CN107832905A - 一种适应分布式发电和储能站发展的配电网规划方法 - Google Patents

一种适应分布式发电和储能站发展的配电网规划方法 Download PDF

Info

Publication number
CN107832905A
CN107832905A CN201710852447.5A CN201710852447A CN107832905A CN 107832905 A CN107832905 A CN 107832905A CN 201710852447 A CN201710852447 A CN 201710852447A CN 107832905 A CN107832905 A CN 107832905A
Authority
CN
China
Prior art keywords
mrow
msub
energy storage
storage station
power
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
Application number
CN201710852447.5A
Other languages
English (en)
Other versions
CN107832905B (zh
Inventor
陈�峰
汪颖翔
方仍存
徐敬友
杨洁
雷何
贺继锋
黄竞择
唐靖
周玉洁
李亚馨
陈可
罗纯坚
张籍
阮博
陈熙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201710852447.5A priority Critical patent/CN107832905B/zh
Publication of CN107832905A publication Critical patent/CN107832905A/zh
Application granted granted Critical
Publication of CN107832905B publication Critical patent/CN107832905B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (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

一种适应分布式发电和储能站发展的配电网规划方法，该法先对规划年内的待规划配电网区域进行空间负荷预测，得到待规划配电网区域未来的负荷节点分布情况，然后根据负荷节点的分布情况建立上层优化模型，并利用该模型得到待规划配电网区域内的最优配电网网架结构，再根据最优配电网网架结构预测待规划配电网区域内所有负荷节点的负荷特性和分布式发电出力特性，最后针对储能站的选址定容和盈利模式建立下层优化模型，并利用该模型计算得到储能站投资商利益最优的储能站选址容量和建设地点。本设计不仅解决了电网规划中线路规划和储能站选址定容问题，而且实现了储能站的盈利最大化。

Description

一种适应分布式发电和储能站发展的配电网规划方法
技术领域
本发明属于智能配电网规划技术领域，具体涉及一种适应分布式发电和储能站发展的配电网规划方法。
背景技术
分布式发电技术主要有：风能发电、光伏发电、潮汐发电、生物质能发电等。与传统的发电方式相比分布式发电具有能源利用率高、环境污染小的优点。目前国内分布式发电的研究成果集中在风力发电和光伏发电。而风能、太阳能等自然资源易受环境、气候等方面的影响。这使得风力、光伏发电具有间歇性、波动性等特点，严重影响电网的安全稳定运行。风力发电和光伏发电直接并网时，其功率波动将对系统的电能质量产生严重影响，无法保证用户的正常供电。这些不利因素使得电网对风电和光伏的消纳能力有限，弃风和弃光现象严重制约了二者的发展，增加了发电成本。
传统储能技术有抽水蓄能、铅酸电池等，但是抽水蓄能对地理环境有严格的要求，铅酸电池容量小、成本高、对环境污染大，都难以大规模应用。随着储能材料以及电力电子技术的研究与发展，更多的储能技术相继被开发出来。除理论研究外，国内相继建立了储能示范工程，用以研究和验证储能在电力系统中的应用模式。合理的利用储能技术，能极大的降低分布式发电所带来的波动性问题，提高供电可靠性和能源利用率，同时对于环境保护、低碳电网建设具有重要意义。
《电网技术》第39卷第7期于2015年7月公开了一种考虑分布式电源及储能配合的主动配电网规划–运行联合优化，该文提出了一种ADN规划–运行联合优化模型，在规划决策方面考虑了线路改造和新建、储能(ESS)及分布式电源(DG)的选址定容，在运行策略方面考虑多个典型日下DG和ESS的经济调度，同时，通过分段线性化的方法对DG的出力特性进行了细化分析，并考虑了承担DG、ESS建设的区域能源供应商的营收状况。虽然其有效解决了ADN规划–运行的联合优化问题，但仍然存在以下缺陷：
该策略仅考虑了分布式电源和储能站向电网卖电的营收，且只有当储能站和分布式电源的运营商为同一家时储能才能回收成本，对于储能站来说，其盈利有限，实际应用意义不大。
发明内容
本发明的目的是克服现有技术存在的储能站盈利有限的问题，提供一种能够实现储能站盈利最大化的适应分布式发电和储能站发展的配电网规划方法。
为实现以上目的，本发明的技术方案如下：
一种适应分布式发电和储能站发展的配电网规划方法，依次包括以下步骤：
步骤1、对已知规划年内的待规划配电网区域进行空间负荷预测，得到待规划配电网区域未来的负荷节点分布情况；
步骤2、先根据待规划配电网区域未来的负荷节点分布情况建立针对配电网线路规划的上层优化模型，然后利用该上层优化模型计算得到未来待规划配电网区域内的最优配电网网架结构；
步骤3、根据步骤2得到的最优配电网网架结构预测待规划配电网区域内所有负荷节点的负荷特性和分布式发电出力特性，以模拟得到规划年内配电网区域的实际运行场景；
步骤4、先在步骤3得到的实际运行场景下，针对储能站的选址定容和盈利模式建立下层优化模型，然后利用所述下层优化模型计算得到储能站投资商利益最优的储能站选址容量和建设地点，其中，所述下层优化模型以储能站的容量成本、储能站峰谷差电价获得的利润为优化目标。
步骤4中，
所述储能站的容量成本Cs由以下公式计算得到：
式中，Es为储能站的总容量，Eu为单位能量单元的最大储能容量，Cu为单位能量单元的成本，KRE为储能站容量备用系数，Pstore(i)为当将储能站充放电循环周期T按照充电和放电划分为n段、且每段时间Δt内没有充放电特性的改变时第i段时间的出力功率，充电功率为负值，放电功率为正值；
所述储能站峰谷差电价获得的利润Cp(每日)由以下公式计算得到：
式中，TOU(i)为第i段时间的分时电价。
步骤4中，所述下层优化模型的约束条件包括：
储能能量平衡约束：
储能站在充放电循环周期T内必须满足充放电功率平衡
储能充放电功率约束：
Pstore_min≤Pstore≤Pstore_max
式中，Pstore为储能站的出力功率，Pstore_min、Pstore_max分别为储能站出力功率的最小、最大值；
配电网功率平衡约束：
式中，Pinject为配电网的注入功率，Ploadi为节点i的负荷功率，PDGj为分布式电源j的出力功率，Pstorek为储能站k的出力功率，Nnode为待规划配电网区域内负荷节点的数量，NDG为待规划配电网区域内安装分布式电源的台数，Nstore为待规划配电网区域内安装储能站的台数。
步骤2中，所述上层优化模型以配电网的线路投资以及运行费用最低为优化目标：
AP(r,m)＝r(1+r)m/[(1+r)m-1]
式中：Cost1为网架的建设费用；xi为线路建设的决策变量，用0或1表示；αi、ni分别为支路i上新建1回线路的建设费用和新建回路数；n为目标年配电网的可架设线路总数；Cost2为配电网的运行费用；Pj、Uj、Rj分别为正常运行时支路j的有功功率、额定电压和电阻；C为网损电价；Tl为第l种负荷水平下的持续时间；N为规划年内线路的总数；AP(r，m)为资金回收系数；r为资金贴现率；m为贴现年限；
所述上层优化模型的约束条件包括:
潮流平衡约束：
式中，Pi、Qi均为配网系统节点i的节点功率；Vi为配网系统节点i的节点电压；θij为配网系统节点i与节点j的节点电压相角差；Gij、Bij分别为待规划的配电网区域的节点导纳矩阵第i行、第j列元素实部和虚部；
线路容量约束：
式中，PL为线路潮流功率，PLmax为线路容量，W为正常运行时线路过负荷量的总和，φ为正常运行时过负荷线路的合集；
节点电压约束：
Vimin≤Vi≤Vimax
式中，Vi为运行时节点i的节点电压，Vimin、Vimax为正常运行时节点i允许的节点电压最小、最大值；
N-1检验约束：
式中，W＇为N-1(断开任意一条线路)条件下线路过负荷量的总和，φ＇为N-1条件下发生过负荷线路的合集，Pi＇、Pimax分别为N-1条件下运行时线路的功率和线路允许的最大功率容量；
连通性检验约束：
采用邻接矩阵法或WallShell算法对待规划配电网的拓扑结构进行连通性检验。
所述步骤1依次包括以下步骤：
步骤1.1、使用地理信息系统GIS对待规划配电网区域的空间进行处理，收集土地在交通、社区、市政、商业方面的信息；
步骤1.2、根据不同负荷类别对区域使用条件的要求对待规划配电网区域内准备开发的空地进行评价，划分新增用地使用类型；
步骤1.3、根据已有负荷密度和新增用地使用类型预测新增用地的负荷情况。
步骤2中，所述未来待规划配电网区域内的最优配电网网架结构通过遗传算法求解上层优化模型得到；
步骤4中，所述储能站投资商利益最优的储能站选址容量和建设地点通过Yalmip工具箱求解下层优化模型得到。
与现有技术相比，本发明的有益效果为：
本发明一种适应分布式发电和储能站发展的配电网规划方法通过建立一个双层优化模型，上层优化模型实现配电运营企业的利益最优，下层优化模型完成储能站的选址定容，实现储能站投资商利益最优，且下层优化模型针对储能站的规划，以储能站的容量成本、储能站峰谷差电价获得的利润为优化目标，一方面，用电量低时即电价低时储能充电，用电量高即电价高时储能放电，不仅能很好响应电网削峰填谷、平衡功率波动的需求，同时还能实现储能站自身的盈利，即通过“低储高发”获利，具有较大的应用价值，另一方面，储能站的成本回收不受运营商的影响，无论储能站和分布式电源的运营商是否为同一家，储能站都可以通过“低储高发”实现成本的回收。因此，本发明不仅解决了电网规划中线路规划和储能站选址定容问题，而且实现了储能站的盈利最大化。
附图说明
图1为本发明的流程图。
图2为本发明实施例1中待规划配电网区域内的负荷节点图。
图3为本发明实施例1步骤2得到的最优配电网网架结构图。
图4为本发明实施例1步骤3获得的负荷、光伏典型日负荷特性曲线图。
图5为本发明实施例1步骤4从备选节点处提取的典型负荷特性与光伏出力叠加后的曲线图。
图6为本发明实施例1步骤4中待规划配电网区域实施的分实时价曲线图。
具体实施方式
下面结合具体实施方式对本发明作进一步详细的说明。
参见图1，一种适应分布式发电和储能站发展的配电网规划方法，依次包括以下步骤：
步骤1、对已知规划年内的待规划配电网区域进行空间负荷预测，得到待规划配电网区域未来的负荷节点分布情况；
步骤2、先根据待规划配电网区域未来的负荷节点分布情况建立针对配电网线路规划的上层优化模型，然后利用该上层优化模型计算得到未来待规划配电网区域内的最优配电网网架结构；
步骤3、根据步骤2得到的最优配电网网架结构预测待规划配电网区域内所有负荷节点的负荷特性和分布式发电出力特性，以模拟得到规划年内配电网区域的实际运行场景；
步骤4、先在步骤3得到的实际运行场景下，针对储能站的选址定容和盈利模式建立下层优化模型，然后利用所述下层优化模型计算得到储能站投资商利益最优的储能站选址容量和建设地点，其中，所述下层优化模型以储能站的容量成本、储能站峰谷差电价获得的利润为优化目标。
步骤4中，
所述储能站的容量成本Cs由以下公式计算得到：
式中，Es为储能站的总容量，Eu为单位能量单元的最大储能容量，Cu为单位能量单元的成本，KRE为储能站容量备用系数，Pstore(i)为当将储能站充放电循环周期T按照充电和放电划分为n段、且每段时间Δt内没有充放电特性的改变时第i段时间的出力功率，充电功率为负值，放电功率为正值；
所述储能站峰谷差电价获得的利润Cp(每日)由以下公式计算得到：
式中，TOU(i)为第i段时间的分时电价。
步骤4中，所述下层优化模型的约束条件包括：
储能能量平衡约束：
储能站在充放电循环周期T内必须满足充放电功率平衡
储能充放电功率约束：
Pstore_min≤Pstore≤Pstore_max
式中，Pstore为储能站的出力功率，Pstore_min、Pstore_max分别为储能站出力功率的最小、最大值；
配电网功率平衡约束：
式中，Pinject为配电网的注入功率，Ploadi为节点i的负荷功率，PDGj为分布式电源j的出力功率，Pstorek为储能站k的出力功率，Nnode为待规划配电网区域内负荷节点的数量，NDG为待规划配电网区域内安装分布式电源的台数，Nstore为待规划配电网区域内安装储能站的台数。
步骤2中，所述上层优化模型以配电网的线路投资以及运行费用最低为优化目标：
AP(r,m)＝r(1+r)m/[(1+r)m-1]
式中：Cost1为网架的建设费用；xi为线路建设的决策变量，用0或1表示；αi、ni分别为支路i上新建1回线路的建设费用和新建回路数；n为目标年配电网的可架设线路总数；Cost2为配电网的运行费用；Pj、Uj、Rj分别为正常运行时支路j的有功功率、额定电压和电阻；C为网损电价；Tl为第l种负荷水平下的持续时间；N为规划年内线路的总数；AP(r，m)为资金回收系数；r为资金贴现率；m为贴现年限；
所述上层优化模型的约束条件包括:
潮流平衡约束：
式中，Pi、Qi均为配网系统节点i的节点功率；Vi为配网系统节点i的节点电压；θij为配网系统节点i与节点j的节点电压相角差；Gij、Bij分别为待规划的配电网区域的节点导纳矩阵第i行、第j列元素实部和虚部；
线路容量约束：
式中，PL为线路潮流功率，PLmax为线路容量，W为正常运行时线路过负荷量的总和，φ为正常运行时过负荷线路的合集；
节点电压约束：
Vimin≤Vi≤Vimax
式中，Vi为运行时节点i的节点电压，Vimin、Vimax为正常运行时节点i允许的节点电压最小、最大值；
N-1检验约束：
式中，W＇为N-1(断开任意一条线路)条件下线路过负荷量的总和，φ＇为N-1条件下发生过负荷线路的合集，Pi＇、Pimax分别为N-1条件下运行时线路的功率和线路允许的最大功率容量；
连通性检验约束：
采用邻接矩阵法或WallShell算法对待规划配电网的拓扑结构进行连通性检验。
所述步骤1依次包括以下步骤：
步骤1.1、使用地理信息系统GIS对待规划配电网区域的空间进行处理，收集土地在交通、社区、市政、商业方面的信息；
步骤1.2、根据不同负荷类别对区域使用条件的要求对待规划配电网区域内准备开发的空地进行评价，划分新增用地使用类型；
步骤1.3、根据已有负荷密度和新增用地使用类型预测新增用地的负荷情况。
步骤2中，所述未来待规划配电网区域内的最优配电网网架结构通过遗传算法求解上层优化模型得到；
步骤4中，所述储能站投资商利益最优的储能站选址容量和建设地点通过Yalmip工具箱求解下层优化模型得到。
本发明的原理说明如下：
本发明基于双层优化模型，完成了对配网新增线路的规划和对储能站的选址定容问题。优化模型考虑了未来配网侧的众多参与者的客观市场因素，同时实现了配电运营商和储能站投资商的利益最优化，有利于配网侧市场和谐发展，对于未来低碳电网的规划具有指导意义。
步骤1：实现待规划配电网区域内空间负荷的预测，为配电网线路规划提供数据基础。
步骤2：该步骤主要解决配网线路规划的优化问题，以线路投资以及运行费用最低为优化目标，实现参与配电运营的企业的利益最优化，其中，配网连通性检验约束可保证所规划电网各个节点的连通性，不出现孤岛运行的情况。
步骤3：不同节点的负荷或者出力在每天不同时刻都在变化，该步骤主要是对不同节点的负荷特性预测和分布式发电出力特性进行预测，为步骤4储能站的选址定容提供优化计算的场景。
步骤4：针对储能站的选址定容和盈利模式建立下层优化模型(默认分布式电源接入配电网)，该层优化考虑储能站的容量成本，同时凭借峰谷电价差实现储能站投资商的利益最大化，其中，
储能站峰谷差电价获得的利润：分布式发电接入配电网后，由于其出力的不确定性会加剧负荷的波动性，储能站的接入具有平风光波动的特点，同时可以借助峰谷电价差让储能站投资商获得回报。为使其利益最优化，储能站前期规划的选址显得尤为重要。
实施例1：
参见图1，一种适应分布式发电和储能站发展的配电网规划方法，依次采用以下步骤：
步骤1、对已知规划年内的待规划配电网区域进行空间负荷预测，得到待规划配电网区域未来的负荷节点分布情况，具体为：
步骤1.1、使用地理信息系统GIS对待规划配电网区域的空间进行处理，收集土地在交通、社区、市政、商业方面的信息；
步骤1.2、根据不同负荷类别对区域使用条件的要求对待规划配电网区域内准备开发的空地进行评价，划分新增用地使用类型；
步骤1.3、根据已有负荷密度和新增用地使用类型预测新增用地的负荷情况：该区域原有10个节点1-10，9条支路，预测未来新增负荷节点11-18(参见图2)；
步骤2、先根据待规划配电网区域未来的负荷节点分布情况，以配电网的线路投资以及运行费用最低为优化目标，以潮流平衡约束、线路容量约束、节点电压约束、N-1检验约束、连通性检验约束为约束条件建立上层优化模型，然后使用遗传算法求解上层优化模型所含方程，得到最优配电网网架结构(参见图3)，其中，
所述上层优化模型的目标函数为：
AP(r,m)＝r(1+r)m/[(1+r)m-1]
式中：Cost1为网架的建设费用；xi为线路建设的决策变量，用0或1表示；αi、ni分别为支路i上新建1回线路的建设费用和新建回路数；n为目标年配电网的可架设线路总数；Cost2为配电网的运行费用；Pj、Uj、Rj分别为正常运行时支路j的有功功率、额定电压和电阻；C为网损电价；Tl为第l种负荷水平下的持续时间；N为规划年内线路的总数；AP(r，m)为资金回收系数；r为资金贴现率；m为贴现年限；
所述潮流平衡约束为：
式中，Pi、Qi均为配网系统节点i的节点功率；Vi为配网系统节点i的节点电压；θij为配网系统节点i与节点j的节点电压相角差；Gij、Bij分别为待规划的配电网区域的节点导纳矩阵第i行、第j列元素实部和虚部；
所述线路容量约束为：
式中，PL为线路潮流功率，PLmax为线路容量，W为正常运行时线路过负荷量的总和，φ为正常运行时过负荷线路的合集；
所述节点电压约束为：
Vimin≤Vi≤Vimax
式中，Vi为运行时节点i的节点电压，Vimin、Vimax为正常运行时节点i允许的节点电压最小、最大值；
所述N-1检验约束为：
式中，W＇为N-1(断开任意一条线路)条件下线路过负荷量的总和，φ＇为N-1条件下发生过负荷线路的合集，Pi＇、Pimax分别为N-1条件下运行时线路的功率和线路允许的最大功率容量；
所述连通性检验约束为：
采用邻接矩阵法对待规划配电网的拓扑结构进行连通性检验，具体为：
令待规划配电网拓扑图的邻接矩阵为n阶矩阵A，计算A+A2+A3+···+An-1，若除对角线外不存在非零元素则为连通；
步骤3、根据步骤2得到的最优配电网网架结构，通过数据收集，预测待规划配电网区域新增负荷中心的负荷特性曲线，并构建分布式发电的出力曲线(此处仅以光伏和风电为例进行说明，其他类型的分布式发电的出力曲线以此类比)，通过以下步骤进行：
步骤3.1：根据已有的不同负荷中心的负荷特性曲线资料，套用类比相同的负荷类型得到待规划配电网区域新增负荷中心的负荷特性曲线(参见图4)；
步骤3.2：按照以下公式构建待规划配电网区域全年的光伏出力曲线(参见图4)：
式中，Ppv为工作点的输出功率；太阳辐照度GSTC为1kW/m2，电池表面温度TSTC为25℃，相对大气光学质量为AM1.5的条件；Gc为工作点的辐照度；k为功率温度系数；PSTC为标准额定条件下光伏阵列的额定输出功率；Tc为工作点的电池表面温度；
步骤3.3：按照以下公式构建待规划配电网区域全年的风力出力曲线：
式中，vci为切入风速，vco为切出风速，vr为额定风速，Pr为风力发电机组额定输出功率，当风速介于vci和vr之间，风速表示为线性函数，即η(v)＝Pr(v-vci)/(vr-vci)；
步骤4、具体为：
步骤4.1、根据步骤3的结果，以图3中的节点3和节点4为储能站的备选地址，提取步骤3中节点3和节点4的叠加光伏出力后的典型负荷特性(参见图5)，以储能站的容量成本、储能站峰谷差电价获得的利润为优化目标，以储能能量平衡约束、储能充放电功率约束、配网功率平衡约束为约束条件建立下层优化模型，其中，
所述储能站的容量成本Cs由以下公式计算得到，为1270元/kW·h：
式中，Es为储能站的总容量，需要根据储能站日出力特性来进行确定，Eu为单位能量单元的最大储能容量，Cu为单位能量单元的成本，KRE为储能站容量备用系数，Pstore(i)为当将储能站充放电循环周期T按照充电和放电划分为n段、且每段时间Δt内没有充放电特性的改变时第i段时间的出力功率，充电功率为负值，放电功率为正值；
所述储能站峰谷差电价获得的利润Cp(每日)由以下公式计算得到：
式中，TOU(i)为第i段时间的分时电价(参见图6)；
所述储能能量平衡约束为：
储能站在充放电循环周期T内必须满足充放电功率平衡
所述储能充放电功率约束为：
Pstore_min≤Pstore≤Pstore_max
式中，Pstore为储能站的出力功率，Pstore_min、Pstore_max分别为储能站出力功率的最小、最大值；
所述配电网功率平衡约束为：
式中，Pinject为配电网的注入功率，Ploadi为节点i的负荷功率，PDGj为分布式电源j的出力功率，Pstorek为储能站k的出力功率，Nnode为待规划配电网区域内负荷节点的数量，NDG为待规划配电网区域内安装分布式电源的台数，Nstore为待规划配电网区域内安装储能站的台数；
步骤4.2、使用Matlab环境下的Yalmip工具箱求解下层优化模型所含方程，得到备选节点优化计算后的经济型配置(参见表1)：
表1储能站在备选节点优化计算后的经济性配置结果
由以上结果可以看出，未来在节点3安装储能站能获得更高的投资回报率。因此，将节点3作为新建储能站的安装位置。

Claims (6)

1.一种适应分布式发电和储能站发展的配电网规划方法，其特征在于：
该方法依次包括以下步骤：
步骤1、对已知规划年内的待规划配电网区域进行空间负荷预测，得到待规划配电网区域未来的负荷节点分布情况；
步骤2、先根据待规划配电网区域未来的负荷节点分布情况建立针对配电网线路规划的上层优化模型，然后利用该上层优化模型计算得到未来待规划配电网区域内的最优配电网网架结构；
步骤3、根据步骤2得到的最优配电网网架结构预测待规划配电网区域内所有负荷节点的负荷特性和分布式发电出力特性，以模拟得到规划年内配电网区域的实际运行场景；
步骤4、先在步骤3得到的实际运行场景下，针对储能站的选址定容和盈利模式建立下层优化模型，然后利用所述下层优化模型计算得到储能站投资商利益最优的储能站选址容量和建设地点，其中，所述下层优化模型以储能站的容量成本、储能站峰谷差电价获得的利润为优化目标。
2.根据权利要求1所述的一种适应分布式发电和储能站发展的配电网规划方法，其特征在于：
步骤4中，
所述储能站的容量成本Cs由以下公式计算得到：
<mrow> <msub> <mi>C</mi> <mi>s</mi> </msub> <mo>=</mo> <mfrac> <msub> <mi>E</mi> <mi>S</mi> </msub> <msub> <mi>E</mi> <mi>u</mi> </msub> </mfrac> <mo>&amp;CenterDot;</mo> <msub> <mi>C</mi> <mi>u</mi> </msub> </mrow>
<mrow> <msub> <mi>E</mi> <mi>S</mi> </msub> <mo>=</mo> <msub> <mi>K</mi> <mrow> <mi>R</mi> <mi>E</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <mi>M</mi> <mi>A</mi> <mi>X</mi> <mrow> <mo>(</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>i</mi> </munderover> <msub> <mi>P</mi> <mrow> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>r</mi> <mi>e</mi> </mrow> </msub> <mo>(</mo> <mi>i</mi> <mo>)</mo> <mi>&amp;Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>i</mi> <mo>&amp;le;</mo> <mi>n</mi> </mrow>
式中，Es为储能站的总容量，Eu为单位能量单元的最大储能容量，Cu为单位能量单元的成本，KRE为储能站容量备用系数，Pstore(i)为当将储能站充放电循环周期T按照充电和放电划分为n段、且每段时间Δt内没有充放电特性的改变时第i段时间的出力功率，充电功率为负值，放电功率为正值；
所述储能站峰谷差电价获得的利润Cp(每日)由以下公式计算得到：
<mrow> <msub> <mi>C</mi> <mi>p</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>i</mi> <mo>=</mo> <mi>n</mi> </mrow> </munderover> <mi>T</mi> <mi>O</mi> <mi>U</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <msub> <mi>P</mi> <mrow> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>r</mi> <mi>e</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mi>&amp;Delta;</mi> <mi>t</mi> </mrow>
式中，TOU(i)为第i段时间的分时电价。
3.根据权利要求2所述的一种适应分布式发电和储能站发展的配电网规划方法，其特征在于：
步骤4中，所述下层优化模型的约束条件包括：
储能能量平衡约束：
储能站在充放电循环周期T内必须满足充放电功率平衡
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>i</mi> <mo>=</mo> <mi>n</mi> </mrow> </munderover> <msub> <mi>P</mi> <mrow> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>r</mi> <mi>e</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> <mo>;</mo> </mrow>
储能充放电功率约束：
Pstore_min≤Pstore≤Pstore_max
式中，Pstore为储能站的出力功率，Pstore_min、Pstore_max分别为储能站出力功率的最小、最大值；
配电网功率平衡约束：
<mrow> <msub> <mi>P</mi> <mrow> <mi>i</mi> <mi>n</mi> <mi>j</mi> <mi>e</mi> <mi>c</mi> <mi>t</mi> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mrow> <mi>n</mi> <mi>o</mi> <mi>d</mi> <mi>e</mi> </mrow> </msub> </munderover> <msub> <mi>P</mi> <mrow> <mi>l</mi> <mi>o</mi> <mi>a</mi> <mi>d</mi> <mi>i</mi> </mrow> </msub> <mo>-</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mrow> <mi>D</mi> <mi>G</mi> </mrow> </msub> </munderover> <msub> <mi>P</mi> <mrow> <mi>D</mi> <mi>G</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mrow> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>r</mi> <mi>e</mi> </mrow> </msub> </munderover> <msub> <mi>P</mi> <mrow> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>r</mi> <mi>e</mi> <mi>k</mi> </mrow> </msub> </mrow>
式中，Pinject为配电网的注入功率，Ploadi为节点i的负荷功率，PDGj为分布式电源j的出力功率，Pstorek为储能站k的出力功率，Nnode为待规划配电网区域内负荷节点的数量，NDG为待规划配电网区域内安装分布式电源的台数，Nstore为待规划配电网区域内安装储能站的台数。
4.根据权利要求1所述的一种适应分布式发电和储能站发展的配电网规划方法，其特征在于：
步骤2中，所述上层优化模型以配电网的线路投资以及运行费用最低为优化目标：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>MinCost</mi> <mn>1</mn> </msub> <mo>=</mo> <mi>A</mi> <mi>P</mi> <mrow> <mo>(</mo> <mi>r</mi> <mo>,</mo> <mi>m</mi> <mo>)</mo> </mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>x</mi> <mi>i</mi> </msub> <msub> <mi>&amp;alpha;</mi> <mi>i</mi> </msub> <msub> <mi>n</mi> <mi>i</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>MinCost</mi> <mn>2</mn> </msub> <mo>=</mo> <msub> <mi>CT</mi> <mi>l</mi> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mi>j</mi> </msub> <mo>/</mo> <msub> <mi>U</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <msub> <mi>R</mi> <mi>j</mi> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced>
AP(r,m)＝r(1+r)m/[(1+r)m-1]
式中：Cost1为网架的建设费用；xi为线路建设的决策变量，用0或1表示；αi、ni分别为支路i上新建1回线路的建设费用和新建回路数；n为目标年配电网的可架设线路总数；Cost2为配电网的运行费用；Pj、Uj、Rj分别为正常运行时支路j的有功功率、额定电压和电阻；C为网损电价；Tl为第l种负荷水平下的持续时间；N为规划年内线路的总数；AP(r，m)为资金回收系数；r为资金贴现率；m为贴现年限；
所述上层优化模型的约束条件包括:
潮流平衡约束：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>=</mo> <msub> <mi>V</mi> <mi>i</mi> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>V</mi> <mi>j</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>G</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mi>cos&amp;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&amp;theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>Q</mi> <mi>i</mi> </msub> <mo>=</mo> <msub> <mi>V</mi> <mi>i</mi> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>V</mi> <mi>j</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>G</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mi>sin&amp;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&amp;theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced>
式中，Pi、Qi均为配网系统节点i的节点功率；Vi为配网系统节点i的节点电压；θij为配网系统节点i与节点j的节点电压相角差；Gij、Bij分别为待规划的配电网区域的节点导纳矩阵第i行、第j列元素实部和虚部；
线路容量约束：
式中，PL为线路潮流功率，PLmax为线路容量，W为正常运行时线路过负荷量的总和，φ为正常运行时过负荷线路的合集；
节点电压约束：
Vimin≤Vi≤Vimax
式中，Vi为运行时节点i的节点电压，Vimin、Vimax为正常运行时节点i允许的节点电压最小、最大值；
N-1检验约束：
式中，W＇为N-1(断开任意一条线路)条件下线路过负荷量的总和，φ＇为N-1条件下发生过负荷线路的合集，Pi＇、Pimax分别为N-1条件下运行时线路的功率和线路允许的最大功率容量；
连通性检验约束：
采用邻接矩阵法或WallShell算法对待规划配电网的拓扑结构进行连通性检验。
5.根据权利要求1所述的一种适应分布式发电和储能站发展的配电网规划方法，其特征在于：
所述步骤1依次包括以下步骤：
步骤1.1、使用地理信息系统GIS对待规划配电网区域的空间进行处理，收集土地在交通、社区、市政、商业方面的信息；
步骤1.2、根据不同负荷类别对区域使用条件的要求对待规划配电网区域内准备开发的空地进行评价，划分新增用地使用类型；
步骤1.3、根据已有负荷密度和新增用地使用类型预测新增用地的负荷情况。
6.根据权利要求1所述的一种适应分布式发电和储能站发展的配电网规划方法，其特征在于：
步骤2中，所述未来待规划配电网区域内的最优配电网网架结构通过遗传算法求解上层优化模型得到；
步骤4中，所述储能站投资商利益最优的储能站选址容量和建设地点通过Yalmip工具箱求解下层优化模型得到。
CN201710852447.5A 2017-09-19 2017-09-19 一种适应分布式发电和储能站发展的配电网规划方法 Active CN107832905B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710852447.5A CN107832905B (zh) 2017-09-19 2017-09-19 一种适应分布式发电和储能站发展的配电网规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710852447.5A CN107832905B (zh) 2017-09-19 2017-09-19 一种适应分布式发电和储能站发展的配电网规划方法

Publications (2)

Publication Number Publication Date
CN107832905A true CN107832905A (zh) 2018-03-23
CN107832905B CN107832905B (zh) 2021-10-08

Family

ID=61643896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710852447.5A Active CN107832905B (zh) 2017-09-19 2017-09-19 一种适应分布式发电和储能站发展的配电网规划方法

Country Status (1)

Country Link
CN (1) CN107832905B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190817A (zh) * 2018-08-28 2019-01-11 四川大学 燃煤耦合生物质减排发电的二层决策优化方法
CN110189231A (zh) * 2019-04-16 2019-08-30 国家电网有限公司 一种基于改进遗传算法的电网最优供电方案的确定方法
CN110808600A (zh) * 2019-11-13 2020-02-18 深圳供电局有限公司 一种计算变电站内接入电池储能站的方法及系统
CN110852483A (zh) * 2019-10-15 2020-02-28 同济大学 一种城轨交通地面储能选址方法、系统及装置
CN111009923A (zh) * 2019-12-24 2020-04-14 国网山东省电力公司聊城供电公司 一种含分布式电源的新型配网双层优化配置方法
CN111144640A (zh) * 2019-12-24 2020-05-12 国网河北省电力有限公司邢台供电分公司 储能站优化配置方法及终端设备
CN111860955A (zh) * 2020-06-18 2020-10-30 国家电网有限公司 基于大数据的电网规划精益分析方法
CN112149875A (zh) * 2020-08-27 2020-12-29 国网能源研究院有限公司 一种主动配电网分布式储能系统优化配置方法及装置
CN112699562A (zh) * 2021-01-04 2021-04-23 国网福建省电力有限公司尤溪县供电公司 一种构建配电网架构的方法及终端
CN112928767A (zh) * 2021-03-29 2021-06-08 广东电网有限责任公司电力科学研究院 一种分布式储能协同控制方法
CN113312780A (zh) * 2021-06-07 2021-08-27 杭州市电力设计院有限公司余杭分公司 一种储能站规划方法、装置及设备
CN113410843A (zh) * 2021-08-09 2021-09-17 华北电力大学 一种基于负荷矩和分布式电源接入配电网的低电压治理方法
CN113946981A (zh) * 2021-11-17 2022-01-18 国网四川省电力公司电力科学研究院 一种水电制氢负荷接入电网的选址定容方法及系统
CN114330938A (zh) * 2022-03-16 2022-04-12 广东电网有限责任公司东莞供电局 一种配电网分布式储能规划方法及系统
CN114709815A (zh) * 2021-12-28 2022-07-05 国网河南省电力公司经济技术研究院 一种综合gis信息优化的配电网重构和负荷灵活接入方法
CN117994084A (zh) * 2024-04-07 2024-05-07 国网浙江省电力有限公司宁波供电公司 一种分布式电源的选址方法、装置、计算机设备及介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105976108A (zh) * 2016-05-05 2016-09-28 国网浙江省电力公司电力科学研究院 一种配电网分布式储能规划方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105976108A (zh) * 2016-05-05 2016-09-28 国网浙江省电力公司电力科学研究院 一种配电网分布式储能规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贺继锋 等: "考虑储能站投资收益的配电网规划模型", 《电力建设》 *

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190817B (zh) * 2018-08-28 2021-11-23 四川大学 燃煤耦合生物质减排发电的二层决策优化方法
CN109190817A (zh) * 2018-08-28 2019-01-11 四川大学 燃煤耦合生物质减排发电的二层决策优化方法
CN110189231A (zh) * 2019-04-16 2019-08-30 国家电网有限公司 一种基于改进遗传算法的电网最优供电方案的确定方法
CN110189231B (zh) * 2019-04-16 2022-02-18 国家电网有限公司 一种基于改进遗传算法的电网最优供电方案的确定方法
CN110852483A (zh) * 2019-10-15 2020-02-28 同济大学 一种城轨交通地面储能选址方法、系统及装置
CN110852483B (zh) * 2019-10-15 2022-05-20 同济大学 一种城轨交通地面储能选址方法、系统及装置
CN110808600A (zh) * 2019-11-13 2020-02-18 深圳供电局有限公司 一种计算变电站内接入电池储能站的方法及系统
CN110808600B (zh) * 2019-11-13 2023-05-02 深圳供电局有限公司 一种计算变电站内接入电池储能站的方法及系统
CN111009923A (zh) * 2019-12-24 2020-04-14 国网山东省电力公司聊城供电公司 一种含分布式电源的新型配网双层优化配置方法
CN111144640A (zh) * 2019-12-24 2020-05-12 国网河北省电力有限公司邢台供电分公司 储能站优化配置方法及终端设备
CN111144640B (zh) * 2019-12-24 2023-05-23 国网河北省电力有限公司邢台供电分公司 储能站优化配置方法及终端设备
CN111860955A (zh) * 2020-06-18 2020-10-30 国家电网有限公司 基于大数据的电网规划精益分析方法
CN112149875A (zh) * 2020-08-27 2020-12-29 国网能源研究院有限公司 一种主动配电网分布式储能系统优化配置方法及装置
CN112699562B (zh) * 2021-01-04 2022-09-13 国网福建省电力有限公司尤溪县供电公司 一种构建配电网架构的方法及终端
CN112699562A (zh) * 2021-01-04 2021-04-23 国网福建省电力有限公司尤溪县供电公司 一种构建配电网架构的方法及终端
CN112928767B (zh) * 2021-03-29 2022-06-14 广东电网有限责任公司电力科学研究院 一种分布式储能协同控制方法
CN112928767A (zh) * 2021-03-29 2021-06-08 广东电网有限责任公司电力科学研究院 一种分布式储能协同控制方法
CN113312780A (zh) * 2021-06-07 2021-08-27 杭州市电力设计院有限公司余杭分公司 一种储能站规划方法、装置及设备
CN113410843A (zh) * 2021-08-09 2021-09-17 华北电力大学 一种基于负荷矩和分布式电源接入配电网的低电压治理方法
CN113946981A (zh) * 2021-11-17 2022-01-18 国网四川省电力公司电力科学研究院 一种水电制氢负荷接入电网的选址定容方法及系统
CN114709815A (zh) * 2021-12-28 2022-07-05 国网河南省电力公司经济技术研究院 一种综合gis信息优化的配电网重构和负荷灵活接入方法
CN114330938B (zh) * 2022-03-16 2022-06-14 广东电网有限责任公司东莞供电局 一种配电网分布式储能规划方法及系统
CN114330938A (zh) * 2022-03-16 2022-04-12 广东电网有限责任公司东莞供电局 一种配电网分布式储能规划方法及系统
WO2023173817A1 (zh) * 2022-03-16 2023-09-21 广东电网有限责任公司东莞供电局 一种配电网分布式储能规划方法及系统
CN117994084A (zh) * 2024-04-07 2024-05-07 国网浙江省电力有限公司宁波供电公司 一种分布式电源的选址方法、装置、计算机设备及介质

Also Published As

Publication number Publication date
CN107832905B (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
CN107832905A (zh) 一种适应分布式发电和储能站发展的配电网规划方法
Jahangiri et al. Using fuzzy MCDM technique to find the best location in Qatar for exploiting wind and solar energy to generate hydrogen and electricity
Akhtari et al. Techno-economic assessment and optimization of a hybrid renewable co-supply of electricity, heat and hydrogen system to enhance performance by recovering excess electricity for a large energy consumer
Tao et al. Collaborative planning for electricity distribution network and transportation system considering hydrogen fuel cell vehicles
Blakers et al. 100% renewable electricity in Australia
Allouhi et al. Energetic, economic and environmental (3E) analyses and LCOE estimation of three technologies of PV grid-connected systems under different climates
Thomas et al. Optimal design and techno-economic analysis of an autonomous small isolated microgrid aiming at high RES penetration
Calvillo et al. Energy management and planning in smart cities
Kumar et al. Techno-economic analysis of solar photo-voltaic/diesel generator hybrid system using different energy storage technologies for isolated islands of India
CN105205552B (zh) 一种独立新能源混合发电系统优化规划方法
CN112734098B (zh) 一种基于源-荷-网平衡的配电网电力调度方法及系统
CN103839109A (zh) 一种基于博弈纳什均衡的微网电源规划方法
Chaichan et al. Optimization of stand-alone and grid-connected hybrid solar/wind/fuel cell power generation for green islands: Application to Koh Samui, southern Thailand
CN107769235A (zh) 一种基于混合储能与电动汽车的微网能量管理方法
CN105427063A (zh) 一种微电网调度决策方法及系统
CN114977320A (zh) 一种配电网源网荷储多目标协同规划方法
An et al. Optimal operation of multi-micro energy grids under distribution network in Southwest China
Ibrahim Investigation of a grid-connected solar pv system for the electric-vehicle charging station of an office building using pvsol software
Prema et al. Sizing of microgrids for Indian systems using HOMER
Zheng et al. Multi-objective optimization of hybrid energy management system for expressway chargers
Oladigbolu et al. A novel doubly-green stand-alone electric vehicle charging station in saudi arabia: an overview and a comprehensive feasibility study
CN106408452A (zh) 含多分布式电源配电网的电动汽车充电站优化配置方法
CN110443406A (zh) 一种电动汽车充电设施与分布式电源的分层规划方法
Liu et al. Business model comparison of slum-based PV to realize low-cost and flexible power generation in city-level
Mohammad et al. Hydrogen technology supported solar photovoltaic-based microgrid for urban apartment buildings: Techno-economic analysis and optimal design

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