CN108090619A - 源网荷储协同规划的研究 - Google Patents
源网荷储协同规划的研究 Download PDFInfo
- Publication number
- CN108090619A CN108090619A CN201711454529.0A CN201711454529A CN108090619A CN 108090619 A CN108090619 A CN 108090619A CN 201711454529 A CN201711454529 A CN 201711454529A CN 108090619 A CN108090619 A CN 108090619A
- Authority
- CN
- China
- Prior art keywords
- power grid
- power
- load
- distributed generation
- regional
- 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
- 240000002853 Nelumbo nucifera Species 0.000 title claims abstract description 4
- 235000006508 Nelumbo nucifera Nutrition 0.000 title claims abstract description 4
- 235000006510 Nelumbo pentapetala Nutrition 0.000 title claims abstract description 4
- 238000011160 research Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000004146 energy storage Methods 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 7
- 230000009977 dual effect Effects 0.000 claims description 4
- 230000007935 neutral effect Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000009194 climbing Effects 0.000 claims description 2
- 238000013277 forecasting method Methods 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000001172 regenerating effect Effects 0.000 claims description 2
- 125000002950 monocyclic group Chemical group 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract 1
- 230000001537 neural effect Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 210000004218 nerve net Anatomy 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提出了一种新的“源‑网‑荷‑储”协同规划方法。其目的是在配电网规划中，通过预测得知该区域电网所有的负荷总量及趋势，寻找出与该区域电网相连的负荷线路，使得该区域电网分布式电源发出的功率总量与该区域相连的负荷总量尽可能相匹配，经操控使该区域中负荷线路无缝切换到大电网或者分布式电源功率输出加大或者分布式电源的某个电源投运，同时考虑使线路切换次数最小化的约束。本发明要解决的技术问题是对于不同的分布式电源优化运行的目标函数和电网运行具体情况，要考虑多种不同的运行模式，选择更好的网架及运行方式，更精准进行负荷预测，从而更好地对配电网做出规划。
Description
技术领域
本发明涉及配电网规划方法，属于电力行业配电网规划技术领域。
背景技术
未来的电网必须能够提供更加安全、可靠、清洁、优质的电力供应，能够适应多种能源类型发电方式的需要，能够更加适应高度市场化的电力交易的需要，能够更加适应客户的自主选择需要，进一步提高庞大的电网资产利用效率和效益，提供更加优质的服务。目前配电网规划主要存在以下问题：
1. 网站分布不均匀
在实际的配电网规划之前，很多规划单位没有对拟建设区域进行实地的勘探，盲目对网点进行分布设计，极大地影响到了配电网的分布，配电网的规划质量难以保证。
2. 城市规划的衔接问题
对于城市配电网的衔接问题，应该从以下两个方面解决，第一，解决城市规划与配电网之间出现的衔接问题，第二，城市建设与配电网之间的衔接问题。
3. 配网建设可靠度不够
城市配网规划建设中，部分投资单位为降低投资额度，阻碍配网后续改进工作的顺利进行。与此同时，城市配电网与基层配电网所用材料存在极大的差别，基层配电网设备相对落后，电站数量稀少，当用电量过高时无法承担电力负荷，损坏电网。城市配网规划设计中也受到技术因素的限制，存在电网灵活度不足等问题。
发明内容
本发明主要优化了配电网规划，提出了一种新的“源-网-荷-储”协同规划方法，明确了含分布式电源的配电网规划目标。并在对供电模式、网架结构进行细分后提出了使用软件平台对规划进行仿真。
具体技术方案如下：
一、构建数学模型
其中代表该时间段内i个分布式电源发出的功率，为在该时间段内区域电网中第ｊ条负荷线路上的负荷预测值代表该区域电网中所有的负荷线路，ｎ代表分布式电源总个数。该目标的含义是：通过预测得知该区域电网所有的负荷总量及趋势，寻找出与该区域电网相连的负荷线路，使得该区域电网分布式电源发出的功率总量与该区域相连的负荷总量尽可能相匹配，经操控使该区域中负荷线路无缝切换到大电网或者分布式电源功率输出加大或者分布式电源的某个电源投运，当然还得考虑使线路切换次数最小化的约束。
基于上述模型，将供电情况分为以下五种情况：
模式一：
这种模式代表该时段内所有分布式电源出力总和超过了与区域电网相连的总负荷功率需求，此时电池电量没有达到最大存储量，电池继续充电。
模式二：
或
或 （9-3）
且
这种模式代表该时段内所有分布式电源出力总和超过了与区域电网相连的总负荷需求和储能设备能够吸收电能之和，但低于该区域拥有的所有负荷用电需求（当前时刻，有一部分连接在大电网上），此时可将连接大电网上的部分负荷无缝切换到区域电网上，使区域电网上的分布式电源对这部分负荷供电。
模式三：
或
或 （9-4）
且
这种模式代表该时段内所有分布式电源出力总和超过了区域电网拥有的总负荷功率需求和储能设备能够吸收电能之和，分布式由源发出的电量超过了该区域负荷的总和部分应该弃掉。
模式四：
该模式表示该时段内所有分布式电源出力总和低于与区域电网相连的总负荷功率需求，而加上储能设备的放电能够满足该区域电网的用电需求，并且各分布式电池的爬坡率高于该时段内电池需要提供的用电功率变化率，这表明可以用该时段内的分布式电源和储能设备对该区域用户供电，此时即采用该区域电网的分布式电源供电和储能设备放电的方式对该区域电网供电。
模式五：
或
该模式表示该时段内所有分布式电源出力和储能设备放电能力总和低于与区域电网相连的总负荷功率需求，即仅靠该区域的分布式电源和储能设备供电已经无法满足用户需求，此时需要将部分负荷无缝切换接入到大电网，使大电网向该区域这部分负荷供电，以满足用户的用电需求。
二、负荷预测
对于短期的负荷预测，给出基于智能化预测方法为径向基（Radial Basis Function，RBF）神经网络超短期预测。该方法具有很强的泛化能力，能够良好的表达和处理非线性问题，已经广泛应用于各类函数逼近、数据挖掘、数据分析和系统建模等多个领域。RBF神经网络有多种结构方式，其中互层网络结构是最常见的网络结构方式，输入层、隐含层和输出层，这里所用的网络结构原理见附图（3）。
图中第一层将所需的数据直接传递到隐含层，为避免各参量量纲不一致影响及计算溢出因素，需要对模型样本数据进行归一化预处理，也即要将网络连接的所有权值为1；第二层隐含层，利用径向基函数作为传递函数，对上一层（输入层）的信息进行处理，这一层的处理是非线性映射，是RBF神经网络能够具有良好的非线性逼近能力的关键；第三层为输出层，将隐含层的输出作为输入，并对这些输出进行加权求和得到该层的输出，即系统的最终输出。
三、网架结构
1. 闭环网架结构
本发明主要分析闭环运行网络，根据闭环运行馈线供电电源的不同，闭环馈线配置方式可以分为3种，如附图（4）所示。
类型1：闭环运行的两条馈线由同一变压器母线供电。
类型2：闭环运行的两条馈线由同一变电站内不同变压器供电。此类型根据变电站母线联络断路器的开关状态又可细分为两种情况：类型，母线断路器常开；类型，母线断路器常闭。
类型3：闭环运行的两条馈线由不同变电站的两变压器供电。
接线模式
城市配电网接线模式主要有以下五种：单电源单环网、双电源单环网、三电源单环网、N供一备、双电源双环网，见附图（5）与附图（6）。
对于接线模式的选择，将考虑地域特性及负荷特性等因素。
地域特性：
地形特点会影响供电架构的初选，具体因素如附图（7）所示。
山区、丘陵等地形复杂地区对变电站的布局和站间联络都会造成障碍，而平原地带则容易构建站间联络。
负荷特性：
负荷特性一般包括负荷电压特性、负荷频率特性、负荷时间特性和负荷分布特性。其中，负荷电压特性、负荷频率特性、负荷时间特性对供电模型的初选无明显影响。负荷分布特性一般指负荷密度，负荷特性对实际供电模型初选的主要影响因素为负荷密度，具体因素如附图（8）所示。
四、规划工具
对于确定的网架及供电模式，通过规划工具进行负荷预测，从而协助配电网规划。先进的配电网规划方法都基于智能的规划软件平台作为支撑。对于可再生能源、储能等的并入，通过软件将各信息整合在一起，统筹规划源-网-荷。
附图说明
图（1）为本发明规划方法在最优运行模式下的规划流程图。
图（2）为本发明提出的基于RBF神经网络的负荷预测算法流程图。
图（3）径向基神经网络结构示意图。
图（4）闭环运行的馈线配置方式。
图（5）配电网模式-1。
图（6）配电网模式-2。
图（7）地域特性对供电模型初选影响。
图（8）负荷特性对供电模型初选影响。
具体实施方式
具体实施方法分以下步骤进行：
步骤一：分析拟规划地区的地域特性及负荷特性，分析合理的供电模型及网架规划。配电网闭环运行会使保护控制方案变得复杂，需要采用例如集中式保护配电自动化之类的保护模式才能提高可靠性；为减少闭环运行方式带来的运行复杂性，配电网接线模式规划需要采用分区、分段、按负荷密度和负荷特性的原则进行，并尽量采用典型的接线模式。
步骤二：对于给定的网架，通过RBF方法预测负荷。具体实现步骤如下：
（1）根据负荷预测周期和预测点数的实际需要，选择RBF神经网络的输入层数目、隐含层数目和输出层数目，选择径向基函数类型；
（2）利用K均值算法，计算径向基函数中心和宽度；
（3）初始化RBF神经网洛连接权值和阀值；
（4）输入样本数据，包括有功功率、无功功率，以功率因数作为系统评价参数；
（5）计算RBF神经网络的训练样本的径向基函数输出；
（6）计算RBF神经网络最终输出即负荷值；
（7）根据得到的神经网络输出，计算模型误差，利用线性最小方差法，训练神经网络连接权值和阈值；
（8）得到所有样本的模型输出误差，判断该模型是否达到需求精度或者达到训练次数上限，如果是，则输出神经网络参数；否则，则转到第4步；
（9）利用得到的神经网络模型，结合实际有功功率、无功功率数据，进行负荷预测。
Claims (5)
1.提出一种通过计算可再生能源容量和区域电网中用户负荷容量，对电网进行规划的“源-网-荷-储”协同规划方法；其目标是：通过预测得知该区域电网所有的负荷总量及趋势，寻找出与该区域电网相连的负荷线路，使得该区域电网分布式电源发出的功率总量与该区域相连的负荷总量尽可能相匹配，经操控使该区域中负荷线路无缝切换到大电网或者分布式电源功率输出加大或者分布式电源的某个电源投运。
2.基于权利要求1中所述的数学模型，提出以下五种运行模式：
该时段内所有分布式电源出力总和超过了与区域电网相连的总负荷功率需求，此时电池电量没有达到最大存储量，电池继续充电；
该时段内所有分布式电源出力总和超过了与区域电网相连的总负荷需求和储能设备能够吸收电能之和，但低于该区域拥有的所有负荷用电需求，此时可将连接大电网上的部分负荷无缝切换到区域电网上，使区域电网上的分布式电源对这部分负荷供电；
该时段内所有分布式电源出力总和超过了区域电网拥有的总负荷功率需求和储能设备能够吸收电能之和，分布式由源发出的电量超过了该区域负荷的总和部分应该弃掉；
该时段内所有分布式电源出力总和低于与区域电网相连的总负荷功率需求，而加上储能设备的放电能够满足该区域电网的用电需求，并且各分布式电池的爬坡率高于该时段内电池需要提供的用电功率变化率，此时即采用该区域电网的分布式电源供电和储能设备放电的方式对该区域电网供电；
该时段内所有分布式电源出力和储能设备放电能力总和低于与区域电网相连的总负荷功率需求，即仅靠该区域的分布式电源和储能设备供电已经无法满足用户需求，此时需要将部分负荷无缝切换接入到大电网，使大电网向该区域这部分负荷供电，以满足用户的用电需求。
3.基于权利要求2中所述的五种运行模式，提出径向基（Radial Basis Function，RBF）神经网络负荷预测方法，并以互层网络结构为例；该结构包含输入层、隐含层和输出层；输入层将所需的数据做归一化处理，隐含层利用径向基函数作为传递函数，对上一层信息进行处理；输出层对隐含层输出结果进行加权求和得到该层的输出，即系统最终输出。
4.城市配电网接线模式主要有以下五种：单电源单环网、双电源单环网、三电源单环网、N供一备、双电源双环网；考虑地域特性及负荷特性等因素，选出适合拟规划地区的接线方式。
5.基于权利要求1-4分析，提出可以在实际规划中使用Matlab对负荷数据进行仿真，从而辅助配电网“源-网-荷-储”协同规划。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711454529.0A CN108090619A (zh) | 2017-12-28 | 2017-12-28 | 源网荷储协同规划的研究 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711454529.0A CN108090619A (zh) | 2017-12-28 | 2017-12-28 | 源网荷储协同规划的研究 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108090619A true CN108090619A (zh) | 2018-05-29 |
Family
ID=62180715
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711454529.0A Pending CN108090619A (zh) | 2017-12-28 | 2017-12-28 | 源网荷储协同规划的研究 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108090619A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109193950A (zh) * | 2018-10-26 | 2019-01-11 | 广东电网有限责任公司 | 基于源网荷储协调的电力系统优化调度及策略方法 |
| CN112260322A (zh) * | 2020-10-10 | 2021-01-22 | 中国电力科学研究院有限公司 | 源网荷储仿真平台、方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104036329A (zh) * | 2014-05-16 | 2014-09-10 | 浙江大学 | 一种基于多智能体协同寻优的含光伏微源主动配网拓扑重构方法 |
| CN105590174A (zh) * | 2015-12-29 | 2016-05-18 | 南京因泰莱电器股份有限公司 | 基于k-均值聚类rbf神经网络的企业用电负荷预测方法 |
| CN105743126A (zh) * | 2016-04-14 | 2016-07-06 | 华南理工大学 | 一种实现负荷管理的微电网能量管理系统 |
-
2017
- 2017-12-28 CN CN201711454529.0A patent/CN108090619A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104036329A (zh) * | 2014-05-16 | 2014-09-10 | 浙江大学 | 一种基于多智能体协同寻优的含光伏微源主动配网拓扑重构方法 |
| CN105590174A (zh) * | 2015-12-29 | 2016-05-18 | 南京因泰莱电器股份有限公司 | 基于k-均值聚类rbf神经网络的企业用电负荷预测方法 |
| CN105743126A (zh) * | 2016-04-14 | 2016-07-06 | 华南理工大学 | 一种实现负荷管理的微电网能量管理系统 |
Non-Patent Citations (4)
| Title |
|---|
| 万玉建 等: "一种微电网并转孤模式切换时功率平衡计算方法" * |
| 王惠中 等: "城市配电系统用户接入模式及典型应用" * |
| 王成山 等: "微电网关键技术研究" * |
| 王有春 等: "微电网规划关键问题与运行仿真" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109193950A (zh) * | 2018-10-26 | 2019-01-11 | 广东电网有限责任公司 | 基于源网荷储协调的电力系统优化调度及策略方法 |
| CN112260322A (zh) * | 2020-10-10 | 2021-01-22 | 中国电力科学研究院有限公司 | 源网荷储仿真平台、方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mahdavi et al. | An efficient mathematical model for distribution system reconfiguration using AMPL | |
| De Oliveira et al. | Artificial immune systems applied to the reconfiguration of electrical power distribution networks for energy loss minimization | |
| Ng et al. | Capacitor allocation by approximate reasoning: fuzzy capacitor placement | |
| Farahmand et al. | Hybrid mutation particle swarm optimisation method for available transfer capability enhancement | |
| CN107392395A (zh) | 一种基于价格激励机制的配电网和微电网协调优化方法 | |
| CN107579518A (zh) | 基于mhba的电力系统环境经济调度方法和装置 | |
| Shirazi et al. | A multiagent design for self-healing in electric power distribution systems | |
| Silveira et al. | Mathematical optimization versus Metaheuristic techniques: A performance comparison for reconfiguration of distribution systems | |
| CN111768054A (zh) | 一种包含多利益主体的分区分布式协调优化方法 | |
| Jin et al. | Alleviation of overloads in transmission network: A multi-level framework using the capability from active distribution network | |
| Chen et al. | A game theoretic approach to phase balancing by plug-in electric vehicles in the smart grid | |
| CN114142532B (zh) | 分布式光伏参与源网荷储协调控制的方法及系统 | |
| Parizad et al. | Optimal distribution systems reconfiguration for short circuit level reduction using PSO algorithm | |
| Lu et al. | Multistage robust optimization of routing and scheduling of mobile energy storage in coupled transportation and power distribution networks | |
| Bahmanifirouzi et al. | Multi-objective stochastic dynamic economic emission dispatch enhancement by fuzzy adaptive modified theta particle swarm optimization | |
| Qi et al. | Impacts of a medium voltage direct current link on the performance of electrical distribution networks | |
| CN106650998A (zh) | 一种微电网多目标实时滚动优化方法 | |
| Batool et al. | Multi-level supervisory emergency control for operation of remote area microgrid clusters | |
| CN108090619A (zh) | 源网荷储协同规划的研究 | |
| CN107529678A (zh) | 可扩展安全稳定约束的交直流电网多目标优化控制方法 | |
| Korab et al. | Application of particle swarm optimization for optimal setting of Phase Shifting Transformers to minimize unscheduled active power flows | |
| Cifuentes et al. | Network allocation of BESS with voltage support capability for improving the stability of power systems | |
| Ding et al. | IOT-based social-economic management of distribution system with the high penetration of renewable energy sources | |
| Sperstad et al. | Cost-benefit analysis of battery energy storage in electric power grids: Research and practices | |
| Anbarasan et al. | Optimal reactive power dispatch problem solved by an improved colliding bodies optimization algorithm |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180529 |
|
| WD01 | Invention patent application deemed withdrawn after publication |