CN107122924A - 一种智能配用电系统承载能力评估方法 - Google Patents
一种智能配用电系统承载能力评估方法 Download PDFInfo
- Publication number
- CN107122924A CN107122924A CN201710402740.1A CN201710402740A CN107122924A CN 107122924 A CN107122924 A CN 107122924A CN 201710402740 A CN201710402740 A CN 201710402740A CN 107122924 A CN107122924 A CN 107122924A
- Authority
- CN
- China
- Prior art keywords
- power distribution
- bearing capacity
- load
- power
- distributed
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 195
- 238000011156 evaluation Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000004146 energy storage Methods 0.000 claims abstract description 39
- 238000011161 development Methods 0.000 claims abstract description 24
- 238000010248 power generation Methods 0.000 claims description 41
- 238000005516 engineering process Methods 0.000 claims description 32
- 238000010586 diagram Methods 0.000 claims description 23
- 230000008901 benefit Effects 0.000 claims description 19
- 230000006872 improvement Effects 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 15
- 238000012797 qualification Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000013077 scoring method Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 230000018109 developmental process Effects 0.000 description 19
- 239000011159 matrix material Substances 0.000 description 18
- 239000007789 gas Substances 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 5
- 230000001364 causal effect Effects 0.000 description 3
- 239000003245 coal Substances 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000010792 warming Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000002301 combined effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000003502 gasoline Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- 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
- 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)
- Development Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (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)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种智能配用电系统承载能力评估方法，智能配用电系统承载能力是指，在支撑电网发展的外部社会经济、环境、能源发展条件制约下，配电网中线路与设备在技术合理性、安全可靠性、经济性、环境、能源、容量裕度方面对于发电及负荷波动的承受能力，方法：根据承载力理论以及智能配用电系统的特点构建智能配用电系统承载力评估体系，得到智能配用电系统承载力的各项指标；根据电动汽车、分布式电源、储能系统、柔性负荷等广义分布式资源的特点，给出广义分布式资源充电站的负荷曲线图；分析智能配用电系统承载力系统的各类变量与变量间的关系，构建智能配用电系统承载力的系统动力学模型。本发明可以为智能配用电系统可持续发展提供技术支撑和决策依据。
Description
技术领域
本发明涉及一种用电系统承载能力评估方法。特别是涉及一种广义分布式资源接入的智能配用电系统承载能力评估方法。
背景技术
1650年人类社会工业化以来，大量使用化石燃料排放CO2等温室气体和其他污染物质，其综合效果导致全球气候系统变暖，20世纪中叶以来进一步加剧，成为制约人类社会可持续发展的重大问题[1]。近年来，全球变暖趋势日益严重。
智能配用电系统是智能电网建设的关键环节之一。智能配用电系统的发展，将使配电网从传统的供方主导、单向供电、基本依赖人工管理的运营模式向用户参与、潮流双向流动、高度自动化的方向转变。随着我国可再生能源，能源互联网以及分布式资源的发展,智能配用电系统的发展将产生越来越明显的经济效益与社会效益。广义分布式资源包括电动汽车(Electric Vehicle，EV)、分布式电源(Distributed Generation，DG)、储能系统(Energy Storage System,ESS)、柔性负荷等可控设备的应用持续增加，给配电网带来一系列的问题，如谐波污染，电压波动、系统双向潮流、短路电流升高、三相不平衡等，同时这些问题的存在一定程度上限制DG、EV的接入。文献[2]提出了EV大规模接入配电网充电带来的峰谷差加剧、电网运行优化控制难度增大、影响电能质量等问题；文献[3]提出了光伏、风电等DG并网后带来的电能质量问题。
电网承载力的概念源于生态领域，借鉴生态系统环境承载力的相关定义，智能配用电系统承载力的概念可以定义为：在支撑电网发展的外部社会经济、环境、能源发展条件制约下，配电网中线路与设备在技术合理性、安全可靠性、经济性、环境、能源、容量裕度等方面对于发电及负荷波动的承受能力。智能配用电系统承载力核心指标体现在DG、EV、储能及可响应负荷规模、特性等系统内关键指标，以及经济、能源、环境等外部关键指标。智能配用电系统承载力体现电网可持续发展与社会经济、环境、能源对其的支撑密不可分的关系，使得配用电系统的发展规模必须在外界系统能够承载的范围内。
系统动力学通常用来研究复杂的社会经济系统的定量方法,以系统行为与内在机制之间的相互紧密依存关系为基础,通过系统动力学的理论和方法建立数学建模,借助计算机用一阶微分方程组描述系统和状态变量的变化率对各状态变量或特定输入等依存关系,逐步挖掘出阐述变化形体的各种因果关系。社会经济、能源消耗、自然环境与电网发展协调有着紧密的关系，因此，可以构建系统动力学模型来反映它们之间的影响与作用。
传统配电网不含有分布式电源，没有电源与负荷的主动控制，在过去几十年间，电力系统已发展成为集中发电、远距离输电、广义分布式资源广泛接入的大型互联网络系统，随着负荷的持续增长、电力系统结构的不断老化，环保污染日益严重、能源利用效率较低以及用户对电能质量的要求不断提高，因此，开展智能配用电系统承载能力的评估具有重要意义。
发明内容
本发明所要解决的技术问题是，提供一种从技术合理性、安全可靠性、经济性、环境、能源、容量裕度共六个方面进行的计及广义分布式资源接入的智能配用电系统承载能力评估方法。
本发明所采用的技术方案是：一种智能配用电系统承载能力评估方法，智能配用电系统承载能力是指，在支撑电网发展的外部社会经济、环境、能源发展条件制约下，配电网中线路与设备在技术合理性、安全可靠性、经济性、环境、能源、容量裕度方面对于发电及负荷波动的承受能力，评估方法包括如下步骤：
1)根据承载力理论以及智能配用电系统的特点构建智能配用电系统承载力评估体系，得到智能配用电系统承载力的各项指标；
2)根据电动汽车、分布式电源、储能系统、柔性负荷等广义分布式资源的特点，给出广义分布式资源充电站的负荷曲线图；
3)分析智能配用电系统承载力系统的各类变量与变量间的关系，构建智能配用电系统承载力的系统动力学模型。
步骤1)中所述的智能配用电系统的特点，是指智能配用电系统应用和融合先进的测量和传感技术、控制技术、计算机和网络技术、电力电子技术、信息和通信技术、电动汽车充放电技术、需求侧响应技术以及高级量测技术，并兼容分布式发电、电动汽车、储能装置新型业务的组合式接入，鼓励用户积极参与互动的智能化电力交换系统，以实现配电网在正常运行状态下完善的监测、保护、控制、优化和非正常运行状态下的自愈控制，最终为电力用户提供安全、可靠、优质、经济、环保的电力供应和其他为用户提供的新型增值服务。
步骤1)所述的智能配用电系统承载力评估体系，是从技术合理性、安全可靠性、经济性、环境、能源和容量裕度六个方面提出的评价智能配用电系承载力的指标体系和对所述指标体系进行的综合决策。
所述的智能配用电系承载力的指标体系包括：
(1)电压水平合格率A1，电压水平合格率是指满足电压水平要求的节点数与节点总数的比值，用来评估广义分布式资源接入智能配用电系统承载力后电压水平能否达到技术合理水平，电压水平合格率A1值越大表示电压水平技术合理性越高，表达式为：
其中，Nv，N是满足电压水平要求的节点数和节点总数；
(2)无功配置不合格率A2，无功配置不合格率是指先将各个节点进行无功补偿，再计算不能达到无功配置要求的节点数与节点总数的比值，用来评估广义分布式资源接入智能配用电系统承载力后无功配置水平能否达到技术合理水平，无功配置不合格率A2值越小表示配电网无功水平技术合理性越高，表达式为：
其中，Nq，N是满足无功配置要求的节点数和节点总数；
(3)短时负载率B，短时负载率是指在短时间范围内配电网平均负荷与最大负荷的比值，用来评估广义分布式资源接入智能配用电系统承载力后短时间内对配电网安全运行的影响，短时负载率B值越大表示配电网运行时的安全可靠性越高，表达式为：
其中，Pav，Pmax是短时平均负荷和短时最大负荷；
(4)网络损耗C1，网络损耗是指配电网潮流计算中有功损耗之和，用来评估广义分布式资源接入智能配用电系统承载力后对配电网经济性的影响，网络损耗C1值越小配电网经济性越好，表达式为：
其中，Pi,Qi分别为线路i的有功功率和无功功率；Ri是线路i及相连设备的电阻；Ui是线路i的电压；
(5)无功补偿耗费C2，无功补偿耗费是指广义分布式资源接入智能配用电系统承载力后，为了保证合格的电压水平与功率因数而进行无功补偿的耗费，用来评估广义分布式资源接入智能配用电系统承载力后节点采取必要无功补偿的投资，无功补偿耗费C2值越小配电网经济性越好，表达式为：
C2＝ηQneed
其中，η为智能配用电系统实施1kVar无功补偿容量的投资，Qneed为广义分布式资源接入后所需实施的无功补偿容量，无功补偿容量投资为0.01万元/kVar；
(6)引入的成本C3，包括：
电动汽车在电网侧的引入成本为：电动汽车总数量与引入单个充电桩成本的乘积；
分布式电源在电网侧的引入成本为：分布式电源最大功率与分布式电源安装费用的乘积；
储能后引入成本为平滑分布式电源出力后，引入分布式电源的成本；
(7)环境改善程度D，环境改善程度是指电动汽车、分布式电源、储能接入后在原来基础上带来的减排效益，即将同等效果的旧技术改为电动汽车或是分布式电源后带来的减排效益，用来评估电动汽车、分布式电源、储能接入后带来的环境效益，环境改善程度D值越大环境改善程度越好；
(8)能源改善程度E，能源改善程度是指是指电动汽车、分布式电源、储能接入后在原来基础上节省的能源，即将同等效果的旧技术改为电动汽车或是分布式电源后节省的能源，用来评估电动汽车、分布式电源、储能接入后带来的能源效益，能源改善程度E值越大能源效益越好；
(9)线路容量裕度F，线路容量裕度是指线路负荷与主变容量之间的差值，当线路负荷超过主变容量会造成过载，必须更换主变，线路容量裕度变化率是指广义分布式资源接入后使线路容量裕度变化程度，用来评估配电网的线路容量裕度，其表达式为：
其中，M1，M2分别是接入和未接入广义分布式资源时线路容量裕度；
所述的对指标体系进行综合决策是使用层次分析法、熵权法进行权重分配，最终利用模糊评分法得到智能配用电系统承载能力的综合评分。
步骤2)所述的广义分布式资源的特点，包括：
(1)电池更换站：
(a)初始充电时刻分为两段，第一天中午12点到下午2点与第一天晚上11点到第二天凌晨5点，服从均匀分布；
(b)初始荷电状态服从正态分布；
(c)每次进行充电都将电池充满；
(d)充电功率为定值；
(2)住宅小区充电站：
(a)初始充电时刻、每日电动汽车行程数和充电功率相互独立；
(b)每日电动汽车行程数服从对数正态分布，初始充电时刻服从正态分布；
(c)每次进行充电都将电池充满；
(d)充电功率为定值；
(3)收费快速充电站：
(a)初始充电时刻、初始荷电状态和结束荷电状态相互独立；
(b)初始荷电状态和结束荷电状态服从正态分布；
(c)初始充电时刻服从均匀分布；
(d)充电功率为定值；
(4)风力发电：
风力发电的功率与风速紧密相关，风速呈威布尔分布，根据风速分布与风机出力的关系建立风力发电出力与风速关系的曲线图；
(5)光伏发电：
光伏发电的功率是与日照强度有关，日照强度为Beta分布；
(6)微型燃气轮机：
微型燃气轮机的容量视为不变；
(7)商业负荷：
商业负荷的最大负荷持续时间长，且高峰时期用电量高，低谷时期用电量很低，峰谷差极大；
(8)居民负荷：
居民负荷呈现午高峰和晚高峰；
步骤2)所述的广义分布式资源充电站的负荷曲线图，包括：
(1)电池更换站充电负荷曲线图；
(2)居民区充电站充电负荷曲线图；
(3)公共场所充电站充电负荷曲线图；
(4)风力发电出力曲线图；
(5)光伏发电出力曲线图；
(6)风力发电加储能出力曲线图；
(7)光伏发电加储能出力曲线图；
(9)商业可响应负荷曲线图；
(10)居民可响应负荷曲线图。
步骤3)所述的变量与变量间的关系，是指广义分布式资源接入智能配用电系统后，分析广义分布式资源、人口、经济、能源、环境和鼓励政策之间的反馈关系，利用系统动力学理论，构建智能配用电系统承载力的系统动力学模型，并利用Vensim软件进行仿真模拟，为未来智能配用电系统规划、政策制定以及用户用电行为指导提供理论依据。
本发明的一种智能配用电系统承载能力评估方法，可以为智能配用电系统可持续发展提供技术支撑和决策依据，促进电网的科学发展，提高电网管理水平。随着精益化、精细化管理的要求，智能配用电系统承载能力评估方法与模型研究工作变得更加重要，研究科学客观的评估方法，建立量化评估模型具有重要意义。为未来智能配用电系统规划、政策制定乃至用户用电行为指导提供理论依据。
附图说明
图1是本发明中电池更换站充电负荷曲线图；
图2是本发明中居民区充电站充电负荷曲线图；
图3是本发明中公共场所充电站充电负荷曲线图；
图4是本发明中风力发电机组风速与出力函数图；
图5是本发明中风力发电出力曲线图；
图6是本发明中光伏发电出力曲线图；
图7是本发明中风力发电加储能出力曲线图；
图8是本发明中光伏发电加储能出力曲线图；
图9是本发明中商业可响应负荷曲线图；
图10是本发明中居民可响应负荷曲线图；
图11是本发明中智能配用电系统承载力因果回路图；
图12是本发明中电动汽车子系统存量流量图；
图13是本发明中加入分布式电源、储能子系统存量流量图；
图14是本发明中加入可响应负荷子系统存量流量图；
图15是IEEE 33节点配电网拓扑图；
图16是本发明中智能配用电系统承载力图；
图17a是本发明中智能配用电系统承载力技术合理性图；
图17b是本发明中智能配用电系统承载力安全可靠性图；
图17c是本发明中智能配用电系统承载力经济性图；
图17d是本发明中智能配用电系统承载力环境图；
图17e是本发明中智能配用电系统承载力能源图；
图17f是本发明中智能配用电系统承载力更新换代程度图。
具体实施方式
下面结合实施例和附图对本发明的一种智能配用电系统承载能力评估方法做出详细说明。
本发明的一种智能配用电系统承载能力评估方法，智能配用电系统承载能力是指，在支撑电网发展的外部社会经济、环境、能源发展条件制约下，配电网中线路与设备在技术合理性、安全可靠性、经济性、环境、能源、容量裕度方面对于发电及负荷波动的承受能力，评估方法包括如下步骤：
1)根据承载力理论以及智能配用电系统的特点构建智能配用电系统承载力评估体系，得到智能配用电系统承载力的各项指标；
所述的智能配用电系统的特点，是指智能配用电系统应用和融合先进的测量和传感技术、控制技术、计算机和网络技术、电力电子技术、信息和通信技术、电动汽车充放电技术、需求侧响应技术以及高级量测技术，并兼容分布式发电、电动汽车、储能装置新型业务的组合式接入，鼓励用户积极参与互动的智能化电力交换系统，以实现配电网在正常运行状态下完善的监测、保护、控制、优化和非正常运行状态下的自愈控制，最终为电力用户提供安全、可靠、优质、经济、环保的电力供应和其他为用户提供的新型增值服务。
通过借鉴传统配电网的评估指标，在其基础进行改进和增减，实现对接入广义分布式资源、分布式电源、储能、需求侧响应的智能配电网的评估。本发明所述的智能配用电系统承载力评估体系，是从技术合理性、安全可靠性、经济性、环境、能源和容量裕度六个方面提出的评价智能配用电系承载力的指标体系和对所述指标体系进行的综合决策。其中，
所述的智能配用电系承载力的指标体系包括：
(1)电压水平合格率A1，电压水平合格率是指满足电压水平要求的节点数与节点总数的比值，用来评估广义分布式资源接入智能配用电系统承载力后电压水平能否达到技术合理水平，电压水平合格率A1值越大表示电压水平技术合理性越高，表达式为：
其中，Nv，N是满足电压水平要求的节点数和节点总数，电压水平要求选取节点电压有效值为0.9～1.1；
(2)无功配置不合格率A2，无功配置不合格率是指先将各个节点进行无功补偿，再计算不能达到无功配置要求的节点数与节点总数的比值，用来评估广义分布式资源接入智能配用电系统承载力后无功配置水平能否达到技术合理水平，无功配置不合格率A2值越小表示配电网无功水平技术合理性越高，表达式为：
其中，Nq，N是满足无功配置要求的节点数和节点总数，本发明中无功配置合格的要求是节点无功补偿后功率因数为0.85～1；
(3)短时负载率B，短时负载率是指在短时间范围内配电网平均负荷与最大负荷的比值， 用来评估广义分布式资源接入智能配用电系统承载力后短时间内对配电网安全运行的影响，短时负载率B值越大表示配电网运行时的安全可靠性越高，表达式为：
其中，Pav，Pmax是短时平均负荷和短时最大负荷；
(4)网络损耗C1，网络损耗是指配电网潮流计算中有功损耗之和，用来评估广义分布式资源接入智能配用电系统承载力后对配电网经济性的影响，网络损耗C1值越小配电网经济性越好，表达式为：
其中，Pi,Qi分别为线路i的有功功率和无功功率；Ri是线路i及相连设备的电阻；Ui是线路i的电压；
(5)无功补偿耗费C2，无功补偿耗费是指广义分布式资源接入智能配用电系统承载力后，为了保证合格的电压水平与功率因数而进行无功补偿的耗费，用来评估广义分布式资源接入智能配用电系统承载力后节点采取必要无功补偿的投资，无功补偿耗费C2值越小配电网经济性越好，表达式为：
C2＝ηQneed
其中，η为智能配用电系统实施1kVar无功补偿容量的投资，Qneed为广义分布式资源接入后所需实施的无功补偿容量，无功补偿容量投资为0.01万元/kVar；
(6)引入的成本C3，包括：
电动汽车在电网侧的引入成本为：电动汽车总数量与引入单个充电桩成本的乘积，本发明中单个充电桩的成本选取为13800元；
分布式电源在电网侧的引入成本为：分布式电源最大功率与分布式电源安装费用的乘积，其中分布式电源安装所需费用参考《Distributed Generation Integration CostStudy》中美国城市的安装费用为$190/kW，由于中国电网的升级改造费用要高于美国，所以本发明将美国城市的安装费用的基础上乘1.3的倍数为1551.2元/kW；
储能后引入成本为平滑分布式电源出力后，引入分布式电源的成本；
(7)环境改善程度D，环境改善程度是指电动汽车、分布式电源、储能接入后在原来基础上带来的减排效益，即将同等效果的旧技术改为电动汽车或是分布式电源后带来的减排效益，用来评估电动汽车、分布式电源、储能接入后带来的环境效益，环境改善程度D值越大环境改善程度越好，本发明中用系统排放的CO2、CO、SO2、NOx四种污染气体量的加权平均值来表示系统排放的污染气体量；
(8)能源改善程度E，能源改善程度是指是指电动汽车、分布式电源、储能接入后在原来基础上节省的能源，即将同等效果的旧技术改为电动汽车或是分布式电源后节省的能源，用来评估电动汽车、分布式电源、储能接入后带来的能源效益，能源改善程度E值越大能源效益越好；将上述耗能产品技术所耗的能源折合为标准煤进行计算与比较。根据资料，每kg汽油折合标准煤1.4714kg,汽车每百公里耗油8*0.725＝5.8kg，电动汽车每百公里耗电14度， 每度电折合标准煤0.404kg,每辆汽车日均行程41.096公里。
(9)线路容量裕度F，线路容量裕度是指线路负荷与主变容量之间的差值，当线路负荷超过主变容量会造成过载，必须更换主变，线路容量裕度变化率是是指广义分布式资源接入后使线路容量裕度变化程度，用来评估配电网的线路容量裕度，表达式为：
其中，M1，M2分别是接入和未接入广义分布式资源时线路容量裕度；
所述的对指标体系进行综合决策是使用层次分析法、熵权法进行权重分配，最终利用模糊评分法得到智能配用电系统承载能力的综合评分。其中：
(1)层次分析法
层次分析法是一种经过专家赋值，最终得到权重的方法。本发明采用层次分析法的步骤如下：
(a)确定各层关系。本发明根据评估指标体系，将智能配用电系统承载力的承载能力定为目标层，A、B、C、D、E、F为目的层，A1～C3为指标层。
(b)构造判断矩阵。判断矩阵有以下性质：
aij为指标i对于指标j的重要性，取值为1～9,取值越大代表相对重要性越高。
(c)一致性检验。计算最大特征根λmax，判断矩阵的一致性指标CI，表达式为：
引入一致性比率指标CR,当满足下式时，矩阵具有一致性。
(d)计算权重矩阵。先对矩阵每一列归一化，再按行求和，最后将向量归一化，得到权重矩阵W。
W＝(w1 w2 w3 w4 w5)T
(2)熵权法修正
层次分析法属于主观赋值法，存在主观随意性的缺点。而熵权法属于客观赋值法，可以用来弥补层次分析法的缺点，两者结合使权重更与实际相符。熵权法修正步骤如下：
(a)将判断矩阵每一行归一化得到标准化矩阵。
(b)根据下式，使用标准化矩阵(假设矩阵元素为)aij,计算熵权矩阵，公式如下：
U＝(u1u2u3u4u5)T
(c)根据下式，使用权重矩阵W、熵权矩阵U，计算综合权重矩阵J。
J＝(j1 j2 j3 j4 j5)T
(3)模糊评分法
为进行各指标的综合，得到智能配用电系统承载力的综合评估，需要同一化各指标的评价标准，采用模糊评分法。模糊评分法的步骤为：
(a)评语集的选择。本发明将智能配用电系统承载力的承载能力的评语集分为三级，分别是优、良和差。
(b)隶属度函数的选择。将电压水平合格率、短时负载率、环境改善程度、能源改善程度、线路容量裕度变化率归为效益型指标；将无功配置不合格率、网络损耗、无功补偿耗费归为成本型指标。根据潮流计算结果，确定隶属度函数的最优值a1，最差值a3，中间值a2。
成本型指标隶属度函数为
式中，μik为成本型指标i评语为k的隶属度；xi为成本型指标i；其中评语为优、良、差的序号为k＝1、2、3。效益型指标与成本型指标类似，其中评语为差、良、优的序号为k＝1、2、3。
(c)计算模糊评分矩阵。根据优、良、差的评语集，将三级评语隶属度为1时评分分别为F1＝100、F2＝80、F3＝60，则指标i的模糊评分FDi为
(d)综合评分方法。修正后的权重矩阵为J，模糊评分矩阵为FD，配电网承载能力综合评分Fnet为
式中，i＝1～6分别为技术合理性、安全可靠性、经济性、环境、能源、容量裕度。
2)根据广义分布式资源的特点，给出广义分布式资源的模型；所述的广义分布式资源 的特点，包括：
(1)电池更换站：
(a)初始充电时刻分为两段，第一天中午12点到下午2点与第一天晚上11点到第二天凌晨5点，服从均匀分布；
(b)初始荷电状态服从正态分布；
(c)每次进行充电都将电池充满；
(d)充电功率为定值；
(2)住宅小区充电站：
(a)初始充电时刻、每日电动汽车行程数和充电功率相互独立；
(b)每日电动汽车行程数服从对数正态分布，初始充电时刻服从正态分布；
(c)每次进行充电都将电池充满；
(d)充电功率为定值；
(3)收费快速充电站：
(a)初始充电时刻、初始荷电状态和结束荷电状态相互独立；
(b)初始荷电状态和结束荷电状态服从正态分布；
(c)初始充电时刻服从均匀分布；
(d)充电功率为定值；
(4)风力发电：
风力发电的功率与风速紧密相关，风速呈威布尔分布，根据风速分布与风机出力的关系建立风力发电出力与风速关系的曲线图，如图4所示；
(5)光伏发电：
光伏发电的功率是与日照强度有关。由于日照强度的随机性，输出的功率也拥有随机性。据统计，日照强度为Beta分布；
(6)微型燃气轮机：
虽然微型燃气轮机较燃煤发电污染较小，但与风力发电与光伏发电相比还是存在空气污染。所以，本发明将微型燃气轮机的容量视为不变；
(7)商业负荷：
商业电力用户高峰时段的负荷量较高且持续时间较长，低谷时期的负荷量很低，电力用户的日负荷率较低，通常情况下约为50-60％；由于我国的作息习惯，一般都是在9点开始上班，从上图9可以看出无论是大型商场还是写字楼，从9点开始负荷用电量急剧上升，在上午10点左右负荷用电量达到峰值，之后负荷波动不大，一般直到晚上20点左右都一直处于高峰状态，20点之后负荷用电量开始急剧下降，商业负荷的最大负荷持续时间长，且高峰时期用电量高，低谷时期用电量很低，峰谷差极大；
(8)居民负荷：
居民负荷与居民的生活习惯相吻合，基本呈现午高峰和晚高峰，由图10可以看出，10点到13点形成午高峰，最大负荷集中在17点到21点的晚高峰，21点之后负荷量开始下降。
所述的广义分布式资源充电站的负荷曲线图，包括：
(1)如图1所示的电池更换站充电负荷曲线图；
(2)如图2所示的居民区充电站充电负荷曲线图；
(3)如图3所示的公共场所充电站充电负荷曲线图；
(4)如图5所示的风力发电出力曲线图；
(5)如图6所示的光伏发电出力曲线图；
(6)如图7所示的风力发电加储能出力曲线图；
(7)如图8所示的光伏发电加储能出力曲线图；
(9)如图9所示的商业可响应负荷曲线图；
(10)如图10所示的居民可响应负荷曲线图。
3)分析智能配用电系统承载力系统的各类变量与变量间的关系，构建智能配用电系统承载力的系统动力学模型。
所述的变量与变量间的关系，是指广义分布式资源接入智能配用电系统后，分析广义分布式资源、人口、经济、能源、环境和鼓励政策之间的反馈关系，利用系统动力学理论，构建智能配用电系统承载力的系统动力学模型，如图12电动汽车子系统存量流量图、图13加入分布式电源、储能子系统存量流量图、图14加入可响应负荷子系统存量流量图，并利用Vensim软件进行仿真模拟，为未来智能配用电系统规划、政策制定以及用户用电行为指导提供理论依据。
智能配用电系统承载力核心指标体现在DG、电动汽车、储能及可响应负荷规模、特性等系统内关键指标，以及经济、能源、环境等外部关键指标。利用系统动力学理论，建立接入广义分布式资源的智能配用电系统承载力因果关系图，将配用电系统承载力评估模型分为四个子系统：EV子系统、DG子系统、储能子系统、可响应负荷子系统如图11所示，本发明只考虑平抑DG功率波动的储能，所以将储能子系统与DG子系统合在一起，利用Vensim软件进行仿真模拟，得到接入广义分布式资源后对智能配用电系统承载力的影响，并得出相应的鼓励政策。
下面以图15所示的含广义分布式资源的IEEE 33节点算例进行测试,验证了所述方法的有效性。
电动汽车(EV)充电站、分布式电源(DG)、储能系统(ESS)和需求侧响应的负荷模型都是以日负荷曲线表示，所以在潮流计算中，将不同类型EV充电站负荷、DG与需求侧响应负荷叠加到33节点配网的节点中。本发明选择将居民区充电站、公共场所充电站、电池更换站分别接入节点17、22、23中，将微型燃气轮机、风力发电机组、光伏发电机组分别接入节点13、29、31中，将商业负荷、居民负荷叠加到9、15节点中，集中无功补偿点在节点12。
广义分布式资源接入智能配用电系统后，进行潮流计算时，首先满足的是技术合理性的两个指标，所以技术合理性一直都为100分，如图17a所示。在满足技术合理性的前提下，由图17b-图17f可见，EV的接入会降低配用电系统承载能力，主要源于安全可靠性和经济性指标的波动下降；DG的接入缓解EV对系统安全可靠性的影响，但影响系统容量裕度指标；储能的接入有利于提高加入DG后的系统安全可靠性的同时，经济性指标有所下降；加入可 响应负荷(DR)后系统各项指标均得到提升，有助提高配用电系统承载力。
本发明的仿真结果显示经仿真平台的测试，建立智能配用电系统承载力模型后，对方程式进行赋值，随后进行模型仿真，能够正常运行，得到仿真结果，即代表量纲一致性检验初步通过。再进行人工检验其一致性。最后使用Vensim单位检验功能进行检查。
广义分布式资源接入智能配用电系统承载力，在政策的反馈下，智能配用电系统承载力在90分左右达到了优的水平，如图16所示。随着智能配用电系统的不断发展和完善，在配电和用电侧，合理的配置和选择波动性要素，如第十年时有1300辆EV，DG容量为600kW，配有291kWh的储能，DR用户数为300，并通过相应的政策鼓励，使广义分布式资源相互协调发展，可以使配电网的承载能力得到逐步的提高。
以电动汽车、分布式电源、储能、需求侧响应为代表的广义分布式资源在智能配用电系统发展中起到推动作用，同时其波动性和随机性对电网的安全稳定、经济运行提出挑战。为此，开展智能配用电系统承载能力评估为未来智能配用电系统规划、政策制定乃至用户用电行为指导提供理论依据。
参考文献
[1]秦大河.气候变化科学与人类可持续发展[J].地理科学进展,2014,33(07):874-883.
[2]胡泽春,宋永华,徐智威,罗卓伟,占恺峤,贾龙.电动汽车接入电网的影响与利用[J].中国电机工程学报,2012,04:1-10+25.
朱永强,齐琳,叶青,李红贤.分布式电源并网电能质量问题综述[J].供用电,2014,02:31-34。
Claims (8)
1.一种智能配用电系统承载能力评估方法，其特征在于，智能配用电系统承载能力是指，在支撑电网发展的外部社会经济、环境、能源发展条件制约下，配电网中线路与设备在技术合理性、安全可靠性、经济性、环境、能源、容量裕度方面对于发电及负荷波动的承受能力，评估方法包括如下步骤：
1)根据承载力理论以及智能配用电系统的特点构建智能配用电系统承载力评估体系，得到智能配用电系统承载力的各项指标；
2)根据电动汽车、分布式电源、储能系统、柔性负荷等广义分布式资源的特点，给出广义分布式资源充电站的负荷曲线图；
3)分析智能配用电系统承载力系统的各类变量与变量间的关系，构建智能配用电系统承载力的系统动力学模型。
2.根据权利要求1所述的一种智能配用电系统承载能力评估方法，其特征在于，步骤1)中所述的智能配用电系统的特点，是指智能配用电系统应用和融合先进的测量和传感技术、控制技术、计算机和网络技术、电力电子技术、信息和通信技术、电动汽车充放电技术、需求侧响应技术以及高级量测技术，并兼容分布式发电、电动汽车、储能装置新型业务的组合式接入，鼓励用户积极参与互动的智能化电力交换系统，以实现配电网在正常运行状态下完善的监测、保护、控制、优化和非正常运行状态下的自愈控制，最终为电力用户提供安全、可靠、优质、经济、环保的电力供应和其他为用户提供的新型增值服务。
3.根据权利要求1所述的一种智能配用电系统承载能力评估方法，其特征在于，步骤1)所述的智能配用电系统承载力评估体系，是从技术合理性、安全可靠性、经济性、环境、能源和容量裕度六个方面提出的评价智能配用电系承载力的指标体系和对所述指标体系进行的综合决策。
4.根据权利要求3所述的一种智能配用电系统承载能力评估方法，其特征在于，所述的智能配用电系承载力的指标体系包括：
(1)电压水平合格率A1，电压水平合格率是指满足电压水平要求的节点数与节点总数的比值，用来评估广义分布式资源接入智能配用电系统承载力后电压水平能否达到技术合理水平，电压水平合格率A1值越大表示电压水平技术合理性越高，表达式为：
其中，Nv，N是满足电压水平要求的节点数和节点总数；
(2)无功配置不合格率A2，无功配置不合格率是指先将各个节点进行无功补偿，再计算不能达到无功配置要求的节点数与节点总数的比值，用来评估广义分布式资源接入智能配用电系统承载力后无功配置水平能否达到技术合理水平，无功配置不合格率A2值越小表示配电网无功水平技术合理性越高，表达式为：
其中，Nq，N是满足无功配置要求的节点数和节点总数；
(3)短时负载率B，短时负载率是指在短时间范围内配电网平均负荷与最大负荷的比值，用来评估广义分布式资源接入智能配用电系统承载力后短时间内对配电网安全运行的影响，短时负载率B值越大表示配电网运行时的安全可靠性越高，表达式为：
其中，Pav，Pmax是短时平均负荷和短时最大负荷；
(4)网络损耗C1，网络损耗是指配电网潮流计算中有功损耗之和，用来评估广义分布式资源接入智能配用电系统承载力后对配电网经济性的影响，网络损耗C1值越小配电网经济性越好，表达式为：
其中，Pi,Qi分别为线路i的有功功率和无功功率；Ri是线路i及相连设备的电阻；Ui是线路i的电压；
(5)无功补偿耗费C2，无功补偿耗费是指广义分布式资源接入智能配用电系统承载力后，为了保证合格的电压水平与功率因数而进行无功补偿的耗费，用来评估广义分布式资源接入智能配用电系统承载力后节点采取必要无功补偿的投资，无功补偿耗费C2值越小配电网经济性越好，表达式为：
C2＝ηQneed
其中，η为智能配用电系统实施1kVar无功补偿容量的投资，Qneed为广义分布式资源接入后所需实施的无功补偿容量，无功补偿容量投资为0.01万元/kVar；
(6)引入的成本C3，包括：
电动汽车在电网侧的引入成本为：电动汽车总数量与引入单个充电桩成本的乘积；
分布式电源在电网侧的引入成本为：分布式电源最大功率与分布式电源安装费用的乘积；
储能后引入成本为平滑分布式电源出力后，引入分布式电源的成本；
(7)环境改善程度D，环境改善程度是指电动汽车、分布式电源、储能接入后在原来基础上带来的减排效益，即将同等效果的旧技术改为电动汽车或是分布式电源后带来的减排效益，用来评估电动汽车、分布式电源、储能接入后带来的环境效益，环境改善程度D值越大环境改善程度越好；
(8)能源改善程度E，能源改善程度是指是指电动汽车、分布式电源、储能接入后在原来基础上节省的能源，即将同等效果的旧技术改为电动汽车或是分布式电源后节省的能源，用来评估电动汽车、分布式电源、储能接入后带来的能源效益，能源改善程度E值越大能源效益越好；
(9)线路容量裕度F，线路容量裕度是指线路负荷与主变容量之间的差值，当线路负 荷超过主变容量会造成过载，必须更换主变，线路容量裕度变化率是指广义分布式资源接入后使线路容量裕度变化程度，用来评估配电网的线路容量裕度，其表达式为：
其中，M1，M2分别是接入和未接入广义分布式资源时线路容量裕度。
5.根据权利要求3所述的一种智能配用电系统承载能力评估方法，其特征在于，所述的对指标体系进行综合决策是使用层次分析法、熵权法进行权重分配，最终利用模糊评分法得到智能配用电系统承载能力的综合评分。
6.根据权利要求1所述的一种智能配用电系统承载能力评估方法，其特征在于，步骤2)所述的广义分布式资源的特点，包括：
(1)电池更换站：
(a)初始充电时刻分为两段，第一天中午12点到下午2点与第一天晚上11点到第二天凌晨5点，服从均匀分布；
(b)初始荷电状态服从正态分布；
(c)每次进行充电都将电池充满；
(d)充电功率为定值；
(2)住宅小区充电站：
(a)初始充电时刻、每日电动汽车行程数和充电功率相互独立；
(b)每日电动汽车行程数服从对数正态分布，初始充电时刻服从正态分布；
(c)每次进行充电都将电池充满；
(d)充电功率为定值；
(3)收费快速充电站：
(a)初始充电时刻、初始荷电状态和结束荷电状态相互独立；
(b)初始荷电状态和结束荷电状态服从正态分布；
(c)初始充电时刻服从均匀分布；
(d)充电功率为定值；
(4)风力发电：
风力发电的功率与风速紧密相关，风速呈威布尔分布，根据风速分布与风机出力的关系建立风力发电出力与风速关系的曲线图；
(5)光伏发电：
光伏发电的功率是与日照强度有关，日照强度为Beta分布；
(6)微型燃气轮机：
微型燃气轮机的容量视为不变；
(7)商业负荷：
商业负荷的最大负荷持续时间长，且高峰时期用电量高，低谷时期用电量很低，峰谷差极大；
(8)居民负荷：
居民负荷呈现午高峰和晚高峰。
7.根据权利要求1所述的一种智能配用电系统承载能力评估方法，其特征在于，步骤2)所述的广义分布式资源充电站的负荷曲线图，包括：
(1)电池更换站充电负荷曲线图；
(2)居民区充电站充电负荷曲线图；
(3)公共场所充电站充电负荷曲线图；
(4)风力发电出力曲线图；
(5)光伏发电出力曲线图；
(6)风力发电加储能出力曲线图；
(7)光伏发电加储能出力曲线图；
(9)商业可响应负荷曲线图；
(10)居民可响应负荷曲线图。
8.根据权利要求1所述的一种智能配用电系统承载能力评估方法，其特征在于，步骤3)所述的变量与变量间的关系，是指广义分布式资源接入智能配用电系统后，分析广义分布式资源、人口、经济、能源、环境和鼓励政策之间的反馈关系，利用系统动力学理论，构建智能配用电系统承载力的系统动力学模型，并利用Vensim软件进行仿真模拟，为未来智能配用电系统规划、政策制定以及用户用电行为指导提供理论依据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710402740.1A CN107122924A (zh) | 2017-05-31 | 2017-05-31 | 一种智能配用电系统承载能力评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710402740.1A CN107122924A (zh) | 2017-05-31 | 2017-05-31 | 一种智能配用电系统承载能力评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107122924A true CN107122924A (zh) | 2017-09-01 |
Family
ID=59729156
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710402740.1A Pending CN107122924A (zh) | 2017-05-31 | 2017-05-31 | 一种智能配用电系统承载能力评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107122924A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108736512A (zh) * | 2018-05-04 | 2018-11-02 | 深圳供电局有限公司 | 一种并网运行的微网优化运行评价方法及其系统 |
| CN110188255A (zh) * | 2018-12-19 | 2019-08-30 | 国网福建省电力有限公司 | 基于业务数据共享融合的电力用户行为挖掘方法及系统 |
| CN110619466A (zh) * | 2019-09-16 | 2019-12-27 | 卓尔智联(武汉)研究院有限公司 | 信息处理方法、装置及存储介质 |
| CN110690702A (zh) * | 2019-11-01 | 2020-01-14 | 国网四川省电力公司经济技术研究院 | 一种考虑综合承载力的主动配电网优化调度及运行方法 |
| CN112001639A (zh) * | 2020-08-25 | 2020-11-27 | 天津大学 | 综合能源系统能源需求的可调能力评估方法及存储介质 |
| CN112990559A (zh) * | 2021-03-02 | 2021-06-18 | 国网河北省电力有限公司 | 一种低压业扩电源点的选取方法 |
| US20220163990A1 (en) * | 2014-06-20 | 2022-05-26 | Transportation Ip Holdings, Llc | System and method for a charging station |
| CN118438918A (zh) * | 2024-05-09 | 2024-08-06 | 烟台开发区德联软件有限责任公司 | 一种移动储能设备充电调控方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120221158A1 (en) * | 2011-02-28 | 2012-08-30 | General Electric Company | System and method for load forecasting |
| CN105303265A (zh) * | 2015-11-20 | 2016-02-03 | 天津大学 | 一种主动配电网发展水平综合评价方法 |
| CN106709634A (zh) * | 2016-12-02 | 2017-05-24 | 国网天津市电力公司 | 一种计及电动汽车接入的主动配电网承载能力评估方法 |
-
2017
- 2017-05-31 CN CN201710402740.1A patent/CN107122924A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120221158A1 (en) * | 2011-02-28 | 2012-08-30 | General Electric Company | System and method for load forecasting |
| CN105303265A (zh) * | 2015-11-20 | 2016-02-03 | 天津大学 | 一种主动配电网发展水平综合评价方法 |
| CN106709634A (zh) * | 2016-12-02 | 2017-05-24 | 国网天津市电力公司 | 一种计及电动汽车接入的主动配电网承载能力评估方法 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220163990A1 (en) * | 2014-06-20 | 2022-05-26 | Transportation Ip Holdings, Llc | System and method for a charging station |
| CN108736512A (zh) * | 2018-05-04 | 2018-11-02 | 深圳供电局有限公司 | 一种并网运行的微网优化运行评价方法及其系统 |
| CN108736512B (zh) * | 2018-05-04 | 2021-11-09 | 深圳供电局有限公司 | 一种并网运行的微网优化运行评价方法及其系统 |
| CN110188255A (zh) * | 2018-12-19 | 2019-08-30 | 国网福建省电力有限公司 | 基于业务数据共享融合的电力用户行为挖掘方法及系统 |
| CN110188255B (zh) * | 2018-12-19 | 2021-06-01 | 国网福建省电力有限公司 | 基于业务数据共享融合的电力用户行为挖掘方法及系统 |
| CN110619466A (zh) * | 2019-09-16 | 2019-12-27 | 卓尔智联(武汉)研究院有限公司 | 信息处理方法、装置及存储介质 |
| CN110690702A (zh) * | 2019-11-01 | 2020-01-14 | 国网四川省电力公司经济技术研究院 | 一种考虑综合承载力的主动配电网优化调度及运行方法 |
| CN110690702B (zh) * | 2019-11-01 | 2022-04-08 | 国网四川省电力公司经济技术研究院 | 一种考虑综合承载力的主动配电网优化调度及运行方法 |
| CN112001639A (zh) * | 2020-08-25 | 2020-11-27 | 天津大学 | 综合能源系统能源需求的可调能力评估方法及存储介质 |
| CN112001639B (zh) * | 2020-08-25 | 2023-06-06 | 天津大学 | 综合能源系统能源需求的可调能力评估方法及存储介质 |
| CN112990559A (zh) * | 2021-03-02 | 2021-06-18 | 国网河北省电力有限公司 | 一种低压业扩电源点的选取方法 |
| CN118438918A (zh) * | 2024-05-09 | 2024-08-06 | 烟台开发区德联软件有限责任公司 | 一种移动储能设备充电调控方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107122924A (zh) | 一种智能配用电系统承载能力评估方法 | |
| Li et al. | Capacity optimization of hybrid energy storage system for flexible islanded microgrid based on real-time price-based demand response | |
| Ju et al. | A Tri-dimensional Equilibrium-based stochastic optimal dispatching model for a novel virtual power plant incorporating carbon Capture, Power-to-Gas and electric vehicle aggregator | |
| Xiao et al. | Method, implementation and application of energy storage system designing | |
| CN109034587B (zh) | 一种协调多种可控单元的主动配电系统优化调度方法 | |
| Gao et al. | Economic dispatch containing wind power and electric vehicle battery swap station | |
| CN112365021A (zh) | 一种基于混合储能的区域综合能源系统规划优化方法 | |
| Feng et al. | Performance analysis of hybrid energy storage integrated with distributed renewable energy | |
| CN114301081B (zh) | 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法 | |
| Ren et al. | Multitime scale coordinated scheduling for electric vehicles considering photovoltaic/wind/battery generation in microgrid | |
| Cano et al. | Comparative analysis of HESS (battery/supercapacitor) for power smoothing of PV/HKT, simulation and experimental analysis | |
| CN114547821A (zh) | 基于灰色关联理论的可调度柔性资源辨识方法、存储介质 | |
| Liu et al. | Day‐Ahead Economic Dispatch of Renewable Energy System considering Wind and Photovoltaic Predicted Output | |
| CN117578449A (zh) | 一种计及可再生能源不确定性的多能微能网优化调度方法 | |
| CN116545009A (zh) | 一种分布式风光资源准入容量规划方法及系统 | |
| CN106709634A (zh) | 一种计及电动汽车接入的主动配电网承载能力评估方法 | |
| Liu et al. | Reliability assessment of micro-grid based on Markov model | |
| Krim et al. | Joint optimisation of sizing and fuzzy logic power management of a hybrid storage system considering economic reliability indices | |
| CN114819251A (zh) | 一种基于配电网网格的多元负荷弹性预测方法 | |
| Luo et al. | Multi-Objective Optimization Scheduling of Microgrids Based on Particle Swarm Optimization Algorithm | |
| Yongqi et al. | Comprehensive benefit analysis for integrated energy systems projects based on ahp-fuzzy | |
| Gorea et al. | Modeling and simulating solar and renewable energy systems using artificial intelligence | |
| Luo et al. | Evaluation of distribution network planning considering scalability and adaptability | |
| Hajam et al. | An intelligent two‐level control of Ultrabattery for improved automatic generation control of a multi‐source deregulated power system | |
| CN111130101B (zh) | 一种多端口能量路由器多场景容量配置优化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170901 |
|
| RJ01 | Rejection of invention patent application after publication |