CN107437824A - 一种基于遗传算法的地区分布式电源准入容量的计算方法 - Google Patents
一种基于遗传算法的地区分布式电源准入容量的计算方法 Download PDFInfo
- Publication number
- CN107437824A CN107437824A CN201710507838.3A CN201710507838A CN107437824A CN 107437824 A CN107437824 A CN 107437824A CN 201710507838 A CN201710507838 A CN 201710507838A CN 107437824 A CN107437824 A CN 107437824A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- power
- node
- access
- 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
- 230000002068 genetic effect Effects 0.000 title claims abstract description 40
- 238000000205 computational method Methods 0.000 title claims abstract description 21
- 230000005611 electricity Effects 0.000 claims abstract description 21
- 230000035515 penetration Effects 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 7
- 230000035772 mutation Effects 0.000 claims description 6
- 230000000052 comparative effect Effects 0.000 claims description 3
- 230000013011 mating Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000010408 sweeping Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 3
- 238000010276 construction 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
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 206010068052 Mosaicism Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 210000003765 sex chromosome Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- H02J3/383—
-
- H02J3/386—
-
- 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
-
- 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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Power Engineering (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于遗传算法的某地区分布式电源准入容量的计算方法,具体步骤如下:(1)确定配电网中DG的接入类型、数量和接入节点,根据该地区风力发电、光伏发电历史数据确定典型日内各时段DG最大出力;(2)确定接入DG的最大可接纳容量的目标函数及运行的约束条件,包括等式约束及不等式约束;(3)各时段内,通过遗传算法生成各节点DG的初始接入容量;(4)对该接入组合进行基于遗传算法的时序潮流优化计算;(5)根据目标函数,确定各接入点的最优DG接入容量。本发明解决了不同类型分布式电源在任意数量及接入位置情况下的最大准入容量问题,为DG并网发电在安全运行情况下的最大化利用提供依据。
Description
技术领域
本发明涉及电力系统新能源并网技术领域,更具体地,涉及一种典型的基于遗传算法的某地区分布式电源准入容量的计算方法。
背景技术
电能在配电网络的传输过程中有功损耗所占比例较输电网络更高,因此减少配电网有功损耗、节约电能是许多电力从业者面临的重要课题。随着分布式发电技术的提高,在配电网中接入分布式电源成为电网调峰、减少网损、提高新能源利用的重要举措。分布式电源目前包括风力发电、太阳能光伏发电、电动汽车等。
申请公布号CN 104077449 A,名称为一种基于粒子群算法的逆变型DG准入容量计算方法,其以DG接入容量最大化为目标,各线路三段式电流整定值作为不等式约束条件,采用粒子群算法求出DG接入最大容量。该方法适用于多个DG且容量并不大,在不改变原有配电网的保护的整定值的情况下实现最大容量接入,提高了供电可靠性,同时保证了电网投资经济性问题。
申请公布号CN 104836260 A,名称为一种电压约束下主动配电网中DG准入容量的计算方法。该方法基于多个DG多时段的潮流优化计算来确定DG接入的最大容量,不仅对配电网多个接入进行分析,还考虑了不同时段输出功率的不确定性以及负荷的动态变化特性,进行全局寻优,得出DG优化配置方案。同时该发明首次采用了对多个DG接入的所有可能组合方式进行分析的方案,并且每个方式都考虑了电力系统的动态特性,具有很强的鲁棒性。
上述两个现有技术的专利虽然为求得分布式电源接入配电网后最大准入容量的计算提供了方法,但是在实际运用中存在一定的局限性,专利一主要考虑配电网运行过程中继电保护方面运行条件,以各馈线的三段式电流保护整定值为约束,未考虑新能源作为分布式电源接入电网后的波动性及对电网各节点电压幅值的影响。专利二的计算方法耗时较长,无法满足主动配电网实时调控DG(分布式电源)接入最大准入容量的要求。
申请公布号CN 105488593 A,名称为一种基于遗传算法的定容分布式电源发电最优选址及容量分配方法。该方法属于配电网中分布式电源选址定容的规划性问题。考虑在分布式电源接入配电网总容量固定的情况下,建立以成本和网络损耗为优化目标的数学模型,同时将实际运营周期对成本和网络损耗的影响考虑在内并设置对应因素的权重因子,最后采用改进遗传算法进行最优规划以寻求最佳接入。利用专利所述方法可以获得分布式电源的最佳接入点位置和相应容量,提高了分布式电源利用率,降低了电网损耗和建设成本。
该专利是在考虑了接入配电网的分布式电源总容量一定的情况下进行的最优选址定容规划。然而随着分布式电源大量并网、分布式发电比例逐步提高,分布式电源接入电网的容量应当是一个不断增长的趋势,专利对分布式电源的选址定容规划只能在运行初期为电网带来很好的收益,随着后期电网建设,分布式电源利用率将大幅降低。而且根据该专利得出的分布式电源最优接入位置只考虑了建设成本及网损费用,未充分考虑该接入位置环境、施工难度等选址重要因素,缺乏一定的实用性。实际情况中应当考虑配电网中任意节点接入分布式电源后各节点分布式电源的准入容量问题,根据配电网运行过程中实时情况对其进行管理控制,保证分布式电源一直处于最优运行状态,实现对分布式电源的最大化利用。
发明内容
为了克服上述现有技术的不足,本发明提供了一种基于遗传算法的地区分布式电源准入容量的计算方法,其目的是解决不同类型分布式电源在任意数量及接入位置情况下的最大准入容量问题,能够快速、准确地计算出特定地区典型日内多分布式电源接入配电网后运行中实时动态的准入容量组合,为DG并网发电在安全运行情况下的最大化利用提供依据。
本发明所采用的技术方案是:一种基于遗传算法的地区分布式电源准入容量的计算方法,其特征在于,包括以下步骤:
(1)确定配电网中DG的接入类型、数量和接入节点,根据地区风力发电和光伏发电历史数据确定典型日内各时段DG最大出力;
(2)确定接入DG的最大可接纳容量的目标函数及运行的约束条件(其中等式约束及不等式约束需要同时满足);
(3)各时段内,通过遗传算法生成各节点DG的初始接入容量;
(4)对步骤(1)的确定类型、数量和接入点的DG组合进行基于遗传算法的时序潮流优化计算;
(5)根据步骤(2)中的目标函数,确定各接入点的最优DG接入容量。
在步骤(1)中,根据地区风力发电和光伏发电历史数据确定典型
日内各时段DG最大出力可通过如下方式确定:
风力发电模型:
风力发电机的出力PDG,v表达式为:
Cp为风能利用系数,S为风力发电机组风轮扫风面积,ρ为空气密度,v是地区某时段对应最大风速,可由地区风速历史数据得到。
光伏发电模型:
对于光伏模型,无法直接给出描述其一天中各时段输出功率变化情况的曲线,则通过一天内的辐射度曲线和温度曲线间接得到,有
PDG,i,t=PDG,iIr,tFT (2)
式中,PDG,i为第i个光伏吸收的总能量,PDG,i,t为t时刻第i个光伏的输出功率,Ir,t为t时段内最大光照强度,FT为当前温度对应的光伏系统输出功率系数,描述光伏输出功率与温度的关系。
以上数据可由该地区光照历史数据得到。
负荷模型:
对于负荷模型,依据负荷日变化,以小时为单位来描述一天内各时间段的用电负荷,负荷的额定功率乘以相应时刻对应的系数即为当前时刻下负荷的实际功率,即
Pload,i,t=Pload,iηload,t (3)
式中,Pload,i,t为第i个负荷在t时刻下的实际功率,Pload,i为第i个负荷的额定功率,ηload,t为负荷在t时刻对应的波动系数。以上数据可由该地区负荷历史数据得到。
在步骤(2)中所述的目标函数、等式约束条件及不等式约束条件可通过下式确定:
配电网中可接纳DG最大容量的目标函数为:
式(4)中,i为配电网系统接入DG的节点号,N为算例配电网节点个数,PDGi为节点i接入DG的有功功率。
等式约束条件:
对于N个节点的配电网系统,令U、θ分别代表节点电压和相角,则潮流方程表示为:
式中G和B分别为导纳矩阵的实部和虚部,Pi(U,θ)表示i节点有功功率,Qi(U,θ)表示i节点无功功率,Ui表示i节点电压,Uj表示j节点电压,Gij表示节点i和节点j间电导,Bij表示节点i和节点j间电纳,θij表示节点i和节点j间的电压相角差。
在电网安全稳定运行的情况下,含分布式电源配电网的有功功率方程如式(5)所示、无功功率方程如式(6)所示将式(5)和式(6)两个潮流方程作为分布式电源最大准入容量模型的等式约束;
不等式约束条件:
受外界环境、自身设备和运行条件等约束,DG的最大容量是一定的。为了保持DG高功率因数运行,即DG的有功功率输出最大,可将DG输出容量的约束表示为:
式中PDGmax为DG的最大接入容量,由步骤(1)中各时段DG最大出力分别确定;现阶段DG一般与电网没有无功功率交换的运行情况,因此QDG假定为0。PDG、QDG分别为节点接入DG的有功功率、无功功率,是变量的统称。
DG并网改变了配电网的潮流状态,引起电压偏差。根据相关分析,配电网中分布式电源的最大准入容量计算模型的电压偏差约束可以采用国标相关规定:
UN(1-ε1)≤Ui≤UN(1+ε2) (8)
式中:UN为系统标称电压;Ui节点i的电压值,ε1、ε2分别为国标规定的允许偏差率一和允许偏差率二。
进一步地,所述步骤(3)中,通过遗传算法生成接入DG的初始容量种群:每个接入配电网节点的DG初始容量在约束条件下用随机生成的八位二进制编码表示,以实现后续遗传算法选择、交叉、变异流程。
进一步地,所述的对每一个DG接入组合下的DG接入容量进行基于遗传算法的潮流优化计算的过程包括如下步骤:
a、对一个DG接入组合下的DG接入容量进行潮流计算;
b、得到该组数据对应的潮流结果和相应目标函数值后,判断是否满足上述所有约束条件,对于不满足所有约束条件的个体,降低其对应的适应度为0将其直接淘汰(适应度是算法里的一个中间变量,对应于该个体保留到下一代的存活率)。对于满足所有约束条件的个体则进入步骤c;
c、对满足所有约束条件的个体进行比例选择遗传,形成交配池,选择遗传的依据是该组DG组合对应的容量和的大小;对比例选择遗传得到的各节点DG容量按照交叉概率进行交叉运算;交叉操作结束后,按变异概率对DG参数进行变异操作,从局部角度使个体更加逼近最优解,有效抑制早熟现象,维持群体的多样性;
d、步骤以c结束后构成的新子代,进入遗传算法的循环步骤,重复以上操作。直至满足设定的终止规则,寻优结束。
进一步地,基于遗传算法的潮流优化计算输出最优解,即为配电网中各DG的最大准入容量。
与现有技术相比,本发明的有益效果是:本发明所述的一种典型的基于遗传算法的某地区分布式电源准入容量的计算方法,在考虑DG出力及负荷的日波动特性的情况下,建立了某典型日配电网多节点接入DG的准入容量计算模型。通过基于遗传算法的潮流优化计算,解决了不同类型分布式电源在任意数量及接入位置情况下的最大准入容量问题,能够获得地区DG接入配电网后运行中实时动态的准入容量组合,为DG并网发电在安全运行情况下的最大化利用提供依据。且计算方法耗时较短,满足实际电网运行中对DG并网准入容量实时调控的需求。
附图说明
图1为本发明的方法流程图;
图2为有单个DG接入配电网简化电路示意图;
图3为确定配电网各个DG接入点的最优接入容量的流程图。
具体实施方式
为了加深对本发明的理解,下面结合附图和实施例对本发明进一步说明,该实施例仅用于解释本发明,并不对本发明的保护范围构成限定。
以下对含DG的配电网40节点最大准入容量计算方法进行实例分析,节点0连接系统电源,系统基准容量SB取15MVA,基准电压UB取23kV。DG于节点6,27,38,39接入,其中6号,38号节点DG类型为风电,27,39号节点DG类型为光伏。结合图1的方法流程图,采用MATLAB编写含DG的最大准入容量计算程序。一种典型的基于遗传算法的某地区分布式电源准入容量的计算方法包括以下步骤:
(1)确定配电网中DG的接入类型、数量和接入节点,根据该地区风力发电和光伏发电历史数据确定典型日内各时段DG最大出力;
(2)确定接入DG的最大可接纳容量的目标函数及运行的约束条件(其中等式约束及不等式约束需要同时满足);
(3)各时段内,通过遗传算法生成各节点DG的初始接入容量;
(4)对该接入组合进行基于遗传算法的时序潮流优化计算;
(5)根据目标函数,确定各接入点的最优DG接入容量。
考虑DG出力及负荷日波动特性情况下的模型可通过如下方式确定:
风力发电模型:
风力发电机的出力表达式为:
Cp为风能利用系数,S为风力发电机组风轮扫风面积,ρ为空气密度,v是该地区某时段对应最大风速,可由该地区风速历史数据得到。
光伏发电模型:
光伏机组发电多少与所受光照强度密切相关,一天内的01:00——04:00以及20:00——24:00期间光照强度为0,光伏机组输出功率为0。因此光伏最大接入容量取决于05:00——19:00这段时间内光伏的波动情况。对于光伏模型,无法直接给出描述其一天中各时段输出功率变化情况的曲线,可通过一天内的辐射度曲线和温度曲线间接得到,有
PDG,i,t=PDG,iIr,tFT (2)
式中,PDG,i为第i个光伏吸收的总能量,PDG,i,t为t时刻第i个光伏的输出功率,Ir,t为t时段内最大光照强度,FT为当前温度对应的光伏系统输出功率系数,描述光伏输出功率与温度的关系。以上数据可由该地区光照历史数据得到。
负荷模型:
对于负荷模型,可以依据负荷日变化,以小时为单位来描述一天内各时间段的用电负荷,负荷的额定功率乘以图中相应时刻对应的系数即为当前时刻下负荷的实际功率,即
Pload,i,t=Pload,iηload,t (3)
式中,Pload,i,t为第i个负荷在t时刻下的实际功率,Pload,i为第i个负
荷的额定功率,ηload,t为负荷在t时刻对应的波动系数。以上数据
可由该地区负荷历史数据得到。
DG最大容量的目标函数为:
式(4)中,i为配电网系统接入DG的节点号,N为算例配电网节点个数,PDGi为节点i接入DG的有功功率。
等式约束条件:
对于N个节点的配电网系统,令U、θ分别代表节点电压和相角,则潮流方程可表示为:
式中G和B分别为导纳矩阵的实部和虚部。Pi(U,θ)表示i节点有功功率,Qi(U,θ)表示i节点无功功率,Ui表示i节点电压,Uj表示j节点电压,Gij表示节点i和节点j间电导,Bij表示节点i和节点j间电纳,θij表示节点i和节点j间的电压相角差。
在电网安全稳定运行的情况下,含分布式电源配电网的有功功率方程、无功功率方程如上所示,所以将这两个潮流方程作为分布式电源最大准入容量模型的等式约束。
不等式约束条件:
受外界环境、自身设备和运行条件等约束,DG的最大容量是一定的。为了保持DG高功率因数运行,即DG的有功功率输出最大,可将DG输出容量的约束表示为:
式中PDGmax为DG的最大接入容量,由步骤(1)中各时段DG最大出力分别确定;现阶段DG一般与电网没有无功功率交换的运行情况,因此QDG假定为0。PDG、QDG分别为节点接入DG的有功功率、无功功率,是变量的统称。
DG并网改变了配电网的潮流状态,引起电压偏差。作为电能质量的一项指标,合理确定偏差对于电气设备和电网的安全、经济运行都有重要意义。若电压偏差的允许值较小,有利于系统运行,但为此要减小分布式电源的输出功率,降低了分布式电源的利用率;若电压偏差的允许值过大,会导致系统运行时出现问题的可能性增大。因此,电压偏差标准的确定是一个综合问题。GB/T 12325—2008《电能质量–供电电压偏差》对电压偏差做出了详尽规定。根据相关分析,配电网中分布式电源的最大准入容量计算模型的电压偏差约束可以采用国标相关规定值。
UN(1-ε1)≤Ui≤UN(1+ε2) (8)
式中:UN为系统标称电压;Ui节点i的电压值;ε1、ε2为国标规定的允许偏差率。
每个接入配电网节点的DG初始容量在约束条件下用随机生成的八位二进制编码表示,以实现后续遗传算法选择、交叉、变异流程。
对每一个接入组合下的DG接入容量进行基于遗传算法的潮流优化计算的过程包括如下步骤:
1、对一个DG接入组合下的DG接入容量进行潮流计算;
2、得到该组数据对应的潮流结果和相应目标函数值后,判断是否满足所有约束条件。对于不符合约束条件的个体,降低其适应度,最终淘汰。而对于满足要求的个体则进入下一步;
3、对满足约束条件的个体进行比例选择遗传,形成交配池,选择遗传的依据是该组DG组合对应的容量和的大小;对比例选择遗传得到的各节点DG容量按照交叉概率进行交叉运算;交叉操作结束后,按变异概率对DG参数进行变异操作,从局部角度使个体更加逼近最优解,有效抑制早熟现象,维持群体的多样性;
4、上述操作结束后构成的新子代,进入遗传算法的循环步骤,重复以上操作。直至满足终止规则,寻优结束。
根据程序所得结果,确定该典型日内各接入点的最大DG接入容量及接入组合。表1表示的是某典型日内各时间段DG接入最大容量时,各节点DG的接入容量组合(数据为基准值)。
表1各时刻分布式电源最大接入的容量
为了保证DG接入最大容量的所有时刻均满足约束条件,应取24h下最小值,即0.0318(约0.477MW)。即该地区典型日内配电网所能接入的最大DG容量之和为0.477MW。此时只有风力发电输出有功功率,6号节点出力0.0128(约0.192MW),38号节点出力0.0190(约0.285MW)。
同时也可以得到该典型日内DG的最大出力为0.8222(约12.33MW),此时6号节点风机出力0.3827(约5.741MW),27号节点光伏出力0.0965(约1.448MW),38号节点风机出力0.2989(约4.4835MW),39号节点出力0.0441(约0.662MW)。图2中,U0、U1分别表示各自节点电压;R1+jX1、R2+jX2分别表示各自支路的阻抗参数;PDG+jQDG表示接入分布式电源的有功功率和无功功率。
本发明所述的一种典型的基于遗传算法的某地区分布式电源准入容量的计算方法,以某地区典型日为例,研究了不同类型分布式电源(风电、光伏等)在任意数量及接入位置情况下接入配电网准入容量大小的计算方法,采用遗传算法进行潮流时序优化计算,得出满足等式及不等式约束条件下地区DG接入配电网后运行中实时动态的准入容量组合。计算方法更为准确迅速,适合于需要实时掌握系统可以接入的DG容量的主动配电网当中。
以上所述的本发明的实施方式,并不构成对本发明保护范围的限定。任何在本发明的精神原则之内所作出的修改、等同替换和改进等,均应包含在本发明的权利要求保护范围之内。
Claims (9)
1.一种基于遗传算法的地区分布式电源准入容量的计算方法,其特征在于,包括以下步骤:
(1)确定配电网中DG的接入类型、数量和接入节点,根据地区风力发电和光伏发电历史数据确定典型日内各时段DG最大出力;
(2)确定接入DG的最大可接纳容量的目标函数及运行的约束条件,其中等式约束条件及不等式约束条件需要同时满足;
(3)各时段内,通过遗传算法生成各节点DG的初始接入容量;
(4)对步骤(1)的确定类型、数量和接入点的DG组合进行基于遗传算法的时序潮流优化计算;
(5)根据步骤(2)中的目标函数,确定各接入点的最优DG接入容量。
2.根据权利要求1所述的基于遗传算法的地区分布式电源准入容量的计算方法,其特征在于:在步骤(1)中,根据地区风力发电和光伏发电历史数据确定典型日内各时段DG最大出力通过如下方式确定:
风力发电模型:风力发电机的出力PDG,v表达式为:
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>D</mi>
<mi>G</mi>
<mo>,</mo>
<mi>v</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msub>
<mi>C</mi>
<mi>p</mi>
</msub>
<msup>
<mi>&rho;Sv</mi>
<mn>3</mn>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
Cp为风能利用系数,S为风力发电机组风轮扫风面积,ρ为空气密度,v是地区某时段对应最大风速;
光伏发电模型:通过一天内的辐射度曲线和温度曲线间接得到,有
PDG,i,t=PDG,iIr,tFT (2)
式中,PDG,i为第i个光伏吸收的总能量,PDG,i,t为t时刻第i个光伏的输出功率,Ir,t为t时段内最大光照强度,FT为当前温度对应的光伏系统输出功率系数,描述光伏输出功率与温度的关系;
负荷模型:依据负荷日变化,以小时为单位来描述一天内各时间段的用电负荷,负荷的额定功率乘以相应时刻对应的系数即为当前时刻下负荷的实际功率,即
Pload,i,t=Pload,iηload,t (3)
式中,Pload,i,t为第i个负荷在t时刻下的实际功率,Pload,i为第i个负荷的额定功率,ηload,t为负荷在t时刻对应的波动系数。
3.根据权利要求1所述的基于遗传算法的地区分布式电源准入容量的计算方法,其特征在于:在步骤(2)中,所述目标函数通过下式确定:
配电网中可接纳DG最大容量的目标函数为:
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>N</mi>
</mrow>
</munder>
<msub>
<mi>P</mi>
<mrow>
<mi>D</mi>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
式(4)中,i为配电网系统接入DG的节点号,N为算例配电网节点个数,PDGi为节点i接入DG的有功功率。
4.根据权利要求1所述的基于遗传算法的地区分布式电源准入容量的计算方法,其特征在于:在步骤(2)中,所述等式约束条件通过下式确定:
等式约束条件:
对于N个节点的配电网系统,令U、θ分别代表节点电压和相角,则潮流方程表示为:
<mrow>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>U</mi>
<mo>,</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>U</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>cos&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>sin&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>Q</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>U</mi>
<mo>,</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>U</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>sin&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>cos&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
式中G和B分别为导纳矩阵的实部和虚部,Pi(U,θ)表示i节点有功功率,Qi(U,θ)表示i节点无功功率,Ui表示i节点电压,Uj表示j节点电压,Gij表示节点i和节点j间电导,Bij表示节点i和节点j间电纳,θij表示节点i和节点j间的电压相角差;
在电网安全稳定运行的情况下,含分布式电源配电网的有功功率方程如式(5)所示、无功功率方程如式(6)所示,将式(5)和式(6)两个潮流方程作为分布式电源最大准入容量模型的等式约束。
5.根据权利要求1所述的基于遗传算法的地区分布式电源准入容量的计算方法,其特征在于:在步骤(2)中,所述不等式约束条件通过下式确定:
不等式约束条件:
将DG输出容量的约束表示为:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>D</mi>
<mi>G</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>D</mi>
<mi>G</mi>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Q</mi>
<mrow>
<mi>D</mi>
<mi>G</mi>
</mrow>
</msub>
<mo>&RightArrow;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
式中PDGmax为DG的最大接入容量,由步骤(1)中各时段DG最大出力分别确定;PDG、QDG分别为节点接入DG的有功功率、无功功率,是变量的统称。
6.根据权利要求1所述的基于遗传算法的地区分布式电源准入容量的计算方法,其特征在于:在步骤(2)中,配电网中分布式电源的最大准入容量计算模型的电压偏差约束采用国标相关规定:
UN(1-ε1)≤Ui≤UN(1+ε2) (8)
式中:UN为系统标称电压;Ui节点i的电压值;ε1、ε2分别为国标规定的允许偏差率一和允许偏差率二。
7.根据权利要求1所述的基于遗传算法的地区分布式电源准入容量的计算方法,其特征在于:所述步骤(3)中,通过遗传算法生成接入DG的初始容量种群:每个接入配电网节点的DG初始容量在约束条件下用随机生成的八位二进制编码表示,以实现后续遗传算法选择、交叉、变异流程。
8.根据权利要求7所述的基于遗传算法的地区分布式电源准入容量的计算方法,其特征在于:对每一个DG接入组合下的DG接入容量进行基于遗传算法的潮流优化计算的过程,包括如下步骤:
a、对一个DG接入组合下的DG接入容量进行潮流计算;
b、得到该组数据对应的潮流结果和相应目标函数值后,判断是否满足所有约束条件,对于不满足电压偏差约束条件的个体,降低其对应的适应度为0将其直接淘汰,对于满足所有约束条件的个体则进入步骤c;
c、对满足所有约束条件的个体进行比例选择遗传,形成交配池,选择遗传的依据是该组DG组合对应的容量和的大小;对比例选择遗传得到的各节点DG容量按照交叉概率进行交叉运算;交叉操作结束后,按变异概率对DG参数进行变异操作,从局部角度使个体更加逼近最优解;
d、步骤以c结束后构成的新子代,进入遗传算法的循环步骤,重复以上操作,直至满足设定的终止规则,寻优结束。
9.根据权利要求8所述的基于遗传算法的地区分布式电源准入容量的计算方法,其特征在于:基于遗传算法的潮流优化计算输出最优解,即为设定情景下配电网中各并网DG的最大准入容量组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710507838.3A CN107437824A (zh) | 2017-06-28 | 2017-06-28 | 一种基于遗传算法的地区分布式电源准入容量的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710507838.3A CN107437824A (zh) | 2017-06-28 | 2017-06-28 | 一种基于遗传算法的地区分布式电源准入容量的计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107437824A true CN107437824A (zh) | 2017-12-05 |
Family
ID=60459556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710507838.3A Pending CN107437824A (zh) | 2017-06-28 | 2017-06-28 | 一种基于遗传算法的地区分布式电源准入容量的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107437824A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108183502A (zh) * | 2017-12-21 | 2018-06-19 | 上海电机学院 | 促进分布式能源消纳的主动配电网重构方法 |
CN108390407A (zh) * | 2018-02-28 | 2018-08-10 | 国家电网公司 | 分布式光伏接入量计算方法、装置及计算机设备 |
CN108493996A (zh) * | 2018-04-03 | 2018-09-04 | 国电南瑞科技股份有限公司 | 一种随机性电源最大准入容量模型建立及求解方法 |
CN109066783A (zh) * | 2018-08-22 | 2018-12-21 | 国家电网有限公司 | 光伏最大接入量的确定方法、系统及终端设备 |
CN109586297A (zh) * | 2018-11-15 | 2019-04-05 | 国网江苏省电力有限公司经济技术研究院 | 基于OpenDSS的含储能配网分布式电源准入容量计算方法 |
CN109687445A (zh) * | 2018-12-29 | 2019-04-26 | 国网河北省电力有限公司经济技术研究院 | 配电网对异步风机接纳能力的评估方法、系统及终端设备 |
CN109711605A (zh) * | 2018-12-10 | 2019-05-03 | 中国电力科学研究院有限公司 | 一种多类型电源并网定容方法和装置 |
CN110336322A (zh) * | 2019-07-11 | 2019-10-15 | 贵州大学 | 基于日最小负荷置信区间的光伏发电准入容量确定方法 |
CN110380455A (zh) * | 2019-08-21 | 2019-10-25 | 国网天津市电力公司 | 一种利用配电网重构提高分布式电源准入容量的方法 |
CN110807592A (zh) * | 2019-11-04 | 2020-02-18 | 北京煜邦电力技术股份有限公司 | 电能来源的分配方法、装置、设备及存储介质 |
CN110932308A (zh) * | 2019-07-23 | 2020-03-27 | 国网浙江省电力有限公司湖州供电公司 | 一种分布式电源并网容量管理系统和管理方法 |
CN111198332A (zh) * | 2018-11-16 | 2020-05-26 | 中国电力科学研究院有限公司 | 随机场景下分布式电源接入中压馈线准入容量计算方法 |
CN112039122A (zh) * | 2020-09-24 | 2020-12-04 | 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 |
CN113131529A (zh) * | 2021-04-25 | 2021-07-16 | 南京创智力合电力科技有限公司 | 一种计及多种灵活性资源的可再生能源承载力评估的方法 |
CN113159373A (zh) * | 2021-02-24 | 2021-07-23 | 中国农业大学 | 报装接入点的优化方法及相关装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105552965A (zh) * | 2016-02-18 | 2016-05-04 | 中国电力科学研究院 | 一种基于机会约束规划的分布式能源优化配置方法 |
CN106682780A (zh) * | 2016-12-30 | 2017-05-17 | 国网冀北电力有限公司秦皇岛供电公司 | 一种计算分布式光伏并网最大准入容量的方法 |
-
2017
- 2017-06-28 CN CN201710507838.3A patent/CN107437824A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105552965A (zh) * | 2016-02-18 | 2016-05-04 | 中国电力科学研究院 | 一种基于机会约束规划的分布式能源优化配置方法 |
CN106682780A (zh) * | 2016-12-30 | 2017-05-17 | 国网冀北电力有限公司秦皇岛供电公司 | 一种计算分布式光伏并网最大准入容量的方法 |
Non-Patent Citations (2)
Title |
---|
程绳: ""分布式电源接入配电网渗透率及运行协调优化研究"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
邱武: ""配电网中分布式电源选址与定容问题的研究"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108183502B (zh) * | 2017-12-21 | 2021-10-01 | 上海电机学院 | 促进分布式能源消纳的主动配电网重构方法 |
CN108183502A (zh) * | 2017-12-21 | 2018-06-19 | 上海电机学院 | 促进分布式能源消纳的主动配电网重构方法 |
CN108390407B (zh) * | 2018-02-28 | 2021-02-26 | 国家电网公司 | 分布式光伏接入量计算方法、装置及计算机设备 |
CN108390407A (zh) * | 2018-02-28 | 2018-08-10 | 国家电网公司 | 分布式光伏接入量计算方法、装置及计算机设备 |
CN108493996A (zh) * | 2018-04-03 | 2018-09-04 | 国电南瑞科技股份有限公司 | 一种随机性电源最大准入容量模型建立及求解方法 |
CN109066783A (zh) * | 2018-08-22 | 2018-12-21 | 国家电网有限公司 | 光伏最大接入量的确定方法、系统及终端设备 |
CN109066783B (zh) * | 2018-08-22 | 2020-06-19 | 国家电网有限公司 | 光伏最大接入量的确定方法、系统及终端设备 |
CN109586297B (zh) * | 2018-11-15 | 2022-04-12 | 国网江苏省电力有限公司经济技术研究院 | 基于OpenDSS的含储能配网分布式电源准入容量计算方法 |
CN109586297A (zh) * | 2018-11-15 | 2019-04-05 | 国网江苏省电力有限公司经济技术研究院 | 基于OpenDSS的含储能配网分布式电源准入容量计算方法 |
CN111198332A (zh) * | 2018-11-16 | 2020-05-26 | 中国电力科学研究院有限公司 | 随机场景下分布式电源接入中压馈线准入容量计算方法 |
CN109711605A (zh) * | 2018-12-10 | 2019-05-03 | 中国电力科学研究院有限公司 | 一种多类型电源并网定容方法和装置 |
CN109687445A (zh) * | 2018-12-29 | 2019-04-26 | 国网河北省电力有限公司经济技术研究院 | 配电网对异步风机接纳能力的评估方法、系统及终端设备 |
CN110336322B (zh) * | 2019-07-11 | 2022-11-01 | 贵州大学 | 基于日最小负荷置信区间的光伏发电准入容量确定方法 |
CN110336322A (zh) * | 2019-07-11 | 2019-10-15 | 贵州大学 | 基于日最小负荷置信区间的光伏发电准入容量确定方法 |
CN110932308A (zh) * | 2019-07-23 | 2020-03-27 | 国网浙江省电力有限公司湖州供电公司 | 一种分布式电源并网容量管理系统和管理方法 |
CN110380455A (zh) * | 2019-08-21 | 2019-10-25 | 国网天津市电力公司 | 一种利用配电网重构提高分布式电源准入容量的方法 |
CN110807592A (zh) * | 2019-11-04 | 2020-02-18 | 北京煜邦电力技术股份有限公司 | 电能来源的分配方法、装置、设备及存储介质 |
CN112039122A (zh) * | 2020-09-24 | 2020-12-04 | 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 |
CN113159373A (zh) * | 2021-02-24 | 2021-07-23 | 中国农业大学 | 报装接入点的优化方法及相关装置 |
CN113159373B (zh) * | 2021-02-24 | 2024-05-31 | 中国农业大学 | 报装接入点的优化方法及相关装置 |
CN113131529A (zh) * | 2021-04-25 | 2021-07-16 | 南京创智力合电力科技有限公司 | 一种计及多种灵活性资源的可再生能源承载力评估的方法 |
CN113131529B (zh) * | 2021-04-25 | 2024-02-06 | 南京创智力合电力科技有限公司 | 一种计及多种灵活性资源的可再生能源承载力评估的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107437824A (zh) | 一种基于遗传算法的地区分布式电源准入容量的计算方法 | |
Xu et al. | Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS | |
CN110350523B (zh) | 基于需求响应的多能源互补优化调度方法 | |
CN107832905B (zh) | 一种适应分布式发电和储能站发展的配电网规划方法 | |
CN112734098B (zh) | 一种基于源-荷-网平衡的配电网电力调度方法及系统 | |
CN107316125A (zh) | 一种基于经济运行域的主动配电网经济运行评价方法 | |
CN106936147A (zh) | 一种基于双层优化的微电网面向电蓄热锅炉的优化运行管理方法 | |
CN106410824B (zh) | 计及温控设备的社区微电网储能容量优化配置方法 | |
CN103473393B (zh) | 一种考虑随机概率的输电裕度控制模型建模方法 | |
CN109523065A (zh) | 一种基于改进量子粒子群算法的微能源网优化调度方法 | |
CN107959307A (zh) | 一种计及配电网运行风险成本的dg优化配置方法 | |
CN113393126A (zh) | 高耗能园区与电网交替并行协同优化调度方法 | |
CN112561273B (zh) | 一种基于改进pso的主动配电网可再生dg规划方法 | |
CN105552896B (zh) | 一种基于分布式光伏发电的配电网高峰负荷控制方法 | |
Wang et al. | Day-ahead multi-objective optimal operation of Wind–PV–Pumped Storage hybrid system considering carbon emissions | |
CN110783950A (zh) | 一种配电网节点光伏最佳配置容量确定方法 | |
CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
CN114118787A (zh) | 一种基于lstm算法的城市分布式源网荷储的调度优化方法 | |
CN117134409A (zh) | 考虑电-氢-热互补的微网系统及其多目标优化配置方法 | |
CN115758769A (zh) | 一种基于图像识别的配电网屋顶光伏储能优化配置方法 | |
CN114123313B (zh) | 一种时序生产模拟新能源电力系统消纳方法 | |
CN115940284B (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
CN110098623B (zh) | 一种基于智能负载的Prosumer单元控制方法 | |
CN117154808A (zh) | 考虑电力交易的分布式新能源和多元储能聚合建模方法 | |
CN115392565A (zh) | 一种多能园区低碳运行优化方法及装置 |
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: 20171205 |
|
RJ01 | Rejection of invention patent application after publication |