CN107565573A - 一种考虑需求侧电价响应的主动配电网运行计划优化方法 - Google Patents
一种考虑需求侧电价响应的主动配电网运行计划优化方法 Download PDFInfo
- Publication number
- CN107565573A CN107565573A CN201710934434.2A CN201710934434A CN107565573A CN 107565573 A CN107565573 A CN 107565573A CN 201710934434 A CN201710934434 A CN 201710934434A CN 107565573 A CN107565573 A CN 107565573A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- active power
- node
- particle
- 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.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 195
- 238000005457 optimization Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000005611 electricity Effects 0.000 claims abstract description 115
- 239000002245 particle Substances 0.000 claims abstract description 81
- 238000005520 cutting process Methods 0.000 claims abstract description 7
- 230000004044 response Effects 0.000 claims description 62
- 238000003860 storage Methods 0.000 claims description 53
- 238000004146 energy storage Methods 0.000 claims description 50
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 240000002853 Nelumbo nucifera Species 0.000 abstract 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 abstract 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 abstract 1
- 238000005553 drilling Methods 0.000 abstract 1
- 230000002195 synergetic effect Effects 0.000 abstract 1
- 238000010248 power generation Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 230000033228 biological regulation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Classifications
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种考虑需求侧电价响应的主动配电网运行计划优化方法，包括：设置粒子群算法的基本参数，对各粒子对应的主动配电网运行计划进行初始化；根据需求侧电价响应公式计算各节点的负荷变化量、净负荷；进行电力系统潮流计算，获得各首端节点各时刻需要向主网够买的有功功率，根据功率越限情况进行削负荷或弃电；计算主动配电网的运行总成本，通过粒子群算法迭代获得主动配电网的最优运行计划和最小运行成本。本发明考虑了供应侧和需求侧的协同调节，将蓄电池储能和需求侧电价响应共同纳入到主动配电网运行计划优化，充分发挥“源荷”两侧的削峰填谷能力，提高对间歇性电源的接纳，降低配电网运行成本，可用于配电网运行优化的各种场合。
Description
技术领域
本发明属于配电网运行优化领域，更具体地，涉及一种考虑需求侧电 价响应的主动配电网运行计划优化方法。
背景技术
电力是关系国计民生的基础产业，电力供应对经济发展具有重要作用。 可再生新能源与智能电网的发展成为电力行业前进的重要方向。然而，随 着以风电、光伏为代表的间歇性可再生能源大规模并网，其固有的出力不 确定性、难预测性、不可控性等自然特征也给电力系统生产带来了重大的 挑战，严重影响了电力系统的安全运行。
配电网作为电力发、输、配、售中分配电能的重要一环，对于主网和 用户的协调配合运行起到了不可或缺的作用。因此，充分挖掘电网侧和需 求侧的调节能力，制定经济合理的配电网运行计划是提高可再生新能源消 纳能力，降低电力系统运行成本的重要手段。在现有的配电网运行计划优 化方面，主要有以下两类方法：
一是针对传统配电网的运行计划优化。配电网仅将电能分配给末端用 户，是一种被动的运行模式，在大量分布式电源接入配电网，电网运行压 力剧增的背景下，该运行方式难以满足现代电力系统的实际需求。
二是针对主动配电网的运行计划优化。相比于传统配电网，主动配电 网能够将电能集中并重新分配，实现用户参与、分布式能源参与、高度自 动化的运行模式，实现供需两侧的协调配合运行，提高电网对新能源的接 纳能力，降低电网运行成本。但是，现有针对主动配电网的运行计划优化 方法中，还存在以下几点不足：
1.在主动配电网运行方式中，主要考虑通过储能装置等可控分布式电源 来辅助配电网的协调运行，而电力系统的稳定运行来源于供需两侧的实时 平衡，且需求侧资源具有广大的调节空间，现有方法还未能深入考虑储能 和需求侧资源共同参与主动配电网的优化运行，未能充分发挥主动配电网 “源荷”两侧的削峰填谷能力，其运行还不够经济。
2.在考虑需求侧资源参与的主动配电网运行计划优化方法中，主要考 虑的需求侧资源为可中断负荷，即通过可中断合同改变用户负荷，而未深 入考虑通过电价响应，即通过电价信号激励用户调整自身的用电习惯，转 移用电负荷，以实现主动配电网的安全经济运行，这类方法在不含可中断 负荷的主动配电网中不具适应性。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种考虑需求侧 电价响应的主动配电网运行计划优化方法，由此解决现有主动配电网运行 计划优化方法不能深入考虑储能和需求侧资源共同参与优化运行，基于电 价响应的主动配电网优化运行还不够成熟，导致主动配电网运行还不够经 济，可再生新能源接纳率不高的技术问题。
为实现上述目的，本发明提供了一种考虑需求侧电价响应的主动配电 网运行计划优化方法，包括：
(1)设置粒子群算法的基本参数，对各粒子对应的主动配电网运行计 划进行初始化；
(2)根据需求侧电价响应公式，得到各粒子s在第k次迭代后，主动 配电网各节点相对于第k-1次迭代后的负荷变化量和净负荷；
(3)根据各节点的净负荷和各支路的阻抗对各粒子进行电力系统潮流 计算，获得主动配电网各首端节点各时刻需要向主网够买的有功功率，根 据有功功率越限情况进行削负荷或弃电；
(4)对各粒子分别计算第k次迭代后主动配电网的运行总成本，主动 配电网运行总成本包括主动配电网购电成本、蓄电池储能的运行维护成本、 电价响应成本、以及弃电和削负荷成本，通过粒子群算法迭代优化主动配 电网运行总成本，得到主动配电网的最优运行计划和最小运行成本。
进一步的，步骤(1)包括：
(1-1)获取主动配电网系统运行的基础数据，包括风电出力、光伏出 力、各支路阻抗、各支路电压等级、各节点的初始负荷需求、蓄电池储能 系统运行参数、电价响应自弹性系数、交叉弹性系数和主动配电网系统运 行成本参数；
(1-2)设置粒子群算法的基本参数，包括：粒子数S、最大迭代次数 kmax、惯性权重的上下限wmax和wmin、学习因子c1和c2，迭代次数的初始值 为0，在满足蓄电池运行功率约束、蓄电池剩余容量约束、需求侧电价响应 电价变动约束的条件下，对各粒子s对应的主动配电网运行计划进行初始化， 产生各粒子s的运行速度，s∈[1，S]。
进一步的，步骤(2)包括：
(2-1)根据电价响应自弹性系数和交叉弹性系数，建立弹性系数矩阵 H24×24，其表达式如下：
式中，λt，t为第t小时的电价响应自弹性系数，λt，u为第t小时负荷和第u 小时电价之间的交叉弹性系数，1≤t≤24，1≤u≤24；
(2-2)根据需求侧电价响应公式计算各粒子s在第k次迭代后，主动 配电网各节点i在t时刻相对于第k-1次迭代后的负荷变化量ΔDs，k，i(t)和节点i在t时刻第k次迭代后的负荷值Ds，k，i(t)，计算方法如下：
Ds，k，i(t)＝Ds，k-1，i(t)+ΔDs，k，i(t)s∈[1，S]，i∈[1，N]，t∈[1，24]
式中，Ds，k-1，i(t)为节点i在t时刻第k-1次迭代后的负荷值，△Ms，k(t)为主 动配电网第k次迭代相对于第k-1次迭代后在t时刻的售电电价变化， Ms，k-1(t)为主动配电网第k-1次迭代后在t时刻的售电电价，N为主动配电网 的节点数；
(2-3)在Ds，k，i(t)的基础上，扣除各节点i在t时刻的风电出力、光伏出 力和储能运行功率后，得到各节点i在t时刻的净负荷。
进一步的，步骤(3)包括：
(3-1)根据各支路的阻抗参数，各节点i在t时刻的净负荷，节点注入 功率，在满足潮流平衡方程和节点电压约束的条件下，对各粒子s进行电力 系统潮流计算，获得主动配电网各首端节点a在t时刻需要向主网够买的有 功功率Ps，k，a(t)，a为首端节点序号；
(3-2)对各粒子s，若超过主动配电网向主网购电功率上限 Pmax，则在t时刻对主动配电网进行切负荷处理，切负荷电力为若低于主动配电网向主网购电功率下限Pmin，则在t时刻对主动配 电网进行弃电处理，弃电电力为其中，表示主动配 电网t时刻需要向主网够买的总电力。
进一步的，步骤(4)包括：
(4-1)对各粒子s，分别计算第k次迭代后主动配电网的运行总成本 Fs，k，与前k-1次迭代后的运行总成本计算结果比较，计算第k次迭代后各 粒子s的个体最小运行成本Fbest，s，k和对应的个体最优运行计划，并计算主动 配电网第k次迭代后的全局最小运行成本Fbest，k和对应的全局最优运行计划；
(4-2)判断是否满足迭代终止条件，若满足，终止迭代，进入步骤(4-4)； 若不满足，令k＝k+1，然后进入步骤(4-3)；
(4-3)在满足蓄电池运行功率约束，剩余容量约束，需求侧电价响应 电价变动约束的条件下，更新各粒子s的运行速度vs，k及其对应的主动配电 网运行计划Ys，k，然后返回步骤(2)；
(4-4)输出主动配电网的最优运行计划，即各蓄电池储能系统24h的 最优运行功率，主动配电网24h的最优售电电价，以及主动配电网的最小 运行成本。
进一步的，节点电压约束为Ui，min≤Ui(t)≤Ui，max，主动配电网系统t时刻的 潮流平衡方程采用下式描述：
其中，Ui，min和Ui，max分别为节点i的电压下限和上限，Pi(t)和Qi(t)分别 为节点i在t时刻除风电、光伏、储能之外的其它电源注入有功功率和无功 功率，Re(Li(t))为求实部函数，
Li(t)为节点i在t时刻的净负荷；Ui(t)和Uj(t)分别为节点i和节点j的 电压，j∈i表示节点j与节点i直接相连；Gij(t)和Bij(t)分别为配电网支路ij 在t时刻的导纳实部与虚部；θij(t)为支路ij两端节点t时刻的相角差。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够 取得下列有益效果：
1、本发明以主动配电网运行总成本最小为目标提出了一种主动配电网 运行计划优化方法，将主动配电网购电成本、蓄电池储能的运行维护成本、 电价响应成本以及弃电和削负荷成本均考虑在内，在满足主动配电网实际 运行中各项约束条件的基础上，采用粒子群算法求解主动配电网的最优运 行计划，该方法更契合主动配电网运行实际，且能够减少主动配电网的运 行成本，实现主动配电网的经济运行。
2、本发明在风电、光伏发电等间歇性分布式电源不断接入主动配电网 的背景下，考虑了电力供应侧和需求侧的协同调节作用，将蓄电池储能和 需求侧电价响应共同纳入到主动配电网的运行计划优化研究中，能够充分 发挥主动配电网“源荷”两侧的削峰填谷能力，提高配电网对间歇性分布 式电源的接纳。
3、本发明提出了基于电价响应弹性系数矩阵的电价响应方法，通过电 价激励引导用户主动调整用电行为，通过负荷转移，在不改变电力用户用 电需求的情况下，降低主动配电网日负荷曲线的峰谷差，有利于配电网的 安全稳定运行，本发明能够在多数配电网中应用，适应性较好。
附图说明
图1为本发明实施例提供的一种考虑需求侧电价响应的主动配电网运 行计划优化方法的流程图；
图2为本发明实施例1提供的主动配电网运行计划优化方法的流程图；
图3为本发明实施例1提供的21节点主动配电网接线图；
图4为本发明实施例1提供的风电、光伏发电24h预测出力曲线图；
图5为本发明实施例1提供的电价响应后的24h有功总负荷同原始负 荷的对比图；
图6为本发明实施例1提供的三种运行模式下的削峰填谷效果对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图 及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体 实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的 本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可 以相互组合。
如图1所示，一种考虑需求侧电价响应的主动配电网运行计划优化方 法，包括：设置粒子群算法的基本参数，对各粒子对应的主动配电网运行 计划进行初始化；根据需求侧电价响应公式，得到各粒子s在第k次迭代后， 主动配电网各节点相对于第k-1次迭代后的负荷变化量和净负荷；根据各节 点的净负荷和各支路的阻抗对各粒子进行电力系统潮流计算，获得主动配 电网各首端节点各时刻需要向主网够买的有功功率，根据有功功率越限情 况进行削负荷或弃电；对各粒子分别计算第k次迭代后主动配电网的运行 总成本，主动配电网运行总成本包括主动配电网购电成本、蓄电池储能的 运行维护成本、电价响应成本、以及弃电和削负荷成本，通过粒子群算法 迭代优化主动配电网运行总成本，得到主动配电网的最优运行计划和最小 运行成本。
实施例1
如图2所示，本发明实施例1提供的一种考虑需求侧电价响应的主动 配电网运行计划优化方法，包括：
(1)获取主动配电网系统运行的基础数据，包括风电和光伏电站各小 时日前预测出力，主动配电网各支路阻抗、电压等级、各节点的初始负荷 需求，蓄电池储能系统运行参数，电价响应自弹性系数和交叉弹性系数， 主动配电网系统运行成本参数。
蓄电池系统运行参数包括额定容量、额定充放电功率、充放电电量变 化范围、蓄电池初始剩余电量；主动配电网系统运行成本参数包括各时段 的购电单价、电价响应前的初始售电单价、削负荷成本系数、弃风弃光成 本系数、蓄电池储能运行维护成本系数。
图3为本发明提供的21节点主动配电网实施例的接线图，其中1号节 点为首端节点，节点15处配置一个风力发电系统和一个蓄电池储能系统， 节点21处配置一个光伏系统和一个蓄电池储能系统。其中，主动配电网系 统电压等级均为10kV，各支路阻抗见表1、系统24h的初始负荷总需求见 表2。
表1 21节点主动配电网各支路阻抗参数
| 支路号 | 首端母线 | 末端母线 | 电阻/Ω | 电抗/Ω |
| 1 | 1 | 2 | 0.144 | 0.196 |
| 2 | 2 | 3 | 0.108 | 0.147 |
| 3 | 3 | 4 | 0.163 | 0.179 |
| 4 | 4 | 5 | 0.205 | 0.225 |
| 5 | 5 | 6 | 0.172 | 0.188 |
| 6 | 6 | 7 | 0.174 | 0.191 |
| 7 | 7 | 8 | 0.149 | 0.164 |
| 8 | 8 | 9 | 0.165 | 0.181 |
| 9 | 9 | 10 | 0.249 | 0.122 |
| 10 | 10 | 11 | 0.283 | 0.139 |
| 11 | 11 | 12 | 0.249 | 0.122 |
| 12 | 12 | 13 | 0.277 | 0.136 |
| 13 | 13 | 14 | 0.218 | 0.107 |
| 14 | 14 | 15 | 0.302 | 0.148 |
| 15 | 9 | 16 | 0.115 | 0.096 |
| 16 | 16 | 17 | 0.109 | 0.092 |
| 17 | 17 | 18 | 0.202 | 0.099 |
| 18 | 18 | 19 | 0.474 | 0.232 |
| 19 | 17 | 20 | 0.297 | 0.146 |
| 20 | 20 | 21 | 0.381 | 0.187 |
| 21 | 21 | 22 | 0.318 | 0.156 |
表221节点主动配电网24小时初始负荷总需求(单位：kW)
| 时刻 | 负荷 | 时刻 | 负荷 | 时刻 | 负荷 |
| 0：00 | 2212 | 8：00 | 1563 | 16：00 | 2457 |
| 1：00 | 1845 | 9：00 | 1799 | 17：00 | 2650 |
| 2：00 | 1653 | 10：00 | 2049 | 18：00 | 2669 |
| 3：00 | 1464 | 11：00 | 2210 | 19：00 | 2726 |
| 4：00 | 1424 | 12：00 | 2389 | 20：00 | 2932 |
| 5：00 | 1519 | 13：00 | 2436 | 21：00 | 2849 |
| 6：00 | 1385 | 14：00 | 2362 | 22：00 | 2704 |
| 7：00 | 1486 | 15：00 | 2359 | 23：00 | 2471 |
图4为本发明实施例中风电和光伏发电24h预测出力；蓄电池储能系 统容量为300kWh，其充放电电量变化范围为额定容量的20％～90％，额定 充放电功率为60kW，初始剩余电量为150kWh；自弹性系数均取-0.2，交 叉弹性系数均取0.01；主动配电网从主网购电单价分别为0.15元/kWh (1：00-9：00)、0.5元/kWh(16：00-23：00)、0.25元/kWh(23：00-1：00，9：00-16：00)， 初始售电单价M0为0.55元/kWh，蓄电池的单位运行维护费用取0.05元/kWh， 削负荷成本系数为20元/kWh，弃风弃光成本系数为0.8元/kWh。
(2)设置粒子群算法的粒子数S、最大迭代次数kmax、惯性权重的上 下限wmax和wmin，学习因子c1和c2，迭代次数初始值设置为0，在满足蓄电池 运行功率约束、蓄电池剩余容量约束、需求侧电价响应电价变动约束的条 件下，对各粒子s进行初始化，同时随机产生各粒子s的运行速度，s∈[1，S]。
其中，一个粒子s代表主动配电网的一种运行计划，用 Ys，k＝[P1，BESS，s，k…Pr，BESS，s，k…PR，BESS，s，k，Ms，k]表示，粒子s的运行速度用 vs，k＝[v1，BESS，s，k…vr，BESS，s，k…vR，BESS，s，k，vDR，s，k]表示，Ys，k和vs，k均为24(R+1)维行向量。 式中，Pr，BESS，s，k＝[Pr，BESS，s，k(1)，Pr，BESS，s，k(2)...Pr，BESS，s，k(t)...Pr，BESS，s，k(24)]表示第r个蓄电池 储能24h的运行功率，r表示蓄电池储能的序号，r∈[1，R]，R为蓄电池储能 系统的数量，主动配电网中可以存在多个蓄电池储能系统； Ms，k＝[Ms，k(1)，Ms，k(2)...Ms，k(t)...Ms，k(24)]表示主动配电网24h的售电电价； vr，BESS，s，k＝[vr，BESS，s，k(1)，vr，BESS，s，k(2)…vr，BESS，s，k(t)…vr，BESS，s，k(24)]表示粒子群算法中粒子 s对应的第r个蓄电池储能24h运行功率的更新速度； vDR，s，k＝[vDR，s，k(1)，vDR，s，k(2)…vDR，s，k(t)…vDR，s，k(24)]表示粒子群算法中粒子s对应的主 动配电网24h售电电价的更新速度。
蓄电池运行功率约束为Pr，BESSmin≤Pr，BESS(t)≤Pr，BESSmax，剩余容量约束为 Er，min≤Er(t)≤Er，max和Er(0)＝Er(24)，需求侧电价响应电价变动约束为 Mmin≤M(t)≤Mmax和各粒子s对应的主动配电网运 行计划在初始化和迭代过程中均需要满足上述约束条件。式中，Pr，BESSmin和Pr，BESSmax为第r个蓄电池储能系统的最小运行功率和最大运行功率。Er，min和Er，max为第r个蓄电池储能的剩余容量的上下限，Er(t)为第r个蓄电池储 能t时刻的剩余容量。Mmin和Mmax为主动配电网系统售电电价的最低电价 和最高电价，L∑(t)为主动配电网系统各节点的净负荷之和，M(t)为t时刻售 电电价，M0为电价响应前的初始售电电价。
本发明实施例中，设置粒子数S为80，最大迭代次数kmax为300，惯 性权重wmax取0.9，惯性权重下限wmin取0.4，学习因子c1和c2取2。蓄电池 储能系统的个数R为2，Pr，BESSmin和Pr，BESSmax分别取-60kW和60kW。Er，min和Er，max分别取60kWh和270kWh，。Mmin和Mmax分别取0.3元/kWh和1元/kWh， M0取0.55元/kWh。Ys，k和vs，k均为72维行向量。
(3)根据需求侧电价响应公式计算各粒子s在第k次迭代后，各节点 i在时刻t的净负荷Ls，k，i(t)，包括以下步骤：
(31)根据步骤(1)获取的主动配电网系统电力用户24h的电价响应 自弹性系数和交叉弹性系数，建立弹性系数矩阵H24×24，其表达式如下：
式中，λt，t为第t小时的电价响应自弹性系数，λt，u为第t小时负荷和第u 小时电价之间的交叉弹性系数，1≤t≤24，1≤u≤24；
(32)对各粒子s，计算第k次迭代后，负荷节点i时刻t相对于第k-1 次迭代后的负荷变化量ΔDs，k，i(t)及实际负荷Ds，k，i(t)，计算方法如下：
Ds，k，i(t)＝Ds，k-1，i(t)+ΔDs，k，i(t)s∈[1，S]，i∈[1，N]，t∈[1，24]
式中，ΔDs，k，i(t)为节点i时刻t第k次迭代相对于第k-1次迭代后的负荷 变化量，Ds，k，i(t)为节点i时刻t第k次迭代后的负荷值，Ds，k-1，i(t)为节点i时 刻t第k-1次迭代后的负荷值，ΔMs，k(t)为主动配电网第k次迭代相对于第k-1 次迭代后的售电电价变化，Ms，k-1(t)为主动配电网第k-1次迭代后的售电电 价。
(33)对各粒子s，根据公式Ls，k，i(t)＝Ds，k，i(t)-PW，i(t)-PV，i(t)-PBESS，s，k，i(t)计算第k次迭代后节点i时刻t的净负荷Ls，k，i(t)。PW，i(t)和PV，i(t)分别为节点i在时 刻t的风电有功总出力和光伏有功总出力，PBESS，s，k，i(t)为第k次迭代后节点i 时刻t的蓄电池储能有功总出力，在本发明中将风电、光伏发电和蓄电池储 能的功率因数均取为1，即认为其无功出力均为0。
通过电价响应弹性系数矩阵H24×24计算电价变化后电力用户各时段的 用电负荷，既考虑了电力用户当前时刻的电力需求和当前时刻电价的相依 关系，又考虑了和其它时刻电价的影响。通过优化主动配电网各时段的售 电电价，引导用户主动调整用电行为，转移用电负荷，能够在不改变用户 总用电需求的情况下，减小主动配电网日负荷曲线的峰谷差，有利于配电 网的安全稳定运行，适应性好。
如图5所示，为实施例中按照上述方法确定的某次迭代之后主动配电 网电价响应后的24h有功总负荷同初始负荷需求的对比图。结果显示，电 价响应后的负荷曲线与原负荷曲线的趋势基本相同，但在负荷高峰期，负 荷有所下降，而在负荷低谷期，负荷有所增加。最大负荷从2932kW下降 到2670.8kW，最小负荷由1385kW增加到1499.6kW，峰谷差由1547kW减 小为1171.2kW，负荷曲线更为平坦，有利于配电网的安全稳定运行。
(4)对各粒子s，根据各支路的阻抗，各节点i时刻t的净负荷值Ls，k，i(t)， 节点注入功率Pi(t)+jQi(t)，在满足潮流平衡方程和节点电压约束的条件下， 进行电力系统潮流计算，获得主动配电网各首端节点a(接入主网的节点) 时刻t需要向主网够买的有功功率Ps，k，a(t)。s∈[1，S]，t∈[1，24]，a为首端节点 序号，一个主动配电网可以通过多个节点接入主网。
其中，节点电压约束为Ui，min≤Ui(t)≤Ui，max，主动配电网系统t时刻的潮流 平衡方程采用下式描述：
式中，Ui，min和Ui，max分别为节点i的电压下限和上限；Pi(t)和Qi(t)分别 为节点i时刻t除风电、光伏、储能之外的其它电源注入有功功率和无功功 率；Re(.)为求实部函数，Im(.)为求虚部函数；Li(t)为节点i时刻t的净负荷； Ui(t)和Uj(t)分别为节点i和节点j的电压，j∈i表示节点j为与节点i直接相 连；Gij(t)和Bij(t)分别为配电网支路ij时刻t的导纳实部与虚部；θij(t)为支路 ij两端节点t时刻的相角差。对任意粒子s，任意迭代次数k，主动配电网 运行均需要满足上述约束条件。
本发明的实施例中，21节点主动配电网系统只有一个首端节点，即节 点1，电压波动范围考虑为0.95-1.05，即Ui，min取9.5kV，Ui，max取10.5kV。
(5)对各粒子s，判断是否超过主动配电网向主网购电功率的 上下限。若超过购电功率上限Pmax，则在时刻t对主动配电网进行 切负荷处理，切负荷电力为然后进入步骤(6)；若低 于购电功率下限Pmin，则在时刻t对主动配电网进行弃电处理，弃电电力为 然后进入步骤(6)；若不越限，进入步骤(6)。其 中，表示主动配电网t时刻需要向主网够买的总电力，s∈[1，S]，t∈[1，24]。
本发明实施例中设置主动配电网各时刻的购电功率上限为2.8MW，购 电功率下限为1.3MW，由于实施例中只有节点1一个首端节点，故在步骤 (4)进行潮流计算后，仅需要判定节点1的有功率功率是否超过主动配电 网的购电功率上下限。
(6)对各粒子s，分别计算第k次迭代后主动配电网的运行总成本Fs，k， 同前k-1次迭代后的运行总成本计算结果相比较，计算第k次迭代后各粒子 s的个体最小运行成本Fbest，s，k和对应的个体最优运行计划Ybest，s，k，全局最小运 行成本Fbest，k和对应的全局最优运行计划Ybest，k，包括以下步骤：
(61)根据公式计算各粒子 s第k次迭代后主动配电网向主网购电的购电成本FG，s，k；根据公式 计算各粒子s第k次迭代后蓄电池储能系统的运行维护成本FBESS，s，k；根据公式计算各粒子 s第k次迭代后主动配电网的电价响应成本FDR，s，k。
式中，a为首端节点序号，πG为主动配电网向主网购电的购电单价， Ps，k，a(t)为t时刻主动配电网需通过首端节点a向主网够买的电力，Pmax和Pmin分 别为主动配电网向主网购买的电力上限和下限，r为蓄电池储能的序号， πBESS为蓄电池储能的运行维护单价，Pr，BESS，s，k(t)为第r个蓄电池储能t时刻的 运行功率，Di，0(t)为节点i时刻t的初始负荷，M0为初始售电电价，Ds，k，i(t)为 节点i时刻t电价响应后的实际负荷，Ms，k(t)为主动配电网时刻t电价响应 后售电电价，i表示节点序号，N表示节点数量，s∈[1，S]表示粒子序号，k 表示迭代次数。
(62)计算各粒子s第k次迭代后主动配电网的削负荷成本和弃电成本 FCF，s，k，计算公式如下：
式中，πLOSS切负荷成本系数，πABAN为弃电成本系数，δ1，s，k(t)为切负荷判 定系数，δ2，s，k(t)为弃电判定系数，Ps，k，a(t)为t时刻主动配电网通过首端节点a 向主网够买的电力，Pmax和Pmin分别为主动配电网向主网购买的电力上限和 下限。
(63)根据公式Fs，k＝FG，s，k+FBESS，s，k+FDR，s，k+FCF，s，k计算各粒子s第k次迭代 后主动配电网的运行总成本Fs，k；并同前k-1次迭代后的运行总成本计算结 果相比较，根据公式Fbest，s，k＝min(Fs，1，Fs，2.....Fs，k)计算各粒子s第k次迭代后的 个体最小运行总成本Fbest，s，k，Fbest，s，k对应的主动配电网运行计划 Ybest，s，k＝[Pbest，1，BESS，s，k...Pbest，r，BESS，s， k...Pbest，R，BESS，s，k，Mbest，s，k]即为粒子s第k次迭代后的个 体最优运行计划；并根据公式Fbest，k＝min(Fbest，1，k，Fbest，2，k...Fbest，s，k...Fbest，S，k)计算主动 配电网第k次迭代后的全局最小运行总成本，Fbest，k对应的主动配电网运行计 划Ybest，k＝[Pbest，1，BESS，k…Pbest，r，BESS，k…Pbest，R，BESS，k，Mbest，k]即为主动配电网第k次迭代后 的全局最优运行计划。
式中，Pbest，r，BESS，s，k为粒子s第k次迭代后主动配电网第r个蓄电池储能系 统24h的个体最优运行功率，Mbest，s，k为粒子s第k次迭代后主动配电网24h 的个体最优售电电价，Pbest，r，BESS，k为第k次迭代后主动配电网第r个蓄电池储 能系统24h的全局最优运行功率，Mbest，k为第k次迭代后主动配电网24h的 全局最优售电电价。
通过粒子群算法不断迭代优化由主动配电网购电成本FG，s，k、蓄电池储能 的运行维护成本FBESS，s，k、电价响应成本FDR，s，k以及弃电和削负荷成本FCF，s，k构 成的主动配电网运行总成本，更契合主动配电网运行实际，能够获得主动 配电网运行的全局最小成本和最优运行计划，实现主动配电网的经济运行。
本发明实施例中包含两个蓄电池储能系统，各项运行成本参数已在步 骤(1)中给出。
(7)判断是否满足迭代终止条件，所述迭代终止条件为 k＝kmaxor Fbest，k＝Fbest，k-1，即当迭代次数达到设置的最大迭代次数kmax或者连续 两次迭代主动配电网的全局最小运行总成本不发生变化时终止迭代，然后 进入步骤(9)；若不满足，令k＝k+1，然后进入步骤(8)。
(8)在满足蓄电池运行功率约束，剩余容量约束，需求侧电价响应电 价变动约束的条件下，更新粒子s的运行速度vs，k及对应的主动配电网运行 计划Ys，k，然后返回步骤(3)。
其中，蓄电池运行功率约束，剩余容量约束，需求侧电价响应电价变 动约束同步骤(2)一致，根据公式 vs，k＝w(k)·vs，k-1+c1·b1(Ybest，s，k-1-Ys，k-1)+c2·b2(Ybest，k-1-Ys，k-1)更新各粒子s的运行速 度vs，k，然后根据公式Ys，k＝Ys，k-1+vs，k更新粒子s对应的主动配电网运行计划。
式中，w为惯性权重，根据公式w(k)＝wmax-k(wmax-wmin)/kmax确定w(k)； c1和c2为学习因子，帮助粒子向个体最优运行计划和全局最优运行计划靠 近，实施例中上述参数设置已经在步骤(2)中给出；r1和r2为0-1之间的 均匀随机数，避免搜索速度的单一性；k为迭代次数；vs，k和为粒子s第k 次迭代的运行速度向量；Ys，k为粒子s第k次迭代后的运行计划；Ybest，s，k-1为 粒子s第k-1次迭代后的个体最优运行计划；Ybest，k-1为第k-1次迭代后的全 局最优运行计划。
采用粒子群算法，根据公式Ys，k＝Ys，k-1+vs，k不断迭代更新主动配电网的运 行计划，以各蓄电池储能系统24h的运行功率以及主动配电网24h的售电 电价为协同优化变量，能够充分发挥电力供应侧和需求侧的协同调节作用， 实现主动配电网的削峰填谷，提高间歇性分布式电源的接纳。
(9)输出主动配电网系统的最优运行计划，即各蓄电池储能系统24h 的最优运行功率，主动配电网24h的最优售电电价，以及系统的最小运行 成本。
如表3所示，为按照上述方法确定的主动配电网最优运行计划，包括 两个蓄电池储能系统的24h运行功率和主动配电网的24h售电电价。结果 显示，电价在负荷高峰时高于0.55元/kWh，用户减少用电或将部分用电行 为转移到到其它时段，在负荷低谷时电价低于0.55元/kWh，用户增加用电。 蓄电池储能在负荷低谷时段充电，在负荷高峰时段放电，进一步优化负荷 曲线，减小了峰谷差，且由于电价响应对负荷曲线的调整，蓄电池储能在 峰谷时段不必以最大功率充放电，减小蓄电池的运行压力。由此可见，储 能和电价响应共同参与主动配电网的运行计划优化能够起到较好的削峰填 谷作用，实现主动配电网可靠、经济运行。
表321节点主动配电网最优运行计划(单位：kW；元/kWh)
| 时刻 | 电价 | 储能1 | 储能2 | 时刻 | 电价 | 储能1 | 储能2 |
| 0：00 | 0.45 | 60.0 | 60.0 | 12：00 | 0.48 | -0.8 | -0.1 |
| 1：00 | 0.30 | 22.9 | -5.0 | 13：00 | 0.50 | 0.2 | -5.1 |
| 2：00 | 0.32 | -15.0 | -23.1 | 14：00 | 0.47 | -6.1 | -6.0 |
| 3：00 | 0.44 | -42.9 | -40.4 | 15：00 | 0.52 | -8.5 | -6.5 |
| 4：00 | 0.30 | -60.0 | -50.8 | 16：00 | 0.64 | 5.8 | 4.5 |
| 5：00 | 0.45 | -7.2 | -25.1 | 17：00 | 0.68 | 7.8 | 8.4 |
| 6：00 | 0.41 | -40.7 | -34.2 | 18：00 | 0.70 | 12.4 | 23.8 |
| 7：00 | 0.39 | -32.8 | -15.5 | 19：00 | 0.75 | 25.2 | 31.1 |
| 8：00 | 0.40 | -29.7 | -13.5 | 20：00 | 1.00 | 53.5 | 49.2 |
| 9：00 | 0.44 | -5.7 | 0.0 | 21：00 | 0.86 | 32.3 | 32.0 |
| 10：00 | 0.35 | 1.9 | 0.8 | 22：00 | 0.80 | 12.9 | 1.9 |
| 11：00 | 0.45 | 0.0 | -0.4 | 23：00 | 0.45 | -60.0 | -60.0 |
为进一步说明本发明的显著优点和有益效果，实施例中设置了三种主 动配电网运行模式，并对三种模式下的削峰填谷效果以及最小运行总成本 进行了比较，模式一为无储能无电价响应运行，模式二为有储能无电价响 应运行，模式三为储能和电价响应协同运行。
如图6所示，为实施例中三种运行模式下的主动配电网削峰效果对比 图，如表4所示，为实施例中三种运行模式下的最小运行总成本。结果显 示：模式二由于蓄电池储能系统的调节，总体运行成本相比于模式一节省 了20.7％，峰谷差从1725.1kW减小到1485.1kW，相比于模式一减小了13.9％； 模式三在蓄电池储能系统和需求侧电价响应共同调节后，总运行成本相比 于模式一减少了30％，峰谷差进一步减小到1293.8kW，相比于模式一减小 了25％，削峰填谷效果相比于模式二更明显。由此可见，本发明通过蓄电 池储能和需求侧电价响应协同参与主动配电网的调节，能够实现主动配电 网的最优运行。
表4三种模式下的最小运行成本成本结果表(单位：元)
| 类别 | 模式一 | 模式二 | 模式三 |
| 购电成本 | 15612.5 | 15640.6 | 15376.1 |
| 弃电成本 | 55.6 | 0 | 0 |
| 蓄电池运行维护成本 | 0 | 52.8 | 52 |
| 削负荷成本 | 6316.4 | 1729.5 | 0 |
| 电价响应成本 | 0 | 0 | -9.8 |
| 总成本 | 21984.5 | 17422.9 | 15418.3 |
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已， 并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等 同替换和改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种考虑需求侧电价响应的主动配电网运行计划优化方法，其特征在于，包括：
(1)设置粒子群算法的基本参数，对各粒子对应的主动配电网运行计划进行初始化；
(2)根据需求侧电价响应公式，得到各粒子s在第k次迭代后，主动配电网各节点相对于第k-1次迭代后的负荷变化量和净负荷；
(3)根据各节点的净负荷和各支路的阻抗对各粒子进行电力系统潮流计算，获得主动配电网各首端节点各时刻需要向主网够买的有功功率，根据有功功率越限情况进行削负荷或弃电；
(4)对各粒子分别计算第k次迭代后主动配电网的运行总成本，主动配电网运行总成本包括主动配电网购电成本、蓄电池储能的运行维护成本、电价响应成本、以及弃电和削负荷成本，通过粒子群算法迭代优化主动配电网运行总成本，得到主动配电网的最优运行计划和最小运行成本。
2.如权利要求1所述的一种考虑需求侧电价响应的主动配电网运行计划优化方法，其特征在于，所述步骤(1)包括：
(1-1)获取主动配电网系统运行的基础数据，包括风电出力、光伏出力、各支路阻抗、各支路电压等级、各节点的初始负荷需求、蓄电池储能系统运行参数、电价响应自弹性系数、交叉弹性系数和主动配电网系统运行成本参数；
(1-2)设置粒子群算法的基本参数，包括：粒子数S、最大迭代次数kmax、惯性权重的上下限wmax和wmin、学习因子c1和c2，迭代次数的初始值为0，在满足蓄电池运行功率约束、蓄电池剩余容量约束、需求侧电价响应电价变动约束的条件下，对各粒子s对应的主动配电网运行计划进行初始化，产生各粒子s的运行速度，s∈[1，S]。
3.如权利要求2所述的一种考虑需求侧电价响应的主动配电网运行计划优化方法，其特征在于，所述步骤(2)包括：
(2-1)根据电价响应自弹性系数和交叉弹性系数，建立弹性系数矩阵H24×24，其表达式如下：
式中，λt，t为第t小时的电价响应自弹性系数，λt，u为第t小时负荷和第u小时电价之间的交叉弹性系数，1≤t≤24，1≤u≤24；
(2-2)根据需求侧电价响应公式计算各粒子s在第k次迭代后，主动配电网各节点i在t时刻相对于第k-1次迭代后的负荷变化量ΔDs，k，i(t)和节点i在t时刻第k次迭代后的负荷值Ds，k，i(t)，计算方法如下：
Ds，k，i(t)＝Ds，k-1，i(t)+ΔDs，k，i(t)s∈[1，S]，i∈[1，N]，t∈[1，24]
式中，Ds，k-1，i(t)为节点i在t时刻第k-1次迭代后的负荷值，△Ms，k(t)为主动配电网第k次迭代相对于第k-1次迭代后在t时刻的售电电价变化，Ms，k-1(t)为主动配电网第k-1次迭代后在t时刻的售电电价，N为主动配电网的节点数；
(2-3)在Ds，k，i(t)的基础上，扣除各节点i在t时刻的风电出力、光伏出力和储能运行功率后，得到各节点i在t时刻的净负荷。
4.如权利要求3所述的一种考虑需求侧电价响应的主动配电网运行计划优化方法，其特征在于，所述步骤(3)包括：
(3-1)根据各支路的阻抗和各节点i在t时刻的净负荷，在满足潮流平衡方程和节点电压约束的条件下，对各粒子s进行电力系统潮流计算，获得主动配电网各首端节点a在t时刻需要向主网够买的有功功率Ps，k，a(t)，a为首端节点序号；
(3-2)对各粒子s，若超过主动配电网向主网购电功率上限Pmax，则在t时刻对主动配电网进行切负荷处理，切负荷电力为若低于主动配电网向主网购电功率下限Pmin，则在t时刻对主动配电网进行弃电处理，弃电电力为其中，表示主动配电网t时刻需要向主网够买的总电力。
5.如权利要求4所述的一种考虑需求侧电价响应的主动配电网运行计划优化方法，其特征在于，所述步骤(4)包括：
(4-1)对各粒子s，分别计算第k次迭代后主动配电网的运行总成本Fs，k，与前k-1次迭代后的运行总成本计算结果比较，计算第k次迭代后各粒子s的个体最小运行成本Fbest，s，k和对应的个体最优运行计划，并计算主动配电网第k次迭代后的全局最小运行成本Fbest，k和对应的全局最优运行计划；
(4-2)判断是否满足迭代终止条件，若满足，终止迭代，进入步骤(4-4)；若不满足，令k＝k+1，然后进入步骤(4-3)；
(4-3)在满足蓄电池运行功率约束，剩余容量约束，需求侧电价响应电价变动约束的条件下，更新各粒子s的运行速度vs，k及其对应的主动配电网运行计划Ys，k，然后返回步骤(2)；
(4-4)输出主动配电网的最优运行计划，即各蓄电池储能系统24h的最优运行功率，主动配电网24h的最优售电电价，以及主动配电网的最小运行成本。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710934434.2A CN107565573B (zh) | 2017-09-28 | 2017-09-28 | 一种考虑需求侧电价响应的主动配电网运行计划优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710934434.2A CN107565573B (zh) | 2017-09-28 | 2017-09-28 | 一种考虑需求侧电价响应的主动配电网运行计划优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107565573A true CN107565573A (zh) | 2018-01-09 |
| CN107565573B CN107565573B (zh) | 2020-10-16 |
Family
ID=60984400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710934434.2A Active CN107565573B (zh) | 2017-09-28 | 2017-09-28 | 一种考虑需求侧电价响应的主动配电网运行计划优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107565573B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108470239A (zh) * | 2018-03-01 | 2018-08-31 | 国网福建省电力有限公司 | 计及需求侧管理和储能的主动配电网多目标分层规划方法 |
| CN109066800A (zh) * | 2018-09-27 | 2018-12-21 | 沈阳工程学院 | 一种基于粒子群算法的配电网柔性负荷协同调度方法 |
| CN109672184A (zh) * | 2018-12-12 | 2019-04-23 | 国网江西省电力有限公司电力科学研究院 | 一种含高比例光伏配电网电压控制方法和系统 |
| WO2021253706A1 (zh) * | 2020-06-15 | 2021-12-23 | 中国电力科学研究院有限公司 | 基于间歇特性的需求侧资源协调控制方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103346562A (zh) * | 2013-07-11 | 2013-10-09 | 江苏省电力设计院 | 计及需求响应的多时间尺度微网能量控制方法 |
| CN106169108A (zh) * | 2016-07-14 | 2016-11-30 | 河海大学 | 含电池储能系统的主动配电网短期有功优化方法 |
| CN106786791A (zh) * | 2016-11-30 | 2017-05-31 | 云南电网有限责任公司 | 一种风电出力场景的生成方法 |
-
2017
- 2017-09-28 CN CN201710934434.2A patent/CN107565573B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103346562A (zh) * | 2013-07-11 | 2013-10-09 | 江苏省电力设计院 | 计及需求响应的多时间尺度微网能量控制方法 |
| CN106169108A (zh) * | 2016-07-14 | 2016-11-30 | 河海大学 | 含电池储能系统的主动配电网短期有功优化方法 |
| CN106786791A (zh) * | 2016-11-30 | 2017-05-31 | 云南电网有限责任公司 | 一种风电出力场景的生成方法 |
Non-Patent Citations (2)
| Title |
|---|
| DAVID STEEN，ET AL.: ""Effects of Network Tariffs on Residential Distribution Systems and Price-Responsive Customers Under Hourly Electricity Pricing"", 《IEEE TRANSACTIONS ON SMART GRID》 * |
| 刘娇娇，等: ""基于 PSO 算法的风光储微电网优化调度研究"", 《华东电力》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108470239A (zh) * | 2018-03-01 | 2018-08-31 | 国网福建省电力有限公司 | 计及需求侧管理和储能的主动配电网多目标分层规划方法 |
| CN108470239B (zh) * | 2018-03-01 | 2020-09-04 | 国网福建省电力有限公司 | 计及需求侧管理和储能的主动配电网多目标分层规划方法 |
| CN109066800A (zh) * | 2018-09-27 | 2018-12-21 | 沈阳工程学院 | 一种基于粒子群算法的配电网柔性负荷协同调度方法 |
| CN109066800B (zh) * | 2018-09-27 | 2021-08-03 | 沈阳工程学院 | 一种基于粒子群算法的配电网柔性负荷协同调度方法 |
| CN109672184A (zh) * | 2018-12-12 | 2019-04-23 | 国网江西省电力有限公司电力科学研究院 | 一种含高比例光伏配电网电压控制方法和系统 |
| WO2021253706A1 (zh) * | 2020-06-15 | 2021-12-23 | 中国电力科学研究院有限公司 | 基于间歇特性的需求侧资源协调控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107565573B (zh) | 2020-10-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Celik et al. | Decentralized neighborhood energy management with coordinated smart home energy sharing | |
| CN106169108B (zh) | 含电池储能系统的主动配电网短期有功优化方法 | |
| CN107565573B (zh) | 一种考虑需求侧电价响应的主动配电网运行计划优化方法 | |
| CN105552940B (zh) | 基于交替方向乘子算法的分布式全局最优能量管理系统 | |
| CN111900727B (zh) | 基于pso的光储充换一体化充电站协同优化调度方法和装置 | |
| CN108695868B (zh) | 基于电力电子变压器的配电网储能选址定容方法 | |
| CN106953362A (zh) | 并网型微电网的能量管理方法及系统 | |
| 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 | |
| CN115173453A (zh) | 一种储能辅助电网调峰的优化配置方法 | |
| CN109383323B (zh) | 一种电动汽车群的充放电优化控制方法 | |
| CN112311017A (zh) | 一种虚拟电厂与主网最优协同调度方法 | |
| CN116054241A (zh) | 一种新能源微电网群系统鲁棒能量管理方法 | |
| CN117791610A (zh) | 一种基于admm算法的多微电网能源调度优化方法 | |
| CN109687423A (zh) | 一种直流电网的储能配置方法 | |
| Jiang et al. | Optimal Scheduling of Electric Vehicle Clusters Considering Uncertainty of User Demand Response | |
| CN116404665A (zh) | 基于柔性软开关的主动配电网电压三相不平衡抑制方法 | |
| Li et al. | A game optimization scheduling strategy of active distribution network with multi-microgrid sharing energy storage | |
| CN112039057B (zh) | 一种基于两阶段调度的低电压治理方法 | |
| Sharma et al. | Novel optimal energy management with demand response for a real-time community microgrid | |
| Chen et al. | Optimal dispatch of medium-voltage microgrid using an adaptive PSO algorithm | |
| Elgamal et al. | An optimal day-Ahead operation strategy for hybrid energy microgrid | |
| Cong et al. | Multi-objective capacity optimal allocation of photovoltaic microgrid energy storage system based on time-sharing energy complementarity | |
| Hu-Ping et al. | Site Selection and Capacity Planning for Distributed Generation Considering Uncertainty Risk and Lack of Flexibility | |
| CN117353304B (zh) | 一种用于微电网群的合作运行全分布式控制方法及系统 | |
| Mao et al. | Generalized Energy Storage Configuration Method Based on Bi-level Optimization for Distribution Power System with High Penetration of Renewable Energy |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |