CN106532778B - 一种计算分布式光伏并网最大准入容量的方法 - Google Patents
一种计算分布式光伏并网最大准入容量的方法 Download PDFInfo
- Publication number
- CN106532778B CN106532778B CN201611257202.XA CN201611257202A CN106532778B CN 106532778 B CN106532778 B CN 106532778B CN 201611257202 A CN201611257202 A CN 201611257202A CN 106532778 B CN106532778 B CN 106532778B
- Authority
- CN
- China
- Prior art keywords
- power
- distributed photovoltaic
- function
- constraint
- calculating
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000002245 particle Substances 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 230000005611 electricity Effects 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims abstract description 5
- 238000004088 simulation Methods 0.000 claims abstract description 5
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000002347 injection Methods 0.000 claims description 5
- 239000007924 injection Substances 0.000 claims description 5
- 230000000712 assembly Effects 0.000 claims description 3
- 238000000429 assembly Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 36
- 238000004458 analytical method Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000005094 computer simulation Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000002948 stochastic simulation Methods 0.000 description 1
Images
Classifications
-
- H02J3/383—
-
- 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]
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Abstract
本发明提供一种计算分布式光伏并网最大准入容量的方法,包括:S1,获取配电系统的基础数据;S2,将光伏出力与负荷用电作为随机变量建立概率分布模型;S3,利用基础数据构建分布式光伏并网最大准入容量的机会约束规划模型,所述机会约束规划模型包括目标函数和约束条件;S4,通过随机模拟技术对概率分布模型采样产生样本数据,检验其是否满足约束条件,如果满足,执行S6,如果不满足,则执行S5;S5,将罚函数计入目标函数;S6,通过粒子群算法对机会约束规划模型进行全局寻优。通过本发明的计算分布式光伏并网最大准入容量的方法,能够针对光伏出力和负荷用电的随机性和波动性,更加准确的计算分布式光伏并网最大准入容量。
Description
技术领域
本发明涉及配电系统规划技术领域,尤其涉及一种计算分布式光伏并网最大准入容量的方法。
背景技术
随着能源危机和环境保护压力的日益增大,可再生能源的利用越来越受到重视。其中,太阳能发电技术是近年来国际上发展速度最快的可再生能源技术,分布式光伏并网发电已经成为利用太阳能的主要方式之一。大规模分布式光伏并网具有大容量、动态及随机性等特点,这给电网的安全可靠运行带来了挑战。无论在光伏电站规划设计阶段还是在电力系统的实际运行中,对电网能够承受的并网光伏最大准入容量的确定是一个急需解决的问题。
目前,考虑分布式光伏接入配电网所带来的有功损耗、电压分布、短路电流、谐波畸变率等方面的影响,针对配电网对分布式电源的渗透能力,国内外学者已做了较多的研究。相关的分析方法主要包括解析法、动态仿真模拟试探法、智能优化算法等。其中,解析方法通过推导数学解析公式的方式得出光伏准入容量与变量之间的关系,从而获得最大准入容量的解析式。动态仿真模拟试探法通过仿真技术逐渐增加各点的并网容量,观察指标的变化情况,最终得出最大准入容量。智能优化算法通过建立数学模型,以不同的角度选取目标函数、以系统潮流和各种指标为约束条件,从而将光伏并网容量建模为最优化模型,并利用智能优化算法进行全局寻优,最终得到容量规划方案。考虑到光伏出力与负荷用电的随机性与波动性特点,目前解析法和动态仿真法存在一定的局限性。
发明内容
本发明提供了一种计算分布式光伏并网最大准入容量的方法,其能够针对光伏出力和负荷用电的随机性和波动性,更加准确的计算分布式光伏并网最大准入容量的方法。
为了解决上述问题,本发明提供了一种计算分布式光伏并网最大准入容量的方法,其包括:
S1,获取配电系统的基础数据;
S2,将光伏出力与负荷用电作为随机变量建立概率分布模型;
S3,利用基础数据构建分布式光伏并网最大准入容量的机会约束规划模型,所述机会约束规划模型包括目标函数和约束条件;
S4,通过随机模拟技术对概率分布模型采样产生样本数据,检验其是否满足约束条件,如果满足,执行S6,如果不满足,则执行S5;
S5,将罚函数计入目标函数;
S6,通过粒子群算法对机会约束规划模型进行全局寻优。
优选地,S2中,光伏出力作为随机变量的概率分布模型为Beta分布模型。
优选地,S2中,负荷用电作为随机变量的概率分布模型为正态分布模型。
优选地,S3中,所述约束条件包括潮流等式约束和机会函数不等式约束。
优选地,所述机会函数不等式约束具体包括:
Pr{Ui,min≤Ui≤Ui,max}≥βU
Pr{PG-Ppy≥0}≥PGrid
其中,Pr为指标合格事件的机会,Ui为节点i的电压,Ui,min为节点 i的电压的下限,Ui,max为节点i的电压的上限,βU为电压的置信水平, Pl为负荷用电的有功功率,l为负荷用电支路,MBreaker为断路器支路集合,βl为线路上的有功功率的置信水平,PG表示常规机组的有功功率,PPV为光伏出力的有功功率,βGrid为配电网的整体有功功率的置信水平。
优选地,S4中具体为,对产生的样本数据计算潮流等式约束,并检验各机会函数不等式约束的指标合格事件的机会是否满足置信水平, S5具体为,将不满足的机会函数不等式约束进行惩罚,并以罚函数形式计入目标函数中形成无约束适应度函数。
优选地,所述无约束适应度函数具体为 其中,eT为与光伏接入节点相对应的单位向量,PPV为分布式光伏注入节点的有功功率,wu、wl、wp分别为电压越限、断路器支路潮流倒送、向主网倒送功率的惩罚系数,Ku、Kl、Kp分别为电压越限、断路器支路潮流倒送、向主网倒送功率的频率。
优选地,S6中,粒子群算法的步骤包括:
对参数进行初始化并确定迭代终止条件;
计算每个粒子的适应值,并确定全局最好位置;
随机选取权重值,并对粒子的速度和位置进行更新迭代;
判断迭代是否完成,若完成,则输出结果,若未完成,则返回上一步。
优选地,随机权重值根据标准正态分布和rand函数选取。
与现有技术相比,本发明的有益效果在于:从配电网规划角度对配电系统中分布式光伏的最大准入容量问题进行建模,建立以分布式光伏准入容量最大化为目标函数,以系统随机潮流为等式约束,以电网电压、继电保护、潮流倒送等机会函数形式为不等式约束条件的分布式光伏并网最大准入容量模型,通过基于随机规划的分布式光伏并网最大准入容量计算方法来进行求解,能够为高密度分布式光伏并网提供参考。
附图说明
图1是本发明实施例的计算分布式光伏并网最大准入容量的方法的流程图;
图2是本发明实施例的计算分布式光伏并网最大准入容量的方法的步骤S6的流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细描述,但不作为对本发明的限定。
本发明公开了一种计算分布式光伏并网最大准入容量的方法,其包括:
S1,获取配电系统的基础数据,其中,基础数据包括网架结构、负荷水平和电气参数,例如,获取33节点的基础数据;
S2,将光伏出力与负荷用电作为随机变量建立概率分布模型;
S3,利用基础数据构建分布式光伏并网最大准入容量的机会约束规划模型,机会约束规划模型包括目标函数和约束条件;
S4,通过随机模拟技术对概率分布模型采样产生样本数据,检验其是否满足约束条件,如果满足,执行S6,如果不满足,则执行S5;
S5,将罚函数计入目标函数;
S6,通过粒子群算法对机会约束规划模型进行全局寻优。
本发明提供的计算分布式光伏并网最大准入容量的方法,从配电网规划的角度对配电系统中分布式光伏的最大准入容量问题进行建模,其中,针对光伏出力与负荷用电的随机波动性,采用随机规划的采样方法模拟光伏出力和负荷用电的实际运行情况,模型描述更加准确。
在本实施例中,S2中,光伏出力作为随机变量的概率分布模型为 Beta分布模型。在一定时间段内光照强度可近似看成Beta分布,因此,可推导出光伏电池的随机出力也呈Beta分布,其概率密度函数为其中,α、β是形状参数,PPV是分布式光伏注入节点的有功功率,Pmax是一定时间段内最大有功功率。
在本实施例中,S2中,负荷用电作为随机变量的概率分布模型为正态分布模型。电力负荷具有时变性与随机性,不同天相同时间段负荷用电的有功功率和无功功率的随机模型符合正态分布,其概率密度函数分别为,和 其中,σP、σQ、μP、μQ是随机变量的数字特征, PL、QL分别是负荷用电的有功功率和无功功率。
机会约束规划模型的目标函数为配电网可接入节点的分布式光伏的准入容量,可以表示为maxF(PPV)=eTPPV,其中,向量PPV为控制变量,具体为[PPV1,PPV2,…,PPVm]T,eT是与光伏接入节点相对应的单位向量,若节点接入光伏,对应相应的位置为1,否则为0。
其中,i表示电网的节点编号,P、Q分别表示有功功率和无功功率,R表示线路电阻,X表示电抗,U表示电压,PV、L分别表示光伏出力和负荷用电。
在本实施例中,机会函数不等式约束包括以电网电压、继电保护、潮流倒送等机会约束形式的不等式约束条件。其可以具体包括电网电压的约束,Pr{Ui,min≤Ui≤Ui,max}≥βU,其中,Pr为指标合格事件的机会(即,指标合格率),Ui为节点i的电压,Ui,min为节点i的电压的下限,Ui,max为节点i的电压的上限,βU为电压的置信水平;继电保护的约束,其中,Pl为负荷用电的有功功率, l为负荷用电支路,MBreaker为断路器支路集合,βl为线路上的有功功率的置信水平;潮流倒送的约束,Pr{PG-PPV≥0}≥βGrid,其中,PG表示常规机组的有功功率,PPV为光伏出力的有功功率,βGrid为配电网的整体有功功率的置信水平;以及约束,0≤PPV,i≤PPV,i,max,其中, PPV,i,max为分布式光伏注入节点i的有功功率的上限。
关于上述不等式约束中,βU、βl、βGrid均是不大于1的非负数,其越接近1则对指标合格率的要求越严格,其等于1时不允许指标越限。另外,继电保护的约束可以避免影响继电保护正常工作,潮流倒送的约束可以避免分布式光伏容量较大时引起的潮流倒送。
通过建立容易求解的机会函数不等式约束,利用光伏出力和负荷用电的概率分布模型,可以更加准确的确定分布式光伏的最大并网准入容量。
模拟算法如下:
设n=0;
从f(PPV),f(PL),f(QL)分布函数中随机生成光伏出力与负荷用电的数值;
应用前推回代潮流方法计算断路器支路首段功率Pl,如果Pl≥0, 则n=n+1;
重复N次。
在本实施例中,当分布式光伏电站接入容量不合理时,节点电压可能越限,断路器所在支路功率可能逆向,区域潮流可能向主网倒送,因此,S4中可以为,对产生的样本数据计算潮流等式约束,并检验各机会函数不等式约束的指标合格事件的机会是否满足置信水平,S5为,将不满足的机会函数不等式约束进行惩罚,并以罚函数形式计入目标函数中形成求解最小值的无约束适应度函数。
其中,求解最小值的无约束适应度函数可以为 其中,eT为与光伏接入节点相对应的单位向量, PPV为分布式光伏注入节点的有功功率,wu、wl、wp分别为电压越限、断路器支路潮流倒送、向主网倒送功率的惩罚系数,Ku、Kl、Kp分别为电压越限、断路器支路潮流倒送、向主网倒送功率的频率。
本发明提供的计算分布式光伏并网最大准入容量的方法,从配电网规划角度对配电系统中分布式光伏的最大准入容量问题进行建模,建立以分布式光伏准入容量最大化为目标函数,以系统随机潮流为等式约束,以电网电压、继电保护、潮流倒送等机会函数形式为不等式约束条件的分布式光伏并网最大准入容量模型,通过基于随机规划的分布式光伏并网最大准入容量计算方法来进行求解,能够为高密度分布式光伏并网提供参考。
参考图2,S6中,粒子群算法的步骤包括:
对参数进行初始化,并确定迭代终止条件;
其中,对参数进行初始化包括,初始化随机变量的数字特征σP(可以取期望的5%)、σQ、μP、μQ和分布式光伏的Beta选用的13:00到14:00 时间段的形状参数α=1.886、β=1.141,以及粒子群算法的参数,例如,群体规模m=100、维度s=6(配电系统中可接入的分布式光伏的节点数目)、迭代次数t=50。节点电压的约束可以是0.93到1.07(标幺值)。
计算每个粒子的适应值,并确定全局最好位置;
根据上述分布式光伏接入情况进行潮流等式、节点电压、断路器支路首端功率、主网提供的有功功率的机会约束函数不等式的计算,将结果代入到无约束适应度函数的公式中,求解出对应的适应度值。对每个粒子将其适应值和已经历过的最好位置pis的适应值进行比较,若较好,则将其作为当前的最好位置,对每个粒子将其适应值和全局经历过的最好位置pgs的适应值进行比较,若较好,则将其作为当前的全局最好位置。
随机选取权重值,并对粒子的速度和位置进行更新迭代;
随机选取权重值,使得微粒历史速度对当前速度的影响是随机的,如果在进化初期接近最好点,可能产生相对较小的权重值,加快算法的收敛速度,另外,如果在算法初期找不到最好点,权重值的线性递减使得算法最终收敛不到此最好点,而随机生成权重值可以克服这种局限。每迭代一次之后,通过调整随机权重值的大小,再次对粒子的速度和位置进行更新迭代。
其中,随机权重值的选取可以根据公式其中,N(0,1)表示标准正态分布,rand(0,1)表示0~1之间的随机数。按照上述粒子群的算法,每迭代一次,便生成一个随机权重值。实施例中,μmin=0.5,μmax=0.8,σ=0.2。
其中,粒子的速度v和位置x可以根据公式vis(t+1)=wvis(t)+ c1r1s(t)[pis(t)-xis(t)]+c2r2,s(t)[pgs(t)-xis(t)]以及公式 xis(t+1)=xis(t)+vis(t+1)来更新。其中,w是随机权重值,i= [1,m],s=[1,S],c1、c2均是学习因子,取非负常数,r1、r2是相互独立的伪随机数,服从[0,1]的均匀分布。
判断迭代是否完成,若完成,则输出结果,结果包括分布式光伏的接入位置和接入容量,若未完成,则返回上一步。
采用粒子群算法计算,求解方法更加有效。粒子群算法速度更新公式中,随机权重值较大时,前一速度影响较大,全局搜索能力较强;随机权重值较小时,前一速度影响较小,局部搜索能力较强。而利用随机选取的随机权重值,使得微粒历史速度对当前速度的影响是随机的。并且粒子群算法具有群体智能、内在并行性、迭代格式简单以及可快速收敛到最优解所在区域等优点。
本发明采用随机规划和随机选取权重值的粒子群优化算法相结合的方法,能够计入光伏出力与负荷用电的随机波动性,并且从理论上讲是考虑了所有可能的运行方式,而不仅仅是考虑典型运行方式,这是动态仿真和解析法无法做到的。而随机选取权重值的粒子群算法能够较好的兼顾算法的全局与局部搜索能力,可以快速的收敛到最优解。为现有光伏并网准入容量问题提供新的理论方法。
以上实施例仅为本发明的示例性实施例,不用于限制本发明,本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内,对本发明做出各种修改或等同替换,这种修改或等同替换也应视为落在本发明的保护范围内。
Claims (6)
1.一种计算分布式光伏并网最大准入容量的方法,其包括:
S1,获取配电系统的基础数据;
S2,将光伏出力与负荷用电作为随机变量建立概率分布模型;
S3,利用基础数据构建分布式光伏并网最大准入容量的机会约束规划模型,所述机会约束规划模型包括目标函数和约束条件,所述约束条件包含潮流等式约束和机会函数不等式约束,所述潮流等式约束具体为:
其中,i表示电网的节点编号,P、Q分别表示有功功率和无功功率,R表示线路电阻,X表示电抗,U表示电压,PV、L分别表示光伏出力和负荷用电,
所述机会函数不等式约束具体为:
Pr{Ui,min≤Ui≤Ui,max}≥βU
Pr{PG-PPV≥0}≥βGrid
其中,Pr为指标合格事件的机会,Ui为节点i的电压,Ui,min为节点i的电压的下限,Ui,max为节点i的电压的上限,βU为电压的置信水平,Pl为负荷用电的有功功率,l为负荷用电支路,MBreaker为断路器支路集合,βl为线路上的有功功率的置信水平,PG表示常规机组的有功功率,PPV为光伏出力的有功功率,βGrid为配电网的整体有功功率的置信水平;
S4,通过随机模拟技术对概率分布模型采样产生样本数据,检验其是否满足约束条件,如果满足,执行S6,如果不满足,则执行S5;
S5,将罚函数计入目标函数;
S6,通过粒子群算法对机会约束规划模型进行全局寻优;
其中,S4具体为,对产生的样本数据计算潮流等式约束,并检验各机会函数不等式约束的指标合格事件的机会是否满足置信水平;
S5具体为,将不满足的机会函数不等式约束进行惩罚,并以罚函数形式计入目标函数中形成无约束适应度函数;
2.根据权利要求1所述的计算分布式光伏并网最大准入容量的方法,其特征在于,S2中,光伏出力作为随机变量的概率分布模型为Beta分布模型。
3.根据权利要求2所述的计算分布式光伏并网最大准入容量的方法,其特征在于,S2中,负荷用电作为随机变量的概率分布模型为正态分布模型。
4.根据权利要求1所述的计算分布式光伏并网最大准入容量的方法,其特征在于,S3中,所述目标函数为配电网可接入节点的分布式光伏的准入容量,可表示为maxF(PPV)=eTPPV,其中,向量PPV为控制变量,具体为[PPV1,PPV2,…,PPVm]T,eT是与光伏接入节点相对应的单位向量,若节点接入光伏,对应相应的位置为1,否则为0。
5.根据权利要求1所述的计算分布式光伏并网最大准入容量的方法,其特征在于,S6中,粒子群算法的步骤包括:
对参数进行初始化并确定迭代终止条件;
计算每个粒子的适应值,并确定全局最好位置;
随机选取权重值,并对粒子的速度和位置进行更新迭代;
判断迭代是否完成,若完成,则输出结果,若未完成,则返回上一步。
6.根据权利要求5所述的计算分布式光伏并网最大准入容量的方法,其特征在于,随机权重值根据标准正态分布和rand函数选取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611257202.XA CN106532778B (zh) | 2016-12-30 | 2016-12-30 | 一种计算分布式光伏并网最大准入容量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611257202.XA CN106532778B (zh) | 2016-12-30 | 2016-12-30 | 一种计算分布式光伏并网最大准入容量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106532778A CN106532778A (zh) | 2017-03-22 |
CN106532778B true CN106532778B (zh) | 2020-05-08 |
Family
ID=58335925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611257202.XA Active CN106532778B (zh) | 2016-12-30 | 2016-12-30 | 一种计算分布式光伏并网最大准入容量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106532778B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107145707B (zh) * | 2017-04-01 | 2019-12-27 | 三峡大学 | 一种计及光伏出力不确定性和全寿命周期成本的配电网变压器规划方法 |
CN107069814B (zh) * | 2017-04-14 | 2019-08-20 | 广东电网有限责任公司东莞供电局 | 配网分布式电源容量布点的模糊机会约束规划方法与系统 |
CN108898287A (zh) * | 2018-06-11 | 2018-11-27 | 国网江西省电力有限公司电力科学研究院 | 大规模光伏并网的配电网运行风险评估方法 |
CN109255102B (zh) * | 2018-09-04 | 2020-02-04 | 云南电网有限责任公司 | 一种基于凸松弛的光伏发电最大并网容量评估方法 |
CN109462255B (zh) * | 2018-11-20 | 2022-04-05 | 国网浙江省电力有限公司绍兴供电公司 | 一种基于储能系统的配电网光伏发电容量优化方法及系统 |
CN109599896A (zh) * | 2018-12-10 | 2019-04-09 | 国网浙江省电力有限公司杭州供电公司 | 一种10kV电网分布式光伏最大可开放容量的计算方法 |
CN110266007A (zh) * | 2019-07-29 | 2019-09-20 | 国网天津市电力公司 | 一种电网可容纳新能源出力波动范围评估方法及装置 |
CN110556872B (zh) * | 2019-10-25 | 2021-04-27 | 国网冀北电力有限公司秦皇岛供电公司 | 一种分布式电源准入容量确定方法及装置 |
CN112039122B (zh) * | 2020-09-24 | 2022-04-12 | 南方电网科学研究院有限责任公司 | 基于电网准入容量设计分布式电源并网的规划方法及装置 |
CN114142467A (zh) * | 2021-11-30 | 2022-03-04 | 上海电力大学 | 一种基于无精确建模潮流模型的配电网光伏最大接入容量测算方法 |
CN114819508B (zh) * | 2022-03-28 | 2024-03-29 | 上海交通大学 | 综合能源系统分布式光伏最大准入容量计算方法及系统 |
CN117543619A (zh) * | 2023-11-09 | 2024-02-09 | 国网冀北电力有限公司秦皇岛供电公司 | 基于分布式接入的光伏储能一体化发电系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104112237A (zh) * | 2014-06-30 | 2014-10-22 | 国家电网公司 | 一种基于wams的改进遗传算法的电网无功容量优化配置方法 |
-
2016
- 2016-12-30 CN CN201611257202.XA patent/CN106532778B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104112237A (zh) * | 2014-06-30 | 2014-10-22 | 国家电网公司 | 一种基于wams的改进遗传算法的电网无功容量优化配置方法 |
Non-Patent Citations (1)
Title |
---|
基于随机规划的风电接纳能力研究;张艳歌;《中国优秀硕士学位论文全文数据库》;20141013;第17-33页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106532778A (zh) | 2017-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106532778B (zh) | 一种计算分布式光伏并网最大准入容量的方法 | |
Das et al. | Fixed head short-term hydrothermal scheduling in presence of solar and wind power | |
CN108306303A (zh) | 一种考虑负荷增长和新能源出力随机的电压稳定评估方法 | |
CN110334870B (zh) | 基于门控循环单元网络的光伏电站短期功率预测方法 | |
CN106130066B (zh) | 一种用于独立微电网系统的多目标鲁棒频率控制方法 | |
CN107834547B (zh) | 一种考虑风电场输出功率关联特性的输电网规划方法 | |
CN110189061A (zh) | 一种基于风险评估的大规模分散光伏接入规划方法 | |
Abdullah et al. | A noniterative method to estimate load carrying capability of generating units in a renewable energy rich power grid | |
CN109242200B (zh) | 一种贝叶斯网络预测模型的风电功率区间预测方法 | |
CN104915788B (zh) | 一种考虑多风场相关性的电力系统动态经济调度的方法 | |
CN115017854A (zh) | 一种基于多维评估指标体系的配电网dg最大准入容量计算方法 | |
Kanchana et al. | PV Power Forecasting with Holt-Winters Method | |
CN111371088A (zh) | 一种基于bp神经网络修正svg控制策略的方法及系统 | |
CN108694475B (zh) | 基于混合模型的短时间尺度光伏电池发电量预测方法 | |
CN109767353A (zh) | 一种基于概率分布函数的光伏发电功率预测方法 | |
Wang et al. | Accurate solar cell modeling via genetic Neural network-based Meta-Heuristic algorithms | |
CN105207255B (zh) | 一种适用于风电出力的电力系统调峰计算方法 | |
Chenhong et al. | Wind speed prediction research based on time series model with residual correction | |
Kaysal et al. | Comparison the performance of different optimization methods in artificial intelligence based electricity production forecasting | |
Chen et al. | Mayfly Optimization Algorithm–Based PV Cell Triple-Diode Model Parameter Identification | |
CN114595891A (zh) | 一种配电网电压及潮流越界风险评估方法、系统及设备 | |
CN104793107B (zh) | 一种基于改进opa模型的电网连锁故障确定方法 | |
Ye et al. | Multi-Scenario Stochastic Optimal Scheduling for Power Systems With Source-Load Matching Based on Pseudo-Inverse Laguerre Polynomials | |
Zhao et al. | Fuzzy modelling of power system economic dispatch incorporating load and wind generation uncertainties | |
CN112446521B (zh) | 考虑经济性和安全性的风电场接入系统多目标规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |