CN107591841B - 适用于新能源大规模接入下的电网演化模拟方法 - Google Patents
适用于新能源大规模接入下的电网演化模拟方法 Download PDFInfo
- Publication number
- CN107591841B CN107591841B CN201710885060.XA CN201710885060A CN107591841B CN 107591841 B CN107591841 B CN 107591841B CN 201710885060 A CN201710885060 A CN 201710885060A CN 107591841 B CN107591841 B CN 107591841B
- Authority
- CN
- China
- Prior art keywords
- power
- load
- energy
- node
- constraint
- 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 41
- 238000004088 simulation Methods 0.000 title claims abstract description 18
- 238000010276 construction Methods 0.000 claims abstract description 63
- 238000005516 engineering process Methods 0.000 claims abstract description 28
- 230000005540 biological transmission Effects 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 11
- 230000008635 plant growth Effects 0.000 claims abstract description 10
- 238000010248 power generation Methods 0.000 claims description 32
- 238000012163 sequencing technique Methods 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 18
- 230000012010 growth Effects 0.000 claims description 15
- 229930192334 Auxin Natural products 0.000 claims description 14
- 239000002363 auxin Substances 0.000 claims description 14
- SEOVTRFCIGRIMH-UHFFFAOYSA-N indole-3-acetic acid Chemical compound C1=CC=C2C(CC(=O)O)=CNC2=C1 SEOVTRFCIGRIMH-UHFFFAOYSA-N 0.000 claims description 14
- 238000004146 energy storage Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000011161 development Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 230000008901 benefit Effects 0.000 claims description 6
- 238000011109 contamination Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000011946 reduction process Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 abstract description 2
- 230000001133 acceleration Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000007774 longterm Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Coloring Foods And Improving Nutritive Qualities (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
适用于新能源大规模接入下的电网演化模拟方法，步骤如下：1、读入系统负荷和能源的预测信息；2、根据区域内同一电压等级的变电站密度，确定是否需要进行电压等级的提升；3、求解电源规划问题，确定新建发电厂的个数和预期出力；4、求解输电网规划问题，确定线路的建设方案；本发明考虑了新能源大规模接入和新技术应用对于未来电网的影响，借鉴电网规划的思路，以建设成本最小为优化目标，将电力、电量、调峰和环保约束引入电力系统演化模型，并从电力系统运行的角度建立了若干种前沿技术的简化模型，最后结合启发式规则和模拟植物生长算法提出了演化模型的求解方法；使用该电网演化模拟方法可以为能源政策和电力战略提供定量的决策依据。
Description
技术领域
本发明涉及电力系统电网演化技术领域，具体涉及一种适用于新能源大规模接入下的电网演化模拟方法。
背景技术
在当今社会节约资源、保护环境、减少碳排放的大背景下，清洁能源的发展成为能源领域的热点话题。国家相关政策的出台也意味着新能源将在我国未来电网中占据着极其重要的地位，而新能源的大规模接入也对于电网的发展带来了巨大的挑战。新能源的大规模接入会打破现有系统电源和负荷较为靠近的格局，使得未来电网的互联会更普遍，最终形成的网络规模会更为庞大。然而，新能源本身在调峰深度、可用时间等方面相较传统能源相距甚远，需要常规机组对此进行补偿。而随着环保要求的出现，这类机组的总量必然要受到限制。这些矛盾构成了一个优化问题。目前，电网规划这一领域的研究已经较为成熟，对于求解上述含约束的规划问题已有很多研究。然而在大规模长时期电力系统发展过程的模拟中直接运用规划方法并不方便。主要原因有三：一是时间和空间复杂度均随着问题规模的增大非线性增加，现有计算工具无法承受；二是规划方案制定中的待建变电站、发电厂和线路等很多环节需要专家的参与，这在远期模拟过程中难以实现；三是建设过程具有后效性，前期的建设步骤会对后期的方案选择产生影响，而一旦实际的前期方案选择与预想不同，规划方法所得结果便失去意义。而且，长时期发展过程研究的根本目的应在于指导电网建设的方向而非确切地给出建设过程。因此，有必要引入网络演化思想解决上述问题。
目前，也有相关的研究者对于未来电网的演化模式进行了分析，周孝信在《中国未来电网的发展模式和关键技术》(中国电机工程学报，2014,34(29)：4999-5008)一文中从电力需求量、电源结构、电力流和电网格局四个关键问题入手，对我国2030年后未来电网模式进行了宏观预测。然而，除了宏观的分析预测之外，迫切需要定量的分析工具对电力系统的长期演化过程进行研究，辅助制定能源的相关政策，以便尽量降低社会总成本，避免大量人力物力的浪费。此外，还有学者对三代电网进行了建模与特性分析，得到了未来十几年的电网演化结果，但是，其中大多缺少对于环保的需求、新能源接入以及储能等新技术的考虑，也没有对电力系统演化的成本进行优化。
此外，目前电网演化的一大难题还在于计算规模的庞大，电源规划和电网规划作为混合整数线性规划，具有极大的求解复杂度。综上，现有的电网演化模型有以下两点需要改进，一方面，需要充分考虑新技术对于演化模型的影响，需要对于超导、储能等新技术进行建模，另一方面，还需要找到一种高效的适用于电源规划和电网规划的求解方法，提高仿真效率。
发明内容
为了解决上述现有技术存在的问题，本发明的目的在于提供一种适用于新能源大规模接入下的电网演化模拟方法，通过建立超导、储能等新技术的模型，该方法能够辅助分析新技术对于电网演化的影响，进而辅助制定相关的能源发展战略。本发明还创造性的在电网演化模型中引入了植物生长算法，大大提高了电网规划问题的求解效率，减小了计算规模。
为达到以上目的，本发明采用如下技术方案：
适用于新能源大规模接入下的未来电网演化模拟方法，包括如下步骤：
步骤1：读入系统负荷和能源预测信息，更新节点信息；对前沿技术进行建模，具体步骤如下：
步骤1.1：对前沿技术进行建模，确定各技术场景的约束方程修正系数，所涉及的约束方程包括电力约束方程(1)、电量约束方程(2)和调峰约束方程(3)：
对前沿技术进行建模的方法如下：
步骤1.1.1：对超导输电进行建模
有关超导输电成本的乐观预测是每10年降低一个数量级，这一成本减少过程假设设为线性；
cl＝cl0(1-ηsS)Ll
式中cl0为单位容量每百公里输电初始成本，ηs为系数，Ll为线路l长度，S为技术运用成熟度，是与时间y相关的曲线；技术运用成熟度函数取为:
其中时间节点y1与y2的取值取决于对于未来技术发展的乐观程度，除此之外，超导线路的容量约为常规线路的2～10倍，阻抗为原线路的25％～50％；
步骤1.1.2：对储能技术和需求侧响应进行建模
储能技术和需求侧响应的主要作用均为平抑输出功率的波动，削峰填谷，减少对电力系统的冲击，亦即在总体电量需求不变前提下，降低系统的峰荷和调峰需求；因此对于电力约束方程(1)和调峰约束方程(3)的右端项分别引入如下的修正系数：
αes,1＝1-ηes,1S
αes,2＝1-ηes,2S
其中，αes,1为电力约束方程(1)的右端项修正系数，αes,2为调峰约束方程(2)右端项的修正系数，ηes,1、ηes,2为可调参数，S为技术运用成熟度；
步骤1.1.3：对分布式发电场景进行建模
分布式发电的主要优势在于能够提供更多的电能，因此对于电力约束方程(1)、调峰约束方程(3)和电量约束方程(2)的右端项引入如下的修正系数：
αd,1＝1-ηd,1S
αd,2＝1-ηd,2S
αd,3＝1-ηd,3S
式中αd,1,αd,2,αd,3为峰荷、调峰、电能需求与原始需求的比值，ηd,1,ηd,2,ηd,3为系数，为技术运用成熟度S；此外考虑到技术本身的特点，分布式发电技术只在受入电区域运用；
步骤1.2:确定应用的技术场景，采用的技术场景包括正常模式、分布式发电、储能以及超导共4种技术场景，对于不同的技术场景，需要读入相应的约束方程修正系数；
步骤1.3：根据演化所处年份，修改各种类发电厂的发电成本；
步骤1.4：根据预测的负荷和能源信息，确定各个区域的供给特性：根据预测的负荷和能源信息中的经度和纬度信息与现有节点进行匹配，使用预测的负荷总量和能源总量修正区域i在阶段y中的负荷节点和能源节点数据，区域i中已存在的负荷点j在第y+1阶段末期的负荷量为：
其中，为第y年中区域i的负荷总量；为第y+1年中区域i的负荷总量；为负荷增长的分配系数，与年份和具体负荷点有关；为第y年区域i中节点j的负荷；为第y+1年区域i中节点j的负荷；
在更新节点的可用能源量信息时，需要将大型能源基地的兴建造成的能源阶跃式增长纳入考虑，区域i中已存在的负荷点j在第y+1阶段末期的负荷量为：
为第y年区域i的最大能源量；为第y+1年区域i的最大能源量；为第y年区域i的最大能源量；为第y+1年区域i的最大能源量；为能源增长的分配系数，与年份、具体能源点、能源类型有关；如第y年在点j处有大型能源基地建设完成能够提供能源，则为当年计划供出的能源量，否则为0；
步骤1.5：若在预测数据中区域i处出现了新的负荷节点和能源点，则在区域i的辖区内，按均匀分布随机确定新的负荷点和能源点，并分配剩余的负荷量和能源量；
步骤1.6：对于新出现的负荷节点，新建节点和线路，寻找距离最近的母线作为连接点接入电网；
步骤2：检查各区域中，中低压节点的密度是否超过限度
其中为距离各负荷节点为r的区域i内的中低压节点，若区域i内中低压节点总数超过设定限值nmax且周围无高压母线节点，则需要新建高压母线节点，更新母线和线路信息；
步骤3：电源规划，针对当前的系统信息，检查是否满足各项约束，进而对电源建设方案进行排序和筛选，具体步骤如下：
步骤3.1：在不考虑新建电厂的情况下，求解如下的优化问题，检查系统是否满足各项约束，分别为电力约束、电量约束、调峰约束和环保约束：
决策变量共有np个，即连续变量Pg,j，表示节点j处发电厂的预期出力；Pd,j表示节点j处的负荷大小；np为发电厂的总数；Rp为容量备用系数；Re为电量备用系数；Aj为节点j处发电厂的可用时间；Tj为节点j处负荷的最大负荷利用小时；PR,j为节点j处发电厂的单位发电调峰深度，对于新能源机组，由于反调峰特性，该值可以为负；Fj为节点j处负荷的最大波动比例；Poll,j为节点j处发电厂的单位发电污染量；Po,max为当年系统最大允许污染量，该值以总量形式给出或以平均污染量形式给出；
步骤3.2：若当前系统满足上面的四个约束，则对当前的系统进行直流潮流计算，并记录过载线路信息，电源规划完成，转至步骤4；
步骤3.3：若当前系统无法全部满足上面的四个约束，则需要再进行电源规划，考虑新建电厂，确定电厂建设的备选方案，具体步骤如下：
步骤3.3.1：求出所有可利用资源点处线路建设成本预估值：在求解预估值的过程中，关键是计算输送距离，首先计算出各个区域的供需情况，确定缺电区域，根据之前读入的各节点的经度和纬度信息，利用下式计算出缺电区域i的负荷中心：
其中，n为缺电区域i的负荷点数；(xj,yj)为负荷点j的地理坐标；备选电厂与最近的缺电区域负荷中心距离和单位长度建设费用的乘积即为线路建设成本预估值；
步骤3.3.2：设第k个约束不能满足，且不满足量为uk0；依次计算当前阶段可供选择的np个电源对于该约束的有效性：
其中，uj为增加1后约束k的不满足量；为节点j处新建电厂的个数；cg,j为节点j处发电厂的建设费用；cb,j为该电厂送电所需线路的建设费用；以Egj为标准对所有备选方案排序，若不满足电力约束，则将电厂容量与线路建设成本预估值成本相除，作为排序依据；若不满足电量约束，则将电厂容量与线路建设成本预估值相除，作为排序依据；若不满足调峰约束，则将电厂调峰容量与线路建设成本预估值相除，作为排序依据；若不满足环保约束，则将污染排放量与线路建设成本预估值相除，作为排序依据；根据最终得到的排序结果，从中选取前β个方案作为最终备选方案；
步骤3.3.3：对于每种电厂建设备选方案，若能源供应点处无对应能源类型的发电机组，则需要新建发电机，否则需要新建发电机组，并就地新建高压侧母线，根据距离最小原则，寻找相同电压等级的线路接入原系统之中，更新原有的发电机和线路信息；
步骤4：对于不同的电源建设备选方案，选取评价函数，利用植物生长算法，确定优先生长点，逐次迭代求解，最终算法会收敛至满足各约束条件的较优解；
步骤5：求解输电网规划问题，确定输电线路的建设方案；
步骤5.1：对于电源规划后新的系统，求解下面的优化问题，进行直流潮流计算，确定新系统中的线路过载情况；
其中，决策变量为整数变量表示线路l需并联条数；cl为线路l单位容量建设费用；Cl为线路l单条容量；为线路l已并联条数；Rl为线路容量备用系数；Fl为线路l潮流；θl1、θl2分别为线路l首末端相角；θ为节点相角向量；B为节点导纳矩阵，ΔBl为新建支路l引起的节点导纳矩阵改变量；Pinj为节点注入功率向量，根据电源规划的Pg,j和Pd,j结果得出；
步骤5.2:针对过载最严重的线路：首先，判定其潮流方向，然后，线路始端不改变，求得其他节点中与原末端相距最近的β-1个节点作为新的末端；最后，将新的始末端线路以及原线路并联共β个方案作为最终备选方案；
步骤5.3：对于上面的备选方案进行拓扑优化，检验连接在一起的任意三个节点的最大角是否超过规定阈值；如超过则说明存在较为贴近的线路，则删去最大角对应对角边；
步骤6：对于不同的电网建设备选方案，选取评价函数，利用植物生长算法，确定优先生长点，最终算法会收敛至较优解；
步骤7：对系统进行完善，并安排下一阶段的发电计划；
步骤7.1：完成电源规划和电源规划后，计算系统的直流潮流，对系统的线路进行升级；
步骤7.2：求解线性规划问题，确定下一阶段的发电机出力安排，之后进入下一个阶段的电网演化；
决策变量共有np个，即连续变量Pg,j，表示节点j处发电厂的预期出力；np为发电厂的总数；Pd,j表示节点j处的负荷大小；Aj为节点j处发电厂的可用时间；PR,j为节点j处发电厂的单位发电调峰深度，对于新能源机组，由于反调峰特性，该值可以为负；Fj为节点j处负荷的最大波动比例；Poll,j为节点j处发电厂的单位发电污染量；Po,max为当年系统最大允许污染量，该值以总量形式给出或以平均污染量形式给出。
步骤4和6所述的利用植物生长算法确定优先生长点的方法如下：
步骤1：建立对于备选方案进行评价的背光性函数
fe＝oe+Kce
其中，oe为方案e约束超出量，对环保约束而言，该项即为污染超标量；ce＝cg,e+cb,e为当前建设费用之总和；K为系数，当其较大时表明较为重视对每个演化操作建设费用的控制而相对不看重相应对约束的改善，反之则更关心每步操作的“效果”，K的取值通过实验确定；
步骤2：根据生长素浓度函数确定优先生长点，生长素浓度函数FMi定义如下：
其中，S0是树根所在的点，M是由树根长出的树干；SM1,SM2,…,SMk是比树根光照条件好的生长点；β是生长点的总数，即备选方案的个数；
步骤3：所有的生长素浓度构成[0,1]的状态空间；根据产生在[0,1]之间的随机数所落在的位置决定优先生长点；已经优先生长的树干不会再长出新支，所以它的生长素浓度为0；此后，生长素浓度的计算将包括优先生长后的树干，以及原来没有优先生长的树干；循环执行前面的操作，直到电网演化中的约束条件都得到满足。
本发明和现有技术相比，具有如下优点：
通过对前沿技术的详细建模，能够定量分析前沿技术对于未来电网的影响，特别是对于经济效益的影响，较宏观的分析方法更具有说服力。此外，本文创造性的在电网演化模型中引入了植物生长算法，大大减小了备选方案的数目，在选择合适的评价函数的情况下，能够以较少的迭代次数达到较深的演化层次，提高了电网演化的仿真效率。
附图说明
图1为电网演化模拟方法运行的流程图。
图2为测试电网演化模拟方法所用的国网经营区演化初始拓扑图。
图3为对国网经营区进行40年演化后的电网拓扑图。
具体实施方式
以下结合附图及具体实施例，对本发明的步骤作进一步的详细描述。
如图1所示，本发明适用于新能源大规模接入下的电网演化模拟方法，包括如下步骤：
步骤1：读入系统负荷和能源预测信息，更新节点信息；对前沿技术进行建模，具体步骤如下：
步骤1.1：对前沿技术进行建模，确定各技术场景的约束方程修正系数，所涉及的约束方程包括电力约束方程(1)、电量约束方程(2)和调峰约束方程(3)：
对前沿技术进行建模的方法如下：
步骤1.1.1：对超导输电进行建模
有关超导输电成本的乐观预测是每10年降低一个数量级，这一成本减少过程假设设为线性；
cl＝cl0(1-ηsS)Ll
式中cl0为单位容量每百公里输电初始成本，ηs为系数，Ll为线路l长度，S为技术运用成熟度，是与时间y相关的曲线；技术运用成熟度函数取为:
其中时间节点y1与y2的取值取决于对于未来技术发展的乐观程度，除此之外，超导线路的容量约为常规线路的2～10倍，阻抗为原线路的25％～50％；
步骤1.1.2：对储能技术和需求侧响应进行建模
储能技术和需求侧响应的主要作用均为平抑输出功率的波动，削峰填谷，减少对电力系统的冲击，亦即在总体电量需求不变前提下，降低系统的峰荷和调峰需求；因此对于电力约束方程(1)和调峰约束方程(3)的右端项分别引入如下的修正系数：
αes,1＝1-ηes,1S
αes,2＝1-ηes,2S
其中，αes,1为电力约束方程(1)的右端项修正系数，αes,2为调峰约束方程(2)右端项的修正系数，ηes,1、ηes,2为可调参数，S为技术运用成熟度；
步骤1.1.3：对分布式发电场景进行建模
分布式发电的主要优势在于能够提供更多的电能，因此对于电力约束方程(1)、调峰约束方程(3)和电量约束方程(2)的右端项引入如下的修正系数：
αd,1＝1-ηd,1S
αd,2＝1-ηd,2S
αd,3＝1-ηd,3S
式中αd,1,αd,2,αd,3为峰荷、调峰、电能需求与原始需求的比值，ηd,1,ηd,2,ηd,3为系数，为技术运用成熟度S；此外考虑到技术本身的特点，分布式发电技术只在受入电区域运用；
步骤1.2:确定应用的技术场景，采用的技术场景包括正常模式、分布式发电、储能以及超导共4种技术场景，对于不同的技术场景，需要读入相应的约束方程修正系数；
步骤1.3：根据演化所处年份，修改各种类发电厂的发电成本；
步骤1.4：根据预测的负荷和能源信息，确定各个区域的供给特性：根据预测的负荷和能源信息中的经度和纬度信息与现有节点进行匹配，使用预测的负荷总量和能源总量修正区域i在阶段y中的负荷节点和能源节点数据，区域i中已存在的负荷点j在第y+1阶段末期的负荷量为：
其中，为第y年中区域i的负荷总量；为第y+1年中区域i的负荷总量；为负荷增长的分配系数，与年份和具体负荷点有关；为第y年区域i中节点j的负荷；为第y+1年区域i中节点j的负荷；
在更新节点的可用能源量信息时，需要将大型能源基地的兴建造成的能源阶跃式增长纳入考虑，区域i中已存在的负荷点j在第y+1阶段末期的负荷量为：
为第y年区域i的最大能源量；为第y+1年区域i的最大能源量；为第y年区域i的最大能源量；为第y+1年区域i的最大能源量；为能源增长的分配系数，与年份、具体能源点、能源类型有关；如第y年在点j处有大型能源基地建设完成能够提供能源，则为当年计划供出的能源量，否则为0；
步骤1.5：若在预测数据中区域i处出现了新的负荷节点和能源点，则在区域i的辖区内，按均匀分布随机确定新的负荷点和能源点，并分配剩余的负荷量和能源量；
步骤1.6：对于新出现的负荷节点，新建节点和线路，寻找距离最近的母线作为连接点接入电网；
步骤2：检查各区域中，中低压节点的密度是否超过限度
其中为距离各负荷节点为r的区域i内的中低压节点，若区域i内中低压节点总数超过设定限值nmax且周围无高压母线节点，则需要新建高压母线节点，更新母线和线路信息；
步骤3：电源规划，针对当前的系统信息，检查是否满足各项约束，进而对电源建设方案进行排序和筛选，具体步骤如下：
步骤3.1：在不考虑新建电厂的情况下，求解如下的优化问题，检查系统是否满足各项约束，分别为电力约束、电量约束、调峰约束和环保约束：
决策变量共有np个，即连续变量Pg,j，表示节点j处发电厂的预期出力；Pd,j表示节点j处的负荷大小；np为发电厂的总数；Rp为容量备用系数；Re为电量备用系数；Aj为节点j处发电厂的可用时间；Tj为节点j处负荷的最大负荷利用小时；PR,j为节点j处发电厂的单位发电调峰深度，对于新能源机组，由于反调峰特性，该值可以为负；Fj为节点j处负荷的最大波动比例；Poll,j为节点j处发电厂的单位发电污染量；Po,max为当年系统最大允许污染量，该值以总量形式给出或以平均污染量形式给出；
步骤3.2：若当前系统满足上面的四个约束，则对当前的系统进行直流潮流计算，并记录过载线路信息，电源规划完成，转至步骤4；
步骤3.3：若当前系统无法全部满足上面的四个约束，则需要再进行电源规划，考虑新建电厂，确定电厂建设的备选方案，具体步骤如下：
步骤3.3.1：求出所有可利用资源点处线路建设成本预估值：在求解预估值的过程中，关键是计算输送距离，首先计算出各个区域的供需情况，确定缺电区域，根据之前读入的各节点的经度和纬度信息，利用下式计算出缺电区域i的负荷中心：
其中，n为缺电区域i的负荷点数；(xj,yj)为负荷点j的地理坐标；备选电厂与最近的缺电区域负荷中心距离和单位长度建设费用的乘积即为线路建设成本预估值；
步骤3.3.2：设第k个约束不能满足，且不满足量为uk0；依次计算当前阶段可供选择的np个电源对于该约束的有效性：
其中，uj为增加1后约束k的不满足量；为节点j处新建电厂的个数；cg,j为节点j处发电厂的建设费用；cb,j为该电厂送电所需线路的建设费用；以Egj为标准对所有备选方案排序，若不满足电力约束，则将电厂容量与线路建设成本预估值成本相除，作为排序依据；若不满足电量约束，则将电厂容量与线路建设成本预估值相除，作为排序依据；若不满足调峰约束，则将电厂调峰容量与线路建设成本预估值相除，作为排序依据；若不满足环保约束，则将污染排放量与线路建设成本预估值相除，作为排序依据；根据最终得到的排序结果，从中选取前β个方案作为最终备选方案；
步骤3.3.3：对于每种电厂建设备选方案，若能源供应点处无对应能源类型的发电机组，则需要新建发电机，否则需要新建发电机组，并就地新建高压侧母线，根据距离最小原则，寻找相同电压等级的线路接入原系统之中，更新原有的发电机和线路信息；
步骤4：对于不同的电源建设备选方案，选取评价函数，利用植物生长算法，确定优先生长点，逐次迭代求解，最终算法会收敛至满足各约束条件的较优解；
步骤4.1：建立对于备选方案进行评价的背光性函数
fe＝oe+Kce
其中，oe为方案e约束超出量，对环保约束而言，该项即为污染超标量；ce＝cg,e+cb,e为当前建设费用之总和；K为系数，当其较大时表明较为重视对每个演化操作建设费用的控制而相对不看重相应对约束的改善，反之则更关心每步操作的“效果”，K的取值通过实验确定；
步骤4.2：根据生长素浓度函数确定优先生长点，生长素浓度函数FMi定义如下：
其中，S0是树根所在的点，M是由树根长出的树干；SM1,SM2,…,SMk是比树根光照条件好的生长点；β是生长点的总数，即备选方案的个数；
步骤4.3：所有的生长素浓度构成[0,1]的状态空间；根据产生在[0,1]之间的随机数所落在的位置决定优先生长点；已经优先生长的树干不会再长出新支，所以它的生长素浓度为0；此后，生长素浓度的计算将包括优先生长后的树干，以及原来没有优先生长的树干；循环执行前面的操作，直到电网演化中的约束条件都得到满足。
步骤5：求解输电网规划问题，确定输电线路的建设方案；
步骤5.1：对于电源规划后新的系统，求解下面的优化问题，进行直流潮流计算，确定新系统中的线路过载情况；
其中，决策变量为整数变量表示线路l需并联条数；cl为线路l单位容量建设费用；Cl为线路l单条容量；为线路l已并联条数；Rl为线路容量备用系数；Fl为线路l潮流；θl1、θl2分别为线路l首末端相角；θ为节点相角向量；B为节点导纳矩阵，ΔBl为新建支路l引起的节点导纳矩阵改变量；Pinj为节点注入功率向量，根据电源规划的Pg,j和Pd,j结果得出；
步骤5.2:针对过载最严重的线路：首先，判定其潮流方向，然后，线路始端不改变，求得其他节点中与原末端相距最近的β-1个节点作为新的末端；最后，将新的始末端线路以及原线路并联共β个方案作为最终备选方案；
步骤5.3：对于上面的备选方案进行拓扑优化，检验连接在一起的任意三个节点的最大角是否超过规定阈值；如超过则说明存在较为贴近的线路，则删去最大角对应对角边；
步骤6：对于不同的电网建设备选方案，选取评价函数，利用植物生长算法，确定优先生长点，最终算法会收敛至较优解，具体的过程参照步骤4；
步骤7：对系统进行完善，并安排下一阶段的发电计划；
步骤7.1：完成电源规划和电源规划后，计算系统的直流潮流，对系统的线路进行升级；
步骤7.2：求解线性规划问题，确定下一阶段的发电机出力安排，之后进入下一个阶段的电网演化；
决策变量共有np个，即连续变量Pg,j，表示节点j处发电厂的预期出力；np为发电厂的总数；Pd,j表示节点j处的负荷大小；Aj为节点j处发电厂的可用时间；PR,j为节点j处发电厂的单位发电调峰深度，对于新能源机组，由于反调峰特性，该值可以为负；Fj为节点j处负荷的最大波动比例；Poll,j为节点j处发电厂的单位发电污染量；Po,max为当年系统最大允许污染量，该值以总量形式给出或以平均污染量形式给出。
实施例
为了验证所提出的新能源大规模接入下的未来电网演化模拟方法是否能够达到预期的效果，对如图2所示国网经营区系统进行了演化分析。
设定：设置总仿真时长为40年，各区域负荷的初始增速依据2014年数据确定，考虑到随着时间推移，经济增速放缓，也会导致负荷的增长减慢，因此在前5年的演化中增速参考当前值确定，而5年后增速减少，15年后增速再减少直至演化结束。
具体各区域的初始负荷量以及增速设定如下表：
表1各区域初始负荷量和增速
各时期的总负荷量统计如下：
表2各时期总负荷量
| 年份 | 负荷总量/百万GWh |
| 1 | 4.34 |
| 5 | 5.33 |
| 10 | 5.95 |
| 15 | 6.64 |
| 20 | 7.27 |
| 30 | 8.75 |
| 40 | 10.56 |
在电源方面，考虑水电将在2030年左右达到饱和，而核电受政策影响，确定水电和核电在一年中的总发电量约束如下：
表3能源总量约束
| 机组类型 | 总量上限/百万GWh |
| 水电(总量约束) | 2.1 |
| 核电(政策约束) | 2.1 |
事实上，水电的总量约束与可利用水资源总量有关，因此这一总量约束是基本确定的；而核电主要受到政策限制，这是人为因素，因此可以考虑两种较为保守的场景，其具体的核电总量设定如下：
因为近期的核能发展政策已经制定完成，在前期的核能开发量不应被改变。总量的减少是通过减低后期的可利用核能增长速率实现的。
表4核能总量约束
| 场景 | 总量上限/百万GWh |
| 最保守 | 1.0 |
| 较保守 | 1.5 |
仿真结果：图3给出了采用本方案进行演化分析后所得到的40年后的电网拓扑图，通过分析该拓扑的度、平均路径长度以及聚类系数指标，可以初步验证所得到的电网是合理的。表5给出了各种核能预测场景下的电力流情况，演化结束时华东地区受入电需求较初始有所下降，但仍是受端，且相较而言最保守场景受入量更大。表6给出了各种新技术应用的情况下的总收益情况，结果显示对于国网经营区而言，超导输电以及分布式发电的技术价值相对较高，储能和负荷侧响应的价值略低。
表5
表6
| 场景 | 电源成本/亿元 | 线路成本/亿元 | 总收益/亿元 |
| 基本 | 222928 | 10226 | - |
| 分布式 | 215936 | 8656 | 8562 |
| 储能 | 209091 | 8736 | 15327 |
| 超导 | 221822 | 9437 | 1895 |
由以上实例可以看出，本发明为未来电网的演化分析提供了一个便捷有效的工具，并对未来对电网有巨大影响的前沿技术进行了建模，更加符合未来电网的发展趋势。能够从经济效益上衡量各种前沿技术的发展优先级，辅助制定国家政策。此外，本发明采用的植物生长算法也显著减小了运算和存储规模，提高了规划问题的求解效率。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (2)
1.适用于新能源大规模接入下的电网演化模拟方法，其特征在于：包括如下步骤：
步骤1：读入系统负荷和能源预测信息，更新节点信息；对前沿技术进行建模，具体步骤如下：
步骤1.1：对前沿技术进行建模，确定各技术场景的约束方程修正系数，所涉及的约束方程包括电力约束方程(1)、电量约束方程(2)和调峰约束方程(3)：
对前沿技术进行建模的方法如下：
步骤1.1.1：对超导输电进行建模
有关超导输电成本的乐观预测是每10年降低一个数量级，这一成本减少过程假设设为线性；
cl＝cl0(1-ηsS)Ll
式中cl0为单位容量每百公里输电初始成本，ηs为系数，Ll为线路l长度，S为技术运用成熟度，是与时间y相关的曲线；技术运用成熟度函数取为:
其中时间节点y1与y2的取值取决于对于未来技术发展的乐观程度，除此之外，超导线路的容量约为常规线路的2～10倍，阻抗为原线路的25％～50％；
步骤1.1.2：对储能技术和需求侧响应进行建模
储能技术和需求侧响应的主要作用均为平抑输出功率的波动，削峰填谷，减少对电力系统的冲击，亦即在总体电量需求不变前提下，降低系统的峰荷和调峰需求；因此对于电力约束方程(1)和调峰约束方程(3)的右端项分别引入如下的修正系数：
αes,1＝1-ηes,1S
αes,2＝1-ηes,2S
其中，αes,1为电力约束方程(1)的右端项修正系数，αes,2为调峰约束方程(2)右端项的修正系数，ηes,1、ηes,2为可调参数，S为技术运用成熟度；
步骤1.1.3：对分布式发电场景进行建模
分布式发电的主要优势在于能够提供更多的电能，因此对于电力约束方程(1)、调峰约束方程(3)和电量约束方程(2)的右端项引入如下的修正系数：
αd,1＝1-ηd,1S
αd,2＝1-ηd,2S
αd,3＝1-ηd,3S
式中ad,1,ad,2,ad,3为峰荷、调峰、电能需求与原始需求的比值，ηd,1,ηd,2,ηd,3为系数，S为技术运用成熟度；此外考虑到技术本身的特点，分布式发电技术只在受入电区域运用；
步骤1.2:确定应用的技术场景，采用的技术场景包括正常模式、分布式发电、储能以及超导共4种技术场景，对于不同的技术场景，需要读入相应的约束方程修正系数；
步骤1.3：根据演化所处年份，修改各种类发电厂的发电成本；
步骤1.4：根据预测的负荷和能源信息，确定各个区域的供给特性：根据预测的负荷和能源信息中的经度和纬度信息与现有节点进行匹配，使用预测的负荷总量和能源总量修正区域i在阶段y中的负荷节点和能源节点数据，区域i中已存在的负荷点j在第y+1阶段末期的负荷量为：
其中，为第y年中区域i的负荷总量；为第y+1年中区域i的负荷总量；为负荷增长的分配系数，与年份和具体负荷点有关；为第y年区域i中节点j的负荷；为第y+1年区域i中节点j的负荷；
在更新节点的可用能源量信息时，需要将大型能源基地的兴建造成的能源阶跃式增长纳入考虑，区域i中已存在的负荷点j在第y+1阶段末期的负荷量为：
为第y年区域i的最大能源量；为第y+1年区域i的最大能源量；为第y年区域i的最大能源量；为第y+1年区域i的最大能源量；为能源增长的分配系数，与年份、具体能源点、能源类型有关；如第y年在点j处有大型能源基地建设完成能够提供能源，则为当年计划供出的能源量，否则为0；
步骤1.5：若在预测数据中区域i处出现了新的负荷节点和能源点，则在区域i的辖区内，按均匀分布随机确定新的负荷点和能源点，并分配剩余的负荷量和能源量；
步骤1.6：对于新出现的负荷节点，新建节点和线路，寻找距离最近的母线作为连接点接入电网；
步骤2：检查各区域中，中低压节点的密度是否超过限度
其中为距离各负荷节点为r的区域i内的中低压节点，若区域i内中低压节点总数超过设定限值nmax且周围无高压母线节点，则需要新建高压母线节点，更新母线和线路信息；
步骤3：电源规划，针对当前的系统信息，检查是否满足各项约束，进而对电源建设方案进行排序和筛选，具体步骤如下：
步骤3.1：在不考虑新建电厂的情况下，求解如下的优化问题，检查系统是否满足各项约束，分别为电力约束、电量约束、调峰约束和环保约束：
决策变量共有np个，即连续变量Pg,j，表示节点j处发电厂的预期出力；Pd,j表示节点j处的负荷大小；np为发电厂的总数；Rp为容量备用系数；Re为电量备用系数；Aj为节点j处发电厂的可用时间；Tj为节点j处负荷的最大负荷利用小时；PR,j为节点j处发电厂的单位发电调峰深度，对于新能源机组，由于反调峰特性，该值为负；Fj为节点j处负荷的最大波动比例；Poll,j为节点j处发电厂的单位发电污染量；Po,max为当年系统最大允许污染量，该值以总量形式给出或以平均污染量形式给出；
步骤3.2：若当前系统满足上面的四个约束，则对当前的系统进行直流潮流计算，并记录过载线路信息，电源规划完成，转至步骤4；
步骤3.3：若当前系统无法全部满足上面的四个约束，则需要再进行电源规划，考虑新建电厂，确定电厂建设的备选方案，具体步骤如下：
步骤3.3.1：求出所有可利用资源点处线路建设成本预估值：在求解预估值的过程中，关键是计算输送距离，首先计算出各个区域的供需情况，确定缺电区域，根据之前读入的各节点的经度和纬度信息，利用下式计算出缺电区域i的负荷中心：
其中，n为缺电区域i的负荷点数；(xj,yj)为负荷点j的地理坐标；备选电厂与最近的缺电区域负荷中心距离和单位长度建设费用的乘积即为线路建设成本预估值；
步骤3.3.2：设第k个约束不能满足，且不满足量为uk0；依次计算当前阶段可供选择的np个电源对于该约束的有效性：
其中，uj为增加1后约束k的不满足量；为节点j处新建电厂的个数；cg,j为节点j处发电厂的建设费用；cb,j为该电厂送电所需线路的建设费用；以Egj为标准对所有备选方案排序，若不满足电力约束，则将电厂容量与线路建设成本预估值成本相除，作为排序依据；若不满足电量约束，则将电厂容量与线路建设成本预估值相除，作为排序依据；若不满足调峰约束，则将电厂调峰容量与线路建设成本预估值相除，作为排序依据；若不满足环保约束，则将污染排放量与线路建设成本预估值相除，作为排序依据；根据最终得到的排序结果，从中选取前β个方案作为最终备选方案；
步骤3.3.3：对于每种电厂建设备选方案，若能源供应点处无对应能源类型的发电机组，则需要新建发电机，否则需要新建发电机组，并就地新建高压侧母线，根据距离最小原则，寻找相同电压等级的线路接入原系统之中，更新原有的发电机和线路信息；
步骤4：对于不同的电源建设备选方案，选取评价函数，利用植物生长算法，确定优先生长点，逐次迭代求解，最终算法会收敛至满足各约束条件的较优解；
步骤5：求解输电网规划问题，确定输电线路的建设方案；
步骤5.1：对于电源规划后新的系统，求解下面的优化问题，进行直流潮流计算，确定新系统中的线路过载情况；
s.t.(Yl C+Yl E)(1+Rl)Cl≥|Fl|
其中，决策变量为整数变量Yl C，表示线路l需并联条数；cl为线路l单位容量建设费用；Cl为线路l单条容量；Yl E为线路l已并联条数；Rl为线路容量备用系数；Fl为线路l潮流；θl1、θl2分别为线路l首末端相角；θ为节点相角向量；B为节点导纳矩阵，ΔBl为新建支路l引起的节点导纳矩阵改变量；Pinj为节点注入功率向量，根据电源规划的Pg,j和Pd,j结果得出；
步骤5.2:针对过载最严重的线路：首先，判定其潮流方向，然后，线路始端不改变，求得其他节点中与原末端相距最近的β-1个节点作为新的末端；最后，将新的始末端线路以及原线路并联共β个方案作为最终备选方案；
步骤5.3：对于上面的备选方案进行拓扑优化，检验连接在一起的任意三个节点的最大角是否超过规定阈值；如超过则说明存在较为贴近的线路，则删去最大角对应对角边；
步骤6：对于不同的电网建设备选方案，选取评价函数，利用植物生长算法，确定优先生长点，最终算法会收敛至较优解；
步骤7：对系统进行完善，并安排下一阶段的发电计划；
步骤7.1：完成电源规划和电源规划后，计算系统的直流潮流，对系统的线路进行升级；
步骤7.2：求解线性规划问题，确定下一阶段的发电机出力安排，之后进入下一个阶段的电网演化；
决策变量共有np个，即连续变量Pg,j，表示节点j处发电厂的预期出力；np为发电厂的总数；Pd,j表示节点j处的负荷大小；Aj为节点j处发电厂的可用时间；PR,j为节点j处发电厂的单位发电调峰深度，对于新能源机组，由于反调峰特性，该值为负；Fj为节点j处负荷的最大波动比例；Poll,j为节点j处发电厂的单位发电污染量；Po,max为当年系统最大允许污染量，该值以总量形式给出或以平均污染量形式给出。
2.根据权利要求1所述的适用于新能源大规模接入下的电网演化模拟方法，其特征在于：步骤4和步骤6所述的利用植物生长算法确定优先生长点的方法如下：
步骤1：建立对于备选方案进行评价的背光性函数
fe＝oe+Kce
其中，oe为方案e约束超出量，对环保约束而言，该项即为污染超标量；ce＝cg,e+cb,e为当前建设费用之总和；K为系数，当其较大时表明较为重视对每个演化操作建设费用的控制而相对不看重相应对约束的改善，反之则更关心每步操作的“效果”，K的取值通过实验确定；
步骤2：根据生长素浓度函数确定优先生长点，生长素浓度函数FMi定义如下：
其中，S0是树根所在的点，M是由树根长出的树干；SM1,SM2,…,SMk是比树根光照条件好的生长点；β是生长点的总数，即备选方案的个数；
步骤3：所有的生长素浓度构成[0,1]的状态空间；根据产生在[0,1]之间的随机数所落在的位置决定优先生长点；已经优先生长的树干不会再长出新支，所以它的形态素浓度为0；此后，生长素浓度的计算将包括优先生长后的树干，以及原来没有优先生长的树干；循环执行前面的操作，直到电网演化中的约束条件都得到满足。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710885060.XA CN107591841B (zh) | 2017-09-26 | 2017-09-26 | 适用于新能源大规模接入下的电网演化模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710885060.XA CN107591841B (zh) | 2017-09-26 | 2017-09-26 | 适用于新能源大规模接入下的电网演化模拟方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107591841A CN107591841A (zh) | 2018-01-16 |
| CN107591841B true CN107591841B (zh) | 2019-11-22 |
Family
ID=61047932
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710885060.XA Active CN107591841B (zh) | 2017-09-26 | 2017-09-26 | 适用于新能源大规模接入下的电网演化模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107591841B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109040305B (zh) * | 2018-09-10 | 2021-06-04 | 浙江天脉领域科技有限公司 | 基于分层异构动态拓扑分片的区块链记录方法 |
| CN110266005B (zh) * | 2019-07-10 | 2021-07-09 | 北京理工大学 | 区域电力节点及互联区域输配电量的配置优化方法、系统 |
| CN112018757B (zh) * | 2020-08-20 | 2023-06-06 | 天津大学 | 一种面向配电网形态演化的通用算例生成方法 |
| CN111950164B (zh) * | 2020-08-25 | 2024-01-26 | 淄博京科电气有限公司 | 长期电源结构规划模型建模方法和装置 |
| CN112952814B (zh) * | 2021-03-04 | 2022-12-09 | 四川云起老和科技有限公司 | 一种考虑城镇生长特性的区域能源互联网演化模拟方法 |
| CN113807563A (zh) * | 2021-07-28 | 2021-12-17 | 国网能源研究院有限公司 | 一种计及不同功能模块运行特性的多站融合优化方法 |
| CN113705874B (zh) * | 2021-08-19 | 2024-03-15 | 国家电网有限公司 | 新能源电网演化预测方法、装置、计算机设备和存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012145563A1 (en) * | 2011-04-19 | 2012-10-26 | Viridity Energy, Inc. | Methods, apparatus and systems for managing energy assets |
| WO2013164392A1 (en) * | 2012-05-03 | 2013-11-07 | Kongsberg Maritime As | Predictive control system |
| CN103545846A (zh) * | 2013-11-11 | 2014-01-29 | 湖南大学 | 基于广义负荷预测的微网经济运行方法 |
| CN103903073A (zh) * | 2014-04-23 | 2014-07-02 | 河海大学 | 一种含分布式电源及储能的微电网优化规划方法及系统 |
| CN104156884A (zh) * | 2014-08-01 | 2014-11-19 | 国网上海市电力公司 | 考虑经济性的含微网配电网接线模式规划及评估信息系统 |
| CN104573867A (zh) * | 2015-01-15 | 2015-04-29 | 中国南方电网有限责任公司电网技术研究中心 | 一种电网规划方案节能与经济运行评估体系 |
| CN105226643A (zh) * | 2015-09-23 | 2016-01-06 | 清华大学 | 安全约束下电力系统运行模拟模型快速生成与求解方法 |
| CN105608501A (zh) * | 2015-11-19 | 2016-05-25 | 国网新疆电力公司经济技术研究院 | 一种优化新能源建设与并网时序的中长期电网规划方法 |
| CN106815657A (zh) * | 2017-01-05 | 2017-06-09 | 国网福建省电力有限公司 | 一种考虑时序性和可靠性的配电网双层规划方法 |
-
2017
- 2017-09-26 CN CN201710885060.XA patent/CN107591841B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012145563A1 (en) * | 2011-04-19 | 2012-10-26 | Viridity Energy, Inc. | Methods, apparatus and systems for managing energy assets |
| WO2013164392A1 (en) * | 2012-05-03 | 2013-11-07 | Kongsberg Maritime As | Predictive control system |
| CN103545846A (zh) * | 2013-11-11 | 2014-01-29 | 湖南大学 | 基于广义负荷预测的微网经济运行方法 |
| CN103903073A (zh) * | 2014-04-23 | 2014-07-02 | 河海大学 | 一种含分布式电源及储能的微电网优化规划方法及系统 |
| CN104156884A (zh) * | 2014-08-01 | 2014-11-19 | 国网上海市电力公司 | 考虑经济性的含微网配电网接线模式规划及评估信息系统 |
| CN104573867A (zh) * | 2015-01-15 | 2015-04-29 | 中国南方电网有限责任公司电网技术研究中心 | 一种电网规划方案节能与经济运行评估体系 |
| CN105226643A (zh) * | 2015-09-23 | 2016-01-06 | 清华大学 | 安全约束下电力系统运行模拟模型快速生成与求解方法 |
| CN105608501A (zh) * | 2015-11-19 | 2016-05-25 | 国网新疆电力公司经济技术研究院 | 一种优化新能源建设与并网时序的中长期电网规划方法 |
| CN106815657A (zh) * | 2017-01-05 | 2017-06-09 | 国网福建省电力有限公司 | 一种考虑时序性和可靠性的配电网双层规划方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107591841A (zh) | 2018-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107591841B (zh) | 适用于新能源大规模接入下的电网演化模拟方法 | |
| CN107579518B (zh) | 基于mhba的电力系统环境经济调度方法和装置 | |
| CN106487005A (zh) | 一种考虑输配电价的电网规划方法 | |
| CN107039995A (zh) | 一种考虑电能质量问题的分布式光伏电源接入规划方法 | |
| CN105719015A (zh) | 一种基于pepso的分布式电源优化选址定容方法 | |
| CN109598377B (zh) | 一种基于故障约束的交直流混合配电网鲁棒规划方法 | |
| Xiang et al. | Reliability correlated optimal planning of distribution network with distributed generation | |
| Xie et al. | Reliability-oriented networking planning for meshed VSC-HVDC grids | |
| CN109978404A (zh) | 计及不确定性因素与场景削减的输电通道扩展规划方法 | |
| CN104102954B (zh) | 考虑黑启动功能的分布式综合供能系统的优化配置方法 | |
| CN110188972A (zh) | 一种10kV配电网非专线客户接入方法 | |
| CN107480885A (zh) | 基于非支配排序差分进化算法的分布式电源布点规划方法 | |
| CN109921420A (zh) | 弹性配电网恢复力提升方法、装置及终端设备 | |
| CN114285090A (zh) | 基于单站-分区-全网的新能源极限消纳能力评估方法 | |
| Wang et al. | RETRACTED: Multi-level charging stations for electric vehicles by considering ancillary generating and storage units | |
| CN108718084B (zh) | 一种适应电力市场化改革的电源和电网协调规划方法 | |
| CN108711860B (zh) | 一种基于并行计算的配电网变电站-线路联合规划方法 | |
| CN107959287B (zh) | 一种两个电压等级电网生长演化模型的构建方法 | |
| CN109245096A (zh) | 一种主动配电网最大供电能力计算方法 | |
| CN112653194A (zh) | 一种新能源极限消纳能力评估方法 | |
| Lin et al. | A Solution Method for Many-Objective Security-Constrained Unit Commitment Considering Flexibility | |
| CN112418732A (zh) | 一种基于最大流最小割定理的含多能量枢纽综合能源系统规划方法及系统 | |
| CN108416459B (zh) | 一种电池储能电站的选址方法 | |
| CN114709815B (zh) | 一种综合gis信息优化的配电网重构和负荷灵活接入方法 | |
| El-Sobki et al. | New approach for planning high-voltage transmission networks |
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 |