5列的元素为“5”,则节点N6的父节点即为节点N5;②判断节点N5不为主电源节点,则按相同的方法搜索节点N5的父节点为N2;③判断N2不为主电源节点,则搜索节点N2的父节点为N1即主电源节点,搜索终止。因此,主电源节点到节点N6的最短路为{1,2,5,6}。
DNM可靠性评估的路径分割算法如下:
如图1所示,以图1所示的含单一微网、单一微电源(微网内部电源,DG和储能组成的联合发电单元)的配电网为例,本实施例提供的含微网配电网可靠性评估算法的计算条件如下:
①微网能实现孤岛和并网两种运行模式的有效转换,即孤岛失效的概率为0。
②正常情况下,微网处于并网运行模式,由微电源和主网电源(简称主电源)共同对负荷供电。
③当故障导致主电源到PCC点最短路径发生中断时,PCC点可在控制器的控制下瞬时自动开断,微网由并网运行模式切换到孤岛运行模式,由微电源对微网内部负荷供电以尽量缩小停电范围。
④当故障导致PCC点到微电源最短路径发生中断时,PCC点也可在控制器的控制下瞬时自动开断,微网实现孤岛运行,以尽量减少微网内部故障对微网外部负荷点的停电影响。
本实施例提供的DNM负荷点停电影响类型划分具体如下:
对于传统配电网:①可根据停运时间类型将负荷点停电影响划分为A、B、C、D四类;②由于主电源和备用电源均为常规电源,为了降低计算复杂性,通常不考虑其发电充裕性,仅依据与电源间路径的连通性来确定负荷点停电影响类型;③同一负荷点在相同故障下具有相同的停电影响类型。
对于DNM:①由于微网电源(微电源)多为间歇性电源,其停电影响类型的确定除了考虑供电路径的连通性外,还需考虑微电源发电的充裕性;②同一负荷点在相同故障下的停电影响类型通常具有随机性。
基于故障模式后果分析,综合考虑负荷点与电源间路径的连通性以及微电源发电充裕性,定义以下5种DNM负荷点停电影响类型:
Ⅰ类:该类停电影响下,负荷点与主电源、微电源间的连通路径均被中断,故障被隔离后,主电源和微电源均不能对其恢复供电。因此,在Ⅰ类停电影响下该负荷点的停电时间为故障修复时间trep。
Ⅱ类:该类停电影响下,负荷点到主电源、微电源间的路径均被中断,故障经隔离开关隔离后,该负荷点可由主电源对其供电。因此,在Ⅱ类停电影响下该负荷点停电时间为故障隔离时间tiso。
Ⅲ类:该类停电影响下,负荷点处于由隔离开关进行故障隔离而形成的微电源供电能力区域内。若此时,微电源能对该负荷点恢复供电,则其停电时间为(tiso+ta),否则其停电时间为trep。设该类停电响应下微电源对该负荷点供电的概率为q(1),则该负荷点在该类停电影响下的停电时间可表示为:(tiso+ta)q(1)+trep(1-q(1))。其中,ta为微电源启动时间。
Ⅳ类:该类停电影响下,负荷点处于PCC点开断而形成的微电源供电能力区域内。若此时,该负荷点能由微电源恢复供电,则其停电时间为ta;若此时,该负荷点不能由微电源恢复供电,也不能由主电源恢复供电,则其停电时间为trep。设该类停电响应下微电源对该负荷点供电的概率为q(2),则该类停电影响下,该负荷点的停电时间可表示为:taq(2)+trep(1-q(2));
Ⅴ类:该类停电影响下,负荷点处于PCC点开断而形成的微电源供电能力区域内。若此时,该负荷点能由微电源恢复供电,则其停电时间为ta;若此时,该负荷点无法由微电源恢复供电,但可以通过隔离开关隔离故障转由主电源能对其恢复供电,则其停电时间为tiso。设该类停电响应下微电源对该负荷点供电的概率为q(3),则该类停电影响下,该负荷点的停电时间可表示为:ta q(3)+tiso(1-q(3))。
基于负荷点与电源间连通性的路径分类具体如下:
在DNM中,主电源能否对负荷点供电仅需根据连通性判别就可以确定,而微电源则不同,除了连通性判别还需考虑微电源发电的充裕性。因此,故障发生在负荷点到主电源的供电路径上与发生在该负荷点到微电源的供电路径上对该负荷点造成的停电影响不同,这种不同主要体现在故障发生后负荷点可由主电源还是微电源对其恢复供电。
设S为DNM网络空间图中所有节点构成的集合(S中节点按编号由小到大排列),SP1i、SP2i分别为主电源和微电源到负荷点LPi最短路径(分别称为主最短路和微最短路),可根据节点所在位置定义以下4个集合:①S1i=SP1i∩SP2i:主最短路与微最短路公共路径上节点的集合;②S2i=SP1i∩(S-SP2i):在主最短路上但不在微最短路上的节点集合;③S3i=(S-SP1i)∩SP2i:不在主最短路上但在微最短路上的节点集合;④S4i=(S-SP1i)∩(S-SP2i):既不在主最短路上也不在微最短路上的节点集合。
将上述4个集合所形成的路径称为负荷点LPi的分类路径,分别记作L1i、L2i、L3i、L4i。这里需要说明的是,由于集合S4i中节点通常处于分支馈线上,可能存在彼此不相连的孤立节点,因此路径L4i通常是由多条路径组成的路径集。例如,可得到图2中的负荷点LP3的分类路径分别为:L13={7,8}、L23={1,2,5,6}、L33={9,10}、L43={{3},{4},{11,12},{11,13,14}}(如图3所示)。路径L43的形成过程:求集合S43={3,4,11,12,13,14}中每个节点的父节点。节点N3、N4、N11的父节点均不属于集合S43,可形成路径{3}、{4}和{11};节点N12和节点N13的父节点均为N11,且N11属于集合S43,则可形成路径{11,12}和{11,13};节点N14的父节点N13属于集合S43,可形成路径{13,14}。其中路径{11,13}和{13,14}可以合并为路径{11,13,14}。因此,集合S43所形成的路径L43={{3},{4},{11,12},{11,13,14}}。
由上述定义可知,不同分类路径上节点故障对负荷点与电源间的连通性将会造成不同影响,进而影响电源对该负荷点的供电。比如,当路径L13上出现故障时,负荷点LP3与主电源和微电源的连通路径均被中断;当路径L23上出现故障时,负荷点与主电源的连通路径被中断,但与微电源仍然保持连通。
其中,负荷点故障激励集的定义具体如下:
故障后对负荷点LPi造成的停电影响类型为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ的节点集合称为负荷点LPi的Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ类故障激励集,分别记作用Ai、Bi、Ci、Di、Ei。集合Ai、Bi、Ci、Di、Ei中元素分别称为负荷点LPi的Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ类故障激励节点。
负荷点故障激励集元素的判别机理如下:
结合图4a-d,以负荷点LPi为例,综合考虑负荷点与电源间路径的连通性以及微电源发电的充裕性,给出其5类故障激励集节点的判别机理:
(1)如图4a所示,对故障,负荷点LPi与主、微电源间的供电路径均被中断,只有当r1被修复,负荷点LPi才会恢复供电。因此,即
(2)如图4b所示,对故障,主电源对负荷点LPi的供电路径被中断,负荷点LPi仅可能由微电源供电。以La表示r2到负荷点LPi的最短路与r2到微电源的公共路径,分析可知:
①若La上含PCC,则r2故障时,负荷点LPi位于PCC开断而形成的微电源供电能力区域内,则r2∈Di;
②若La上无PCC:若有隔离开关,则r2故障时,该隔离开关动作对故障进行隔离,负荷点LPi处于由隔离开关进行故障隔离而形成的微电源供电能力区域内,则r2∈Ci;若无隔离开关,则r2∈Ai。
(3)如图4c所示,对故障,微电源对负荷点LPi的供电路径被中断,负荷点LPi仅可能由主电源供电。以Lb表示r3到负荷点LPi的最短路与r3到主电源的最短路的公共路径,分析可知:
①若Lb上含PCC或断路器,则r3故障时,故障会被瞬时隔离,负荷点LPi不会停电;
②若Lb上无PCC、无断路器:若有隔离开关,故障会被隔离,则r3∈Bi;若无隔离开关,则r3∈Ai。
(4)如图4d所示,对故障:
①当r4位于微网外部时,设N1为r4到负荷点LPi的最短路与主最短路的公共路径的首端节点,Lc表示r4到N1的最短路:a.若Lc上只有隔离开关可隔离故障,则:当负荷点LPi位于微网外部时,r4∈Bi;当负荷点LPi位于微网内部时,r4∈Ei;b.若Lc上还有其它开关可以隔离故障,则LPi不会停电;
②当r4为位于微网内部时,设N2为r4到LPi的最短路与微最短路的公共路径的首端节点,Ld表示r4到N2的最短路:a.若Ld上只有隔离开关可隔离故障,则当负荷点LPi位于微网外部时,r4故障其不会停电,当负荷点LPi位于微网内部时,r4∈Bi;b.若Ld上还有其它开关可隔离故障,则LPi不会停电。
基于上述负荷点LPi故障激励集元素的判别机理,可归纳得到其各类故障激励集Ai、Bi、Ci、Di、Ei的形成步骤如下:
Step1:形成负荷点LPi的分类路径L1i、L2i、L3i、L4i。
Step2:选择不同类型开关作为分割开关分别对L1i、L2i、L3i、L4i进行分割,确定负荷点LPi的各类故障激励集:
①对于路径L1i,无需分割,直接存入Ai。
②如图5a所示,对于路径L2i,采用如下的方法进行分割和存储:图中,QS表示隔离开关,QF断路器,FU表示熔断器;
若L2i上含PCC,则以PCC为分割开关将L2i分割为两段,接着将其中PCC到L2i末端(顺着主电源为起点的潮流方向看)的这一段以隔离开关为分割开关分割为若干段(当L2i上无隔离开关时无需分割);
若L2i上不含PCC,则以隔离开关为分隔将L2i分割为若干段(当L2i上无隔离开关时无需分割)。
对按上述方法将分割得到的各段的末端进行判断:
1)若末端与隔离开关直接相连,则将该段存入Ci;
2)若末端与PCC直接相连,则将该段存入Di;
3)若末端既不与隔离开关也不与PCC直接相连,则将该段存入Ai。
下面以负荷点LP3的分类路径L23={1,2,5,6}为例进行说明:
第一步:判断路径L23上是否含PCC,即判断L23上两两节点间的边权是否含元素“4”。比如,节点N5和N6之间是否含PCC可按如下方法判断:搜索矩阵A中第一行元素等于“5”且第2行元素等于“6”的列向量,判断该向量第3行元素为“4”,即表明节点N5和N6之间含PCC。
第二步:由于路径L23上含PCC,因此以PCC为分割开关将其分割为2段:L23(1)={1,2,5}、L23(2)={6}。
第三步:判断PCC到路径L23末端这一段,即路径L23(2)上是否含隔离开关,判断方法可仿照第一步中路径L23是否含PCC的判断。由于路径L23(2)上仅有一个节点,显然其不含隔离开关,因此无需再对路径L23(2)进行分割。这样之后,路径L23就只被分为2段:L23(1)={1,2,5}、L23(2)={6}。
第四步:对上述分割得到的各分段路径L23(1)={1,2,5}、L23(2)={6}的末端按如下方法进行判断:①对于L23(1),求其末端节点N5到微电源节点的最短路为{5,6,7,9,10},由于{5,6}上含PCC,表明L23(1)的末端与PCC直接相连,因此将L23(1)直接存入集合D3;②对于L23(2),求其末端节点N6到微电源节点的最短路为{6,7,9,10},由于路径{6,7}上含隔离开关,表明L23(2)的末端与隔离开关直接相连,因此将L23(2)直接存入集合C3。
③如图5b所示,对于路径L3i,采用如下方法进行分割和存储:
若L3i上含PCC或断路器,则以离L3i末端(顺着微电源为起点的潮流方向)最靠近的PCC或断路器为分割开关将其分割为两段,接着将其中分割开关到L3i末端的这一段以隔离开关为分割开关,分割为若干段,当L3i上不含隔离开关时无需分割;
若L3i上不含PCC和断路器,则以隔离开关为分割开关将L3i分割为若干段,当L3i上不含隔离开关时无需分割。
对按上述方法分割得到的各段的末端进行判断:
1)若末端与隔离开关直接相连,则将该段存入Bi;
2)若末端与PCC或断路器直接相连,则该段不进行存储;
3)若末端与隔离开关、断路器、PCC均未直接相连,则将该段存入Ai;
④对于路径L4i,采用如下方法进行分割和存储:
1)对其位于微网外部的部分,以离其末端(逆着主电源为起点的潮流方向看)最靠近的隔离开关除外的开关为分割开关将其分割为两段,对每一段的末端进行判断:若末端与隔离开关直接相连,则当LPi为微网内部负荷点时(如图5c所示),将该段存入Ei,当LPi为微网外部负荷点时(如图5d所示),将该段存入Bi;若末端不与隔离开关直接相连,该段不进行存储;
2)对其位于微网内部的部分,当LPi为微网内部负荷点时(如图5c所示),以离其末端(逆着微电源为起点的潮流方向看)最靠近的隔离开关除外的开关为分割开关将其分割为两段,对每一段的末端进行判断:若末端与隔离开关直接相连,将该段存入Bi;若末端不与隔离开关直接相连,该段不进行存储;当LPi为微网外部负荷点时(如图5d所示),无需对路径L4i进行分割和存储。
Step3:将路径L1i、L2i、L3i、L4i的各分段分类汇总,形成负荷点LPi的故障激励集Ai、Bi、Ci、Di、Ei。
可靠性指标的计算具体步骤如下:
集合Ai、Bi、Ci、Di、Ei形成后,负荷点LPi的年停运率年平均停电时间的计算模型如下:
式中,Ii=Ai∪Bi∪Ci∪Di∪Ei;λk、tk分别为节点k(即第k个子块)的等效故障率和等效平均修复时间;分别表示在节点k故障所引起的Ⅲ、Ⅳ、Ⅴ类停电影响下微电源对负荷点LPi供电的概率。
如图6所示,综上所述,本实施例提出的含微网配电网可靠性评估算法的计算步骤如下:
Step1:形成含微网配电网的分块网络图,计算各节点的等效可靠性参数;
Step2:枚举一负荷点LPi,形成其分类路径L1i、L2i、L3i、L4i;
Step3:结合含微网配电网负荷点停电影响类型,采用基于路径分割的负荷点故障激励集形成算法对负荷点LPi的分类路径进行分割和存储,形成负荷点LPi的故障激励集Ai、Bi、Ci、Di、Ei;
Step4:当负荷点LPi处于微电源供电能力区域时,基于时序Monte Carlo法的微电源计算微电源对负荷点LPi供电的概率;
Step5:计算负荷点LPi的可靠性指标,并判断所有负荷点是否枚举完毕。若是,则计算系统可靠性指标,否则,转Step2。
实施例2
本实施例结合附图作进一步说明,具体如下:
以IEEE-RBTS BUS 6主馈线F4为基础进行修改形成含微网的配电系统,并对其进行可靠性评估。该系统的接线图如图7所示,系统中有23个负荷点,系统峰荷为10.9284MW,总平均负荷4.8155MW,负荷曲线采用IEEE-RTS系统年度时序负荷曲线。图中编号1-37分别表示该网络中各元件的编号;还包括设置系统的电气和可靠性参数。
微网与配网的公共连接点PCC位于线路17的末端,微网内部峰荷为3.8096MW,总平均负荷为1.6596MW。微电源为风机、光伏电池组、微型燃气轮机以及蓄电池组组成的发电系统。其中,风机的切入风速、额定风速和切除风速分别为2.5m/s、12m/s、18m/s;光伏电池的功率温度系数为0.0045;蓄电池组的最大充、放电功率均为4MW,充放电效率均为90%、最大和最小储能容量分别为20MW·h和1MW·h。分布式电源和储能的故障率均取0.4次/a,平均修复时间取20h/次。微电源自启动时间取0.5h。微网所在地区的风速、太阳辐照强度、光伏电池板环境温度数据及负荷曲线如图8所示。
采用可靠性评估算法对不同微电源容量配置方案下的上述算例系统进行可靠性评估,评估结果见表1。其中,方案1对应无微网情况下的原始配电网;方案2~5对应的微网总安装容量均为4MW。
表1不同微电源容量配置方案下的系统可靠性评估结果
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种含微网的复杂配电网可靠性评估算法,其特征在于:包括以下步骤:
Step1:形成含微网配电网的分块网络图,计算各节点的等效可靠性参数;
Step2:枚举一负荷点LPi,形成分类路径L1i、L2i、L3i、L4i;
Step3:结合含微网配电网负荷点停电影响类型,采用基于路径分割的负荷点故障激励集形成算法对负荷点LPi的分类路径进行分割和存储,形成负荷点LPi的故障激励集Ai、Bi、Ci、Di、Ei;
Step4:当负荷点LPi处于微电源供电能力区域时,基于时序Monte Carlo法的微电源计算微电源对负荷点LPi供电的概率;
Step5:计算负荷点LPi的可靠性指标,并判断所有负荷点是否枚举完毕;若是,则计算系统可靠性指标,否则,转步骤Step2。
2.如权利要求1所述的含微网的复杂配电网可靠性评估算法,其特征在于:所述负荷点停电影响类型包括以下五种类型:
Ⅰ类:在所述Ⅰ类停电影响下,负荷点与主电源、微电源间的连通路径均被中断,若故障被隔离后,主电源和微电源均不能对其恢复供电;在所述Ⅰ类停电影响下负荷点的停电时间为故障修复时间trep;
Ⅱ类:在所述Ⅱ类停电影响下,负荷点到主电源、微电源间的路径均被中断,若故障经隔离开关隔离后,负荷点由主电源对其供电,在所述Ⅱ类停电影响下负荷点停电时间为故障隔离时间tiso;
Ⅲ类:在所述Ⅲ类停电影响下,负荷点处于由隔离开关进行故障隔离而形成的微电源供电能力区域内;若微电源对负荷点恢复供电,则停电时间为(tiso+ta),否则停电时间为trep;在所述Ⅲ类停电影响下负荷点停电时间按照以下公式来计算:
(tiso+ta)q(1)+trep(1-q(1));
其中,q(1)为Ⅲ类停电影响下微电源对负荷点供电的概率,ta为微电源启动时间;
Ⅳ类:在所述Ⅳ类停电影响下,负荷点处于PCC点开断而形成的微电源供电能力区域内,若负荷点能由微电源恢复供电,则其停电时间为ta;若负荷点不能由微电源恢复供电,也不能由主电源恢复供电,则停电时间为trep;在所述Ⅳ类停电影响下负荷点停电时间按照以下公式来计算:
taq(2)+trep(1-q(2));
其中,q(2)为Ⅳ类停电影响下微电源对负荷点供电的概率;
Ⅴ类:在所述Ⅴ类停电影响下,负荷点处于PCC点开断而形成的微电源供电能力区域内,若负荷点能由微电源恢复供电,则其停电时间为ta;若负荷点无法由微电源恢复供电,若通过隔离开关隔离故障转由主电源能恢复供电,则停电时间为tiso;在所述Ⅴ类停电影响下负荷点停电时间按照以下公式来计算:
taq(3)+tiso(1-q(3));
其中,q(3)为Ⅴ类停电影响下微电源对负荷点供电的概率。
3.如权利要求1所述的含微网的复杂配电网可靠性评估算法,其特征在于:所述分类路径L1i、L2i、L3i和L4i按照以下方式形成:
①第一集合S1i=SP1i∩SP2i:主最短路与微最短路公共路径上节点的集合;
②第二集合S2i=SP1i∩(S-SP2i):在主最短路上但不在微最短路上的节点集合;
③第三集合S3i=(S-SP1i)∩SP2i:不在主最短路上但在微最短路上的节点集合;
④第四集合S4i=(S-SP1i)∩(S-SP2i):既不在主最短路上也不在微最短路上的节点集合;
其中,S为DNM网络空间图中所有节点构成的集合,S中节点按编号由小到大排列;
SP1i为主电源和微电源到负荷点LPi主最短路径;
SP2i为主电源和微电源到负荷点LPi微最短路径。
4.如权利要求3所述的含微网的复杂配电网可靠性评估算法,其特征在于:所述第四集合S4i中节点包括处于分支馈线上的彼此不相连的孤立节点,以及由多条路径L4i组成的路径集。
5.如权利要求1所述的含微网的复杂配电网可靠性评估算法,其特征在于:所述负荷点LPi的故障激励集Ai、Bi、Ci、Di、Ei按照以下基于路径分割算法形成:
S31:形成负荷点LPi的分类路径L1i、L2i、L3i、L4i;
S32:选择不同类型开关作为分割开关分别对L1i、L2i、L3i、L4i进行分割,确定负荷点LPi的故障激励集:
S321:对于路径L1i,无需分割,直接存入Ai;
S322:对于路径L2i,采用如下的方法进行分割和存储:
若L2i上包含有PCC,则以PCC为分割开关将L2i分割为两段,接着将沿以主电源为起点的潮流方向即从PCC到L2i末端中以隔离开关为分割开关进行分割;
若L2i上不包含PCC,则以隔离开关为分隔将L2i进行分割;
对分割得到的各段的末端按照以下方式进行判断:
S3221:若末端与隔离开关直接相连,则存入Ci;
S3222:若末端与PCC直接相连,则存入Di;
S3223:若末端既不与隔离开关也不与PCC直接相连,则存入Ai;
S323:对于路径L3i,采用如下方法进行分割和存储:
若L3i上含PCC或断路器,则以离L3i末端最靠近的PCC或断路器为分割开关将其分割为两段,接着以从分割开关到L3i末端之间的隔离开关为分割开关进行分割;
若L3i上不含PCC和断路器,则以隔离开关为分割开关将L3i进行分割;
对分割得到的末端按照以下方式进行判断:
S3231:若末端与隔离开关直接相连,则将该段存入Bi;
S3232:若末端与PCC或断路器直接相连,则该段不进行存储;
S3233:若末端与隔离开关、断路器、PCC均未直接相连,则将该段存入Ai;
S324:对于路径L4i,采用如下方法进行分割和存储:
S3241:对位于微网外部的部分,以离末端最靠近的隔离开关除外的开关为分割开关进行分割,对每段的末端进行判断:若末端与隔离开关直接相连,则当LPi为微网内部负荷点时,存入Ei;当LPi为微网外部负荷点时,存入Bi;若末端不与隔离开关直接相连,则不进行存储;
S3242:对位于微网内部的部分,当LPi为微网内部负荷点时,以离其末端最靠近的隔离开关除外的开关为分割开关进行分割,对每段的末端进行判断:若末端与隔离开关直接相连,存入Bi;若末端不与隔离开关直接相连,不进行存储;当LPi为微网外部负荷点时,对路径L4i不进行分割和存储;
S33:将路径L1i、L2i、L3i、L4i的各分段分类汇总,形成负荷点LPi的故障激励集Ai、Bi、Ci、Di、Ei。
6.如权利要求1所述的含微网的复杂配电网可靠性评估算法,其特征在于:还包括对故障激励集Ai、Bi、Ci、Di、Ei按照以下方式进行可靠性指标的计算:
式中,Ii=Ai∪Bi∪Ci∪Di∪Ei;λk、tk分别为节点k的等效故障率和等效平均修复时间; 分别表示在节点k故障所引起的Ⅲ、Ⅳ、Ⅴ类停电影响下微电源对负荷点LPi供电的概率;表示负荷点LPi的年停运率;表示年平均停电时间;K表示第k个子块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610518271.5A CN106058859A (zh) | 2016-07-04 | 2016-07-04 | 一种含微网的复杂配电网可靠性评估算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610518271.5A CN106058859A (zh) | 2016-07-04 | 2016-07-04 | 一种含微网的复杂配电网可靠性评估算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106058859A true CN106058859A (zh) | 2016-10-26 |
Family
ID=57200754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610518271.5A Pending CN106058859A (zh) | 2016-07-04 | 2016-07-04 | 一种含微网的复杂配电网可靠性评估算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106058859A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107248754A (zh) * | 2017-07-03 | 2017-10-13 | 国家电网公司 | 一种分布式电源的选址定容方法 |
CN109615189A (zh) * | 2018-11-26 | 2019-04-12 | 西南交通大学 | 一种配电网可靠性评估方法 |
CN110942230A (zh) * | 2019-10-29 | 2020-03-31 | 广东工业大学 | 一种微网年停电时间评估方法 |
CN111130898A (zh) * | 2019-12-30 | 2020-05-08 | 广东电网有限责任公司 | 基于业务特征和节点可靠性的电力通信网故障恢复方法 |
CN112053032A (zh) * | 2020-08-05 | 2020-12-08 | 上海工程技术大学 | 一种基于负荷量变化的微电网可靠性评估方法 |
CN112199864A (zh) * | 2020-11-09 | 2021-01-08 | 江苏南通发电有限公司 | 一种工业用户型光储微网的可靠性优化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104485660A (zh) * | 2014-11-11 | 2015-04-01 | 国家电网公司 | 一种基于有向关系图的配电网可靠性评估方法 |
US20160094031A1 (en) * | 2014-09-30 | 2016-03-31 | Ulrich Münz | Method, controller, and computer program product for controlling a voltage in a power grid |
-
2016
- 2016-07-04 CN CN201610518271.5A patent/CN106058859A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160094031A1 (en) * | 2014-09-30 | 2016-03-31 | Ulrich Münz | Method, controller, and computer program product for controlling a voltage in a power grid |
CN104485660A (zh) * | 2014-11-11 | 2015-04-01 | 国家电网公司 | 一种基于有向关系图的配电网可靠性评估方法 |
Non-Patent Citations (1)
Title |
---|
李登峰: "并网型微网电源容量优化配置模型及算法研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107248754A (zh) * | 2017-07-03 | 2017-10-13 | 国家电网公司 | 一种分布式电源的选址定容方法 |
CN109615189A (zh) * | 2018-11-26 | 2019-04-12 | 西南交通大学 | 一种配电网可靠性评估方法 |
CN109615189B (zh) * | 2018-11-26 | 2022-03-25 | 西南交通大学 | 一种配电网可靠性评估方法 |
CN110942230A (zh) * | 2019-10-29 | 2020-03-31 | 广东工业大学 | 一种微网年停电时间评估方法 |
CN110942230B (zh) * | 2019-10-29 | 2023-05-02 | 广东工业大学 | 一种微网年停电时间评估方法 |
CN111130898A (zh) * | 2019-12-30 | 2020-05-08 | 广东电网有限责任公司 | 基于业务特征和节点可靠性的电力通信网故障恢复方法 |
CN111130898B (zh) * | 2019-12-30 | 2020-12-01 | 广东电网有限责任公司 | 基于业务特征和节点可靠性的电力通信网故障恢复方法 |
CN112053032A (zh) * | 2020-08-05 | 2020-12-08 | 上海工程技术大学 | 一种基于负荷量变化的微电网可靠性评估方法 |
CN112199864A (zh) * | 2020-11-09 | 2021-01-08 | 江苏南通发电有限公司 | 一种工业用户型光储微网的可靠性优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106058859A (zh) | 一种含微网的复杂配电网可靠性评估算法 | |
CN103855707B (zh) | 一种含分布式电源配电网的供电可靠性评估方法 | |
CN107506854B (zh) | 一种考虑差异化场景的220kV电网网架结构规划方法 | |
CN106786546A (zh) | 基于风险评估的配电网故障恢复策略优化方法 | |
CN105826944A (zh) | 一种微电网群的功率预测方法和系统 | |
CN104820864A (zh) | 含分布式电源的智能配电网全景故障恢复博弈方法 | |
CN112070395B (zh) | 能源互联网可靠性评估体系、模型建立方法和评估方法 | |
CN103577891A (zh) | 一种含分布式电源的多孤岛微网优化合作运行方法 | |
CN110245858A (zh) | 一种含电动汽车充电站的微电网可靠性评估方法 | |
CN109460880A (zh) | 一种含有风光储柴的中低压配网风险管控方法 | |
CN110086170A (zh) | 基于故障影响下成本最小的海岛微电网电源配置方法 | |
Ni et al. | A review of line loss analysis of the low-voltage distribution system | |
CN105139081A (zh) | 一种高可靠性的配电系统联络点规划方法 | |
CN104362639A (zh) | 基于改进微分进化方法的电网全网无功优化方法 | |
Brahim et al. | Load frequency control of hybrid power system using classical PID controller | |
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 | |
Xiong et al. | Resilience Enhancement for Distribution System With Multiple Non-Anticipative Uncertainties Based On Multi-Stage Dynamic Programming | |
Rajkumar et al. | Energy Storage System Control Scheme based on Pretrained Adaptive Dynamic Programming for PSOs | |
Mengting | Multi-objective Optimal Scheduling Analysis of Power System Based on Improved Particle Swarm Algorithm | |
Battula et al. | A Comprehensive Survey on Modeling and Optimization of Hybrid Renewable Energy Sources in Power System | |
Mekhamer et al. | Optimal multi-criteria design of hybrid power generation systems using cuckoo search and firefly algorithms | |
Li et al. | Research on Reliability Evaluation Algorithm based on Distribution Network containing Microgrid | |
Cahig et al. | Dynamic network clustering for distribution system resilience against typhoon events | |
CN212966176U (zh) | 可用于各种微电网结构验证的试验微电网构建 | |
Zhang et al. | Optimization of Black-Start Scheme for Mitigating Overvoltage |
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: 20161026 |