CN108281959A - 一种高比例可再生能源电力系统的骨干网架优化方法 - Google Patents
一种高比例可再生能源电力系统的骨干网架优化方法 Download PDFInfo
- Publication number
- CN108281959A CN108281959A CN201810005588.8A CN201810005588A CN108281959A CN 108281959 A CN108281959 A CN 108281959A CN 201810005588 A CN201810005588 A CN 201810005588A CN 108281959 A CN108281959 A CN 108281959A
- Authority
- CN
- China
- Prior art keywords
- node
- power
- formula
- degree
- wind
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000005540 biological transmission Effects 0.000 title claims abstract description 27
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 238000013459 approach Methods 0.000 claims description 54
- 230000005611 electricity Effects 0.000 claims description 31
- 230000035515 penetration Effects 0.000 claims description 27
- 230000009194 climbing Effects 0.000 claims description 13
- 238000004146 energy storage Methods 0.000 claims description 13
- 230000004907 flux Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000009987 spinning Methods 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 8
- 238000010248 power generation Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 210000000988 bone and bone Anatomy 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000008602 contraction Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000009738 saturating Methods 0.000 claims 1
- 230000001172 regenerating effect Effects 0.000 abstract description 8
- 230000035699 permeability Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract description 2
- 241000196324 Embryophyta Species 0.000 description 28
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 240000002853 Nelumbo nucifera Species 0.000 description 4
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 4
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000000717 retained effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000033772 system development Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000006583 body weight regulation Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H02J3/382—
-
- H02J3/383—
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种高比例可再生能源电力系统的骨干网架优化方法,来考虑高比例可再生能源在电力系统核心骨干网架中的作用和对电力系统的影响。基本实施流程包括步骤:输入电力系统的拓扑结构和电气特性参数;计算负荷节点、风电场节点、光伏电站节点、常规机组节点的相对重要度;采用改进的熵权‑理想解法来求取不同类型节点间的相对重要度;采用分阶段骨干网架构建策略,第一阶段模型以优化负荷节点为主要任务,采用蜂群算法求解;第二阶段模型以优化电源节点为主要任务,采用蜂群算法结合贪心策略求解。本发明方法优化得到的核心骨干网架,能够保障对重要负荷的供电,并且具有较高的间歇性能源渗透率与利用率。
Description
技术领域
本发明涉及电力系统的技术领域,更具体地,涉及一种高比例可再生能源电力系统的骨干网架优化方法。
背景技术
传统化石能源的过度开采和利用,对人类社会的发展产生很多不利的影响,比如环境污染和气候变化等。可再生能源是全球能源转型和低碳发展的重要解决方案。当前,可再生能源的开发和利用在世界主要国家均处于快速发展阶段,以水能、风能和太阳能为主要代表的可再生能源发电的大规模接入,是未来电力系统发展的必然趋势。我国能源转型与发展的目标是实现2020年和2030年非化石能源分别占一次能源消费比重15%和20%的,并力争在2050年实现可再生能源占比达60%。可见,高比例可再生能源电力系统也是我国电力系统发展和规划的重要研究内容。
电力系统的核心骨干网架是指在发生灾害或故障时,在保证电力系统安全运行并保障对重要负荷供电的前提下满足拓扑连通性的支路和节点的集合。电力系统核心骨干网架的研究,对于提高系统的抗灾能力,保障其对重要负荷的供电具有重要意义。目前核心骨干网架的研究均是基于传统的无可再生能源的电力系统而开展的,未考虑高比例可再生能源在电力系统核心骨干网架中的作用和对电力系统的影响。
研究高比例可再生能源电力系统的核心骨干网架构建,对提高未来电力系统的稳定性、可靠性和抗灾能力具有重要的意义。然而,间歇性电源如风电、光伏电站等的大规模接入,显著地增加了电力系统的不确定性和复杂程度,导致原本适用于常规电力系统的核心骨干网架构建方法,并不适用于高比例可再生能源电力系统。
在此背景下,亟需研究高比例可再生能源电力系统的核心骨干网架优化策略。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷,提供一种高比例可再生能源电力系统的骨干网架优化方法。
本发明所采用的技术方案如下:
高比例可再生能源电力系统的骨干网架优化方法,该方法的实现流程包括以下步骤:
S1:输入高比例可再生能源电力系统的网络拓扑结构和电气运行参数;
S2:根据改进的负荷节点的拓扑重要度、负荷节点的电能和潮流通量,计算负荷节点的重要度;
S3:根据风电场在电力网络中的接近度、等效利用小时数、平均风速和储能配置,计算风电场节点的重要度;
S4:根据光伏电站在电力网络中的接近度、等效利用小时数和系统效率,计算光伏电站节点的重要度;
S5:根据常规机组的接近度、机组的备用容量和机组爬坡率,计算常规机组节点的重要度;
S6:对S2~S5中得到的不同量纲的指标进行标准化,采用改进的熵权-理想解法,来求取不同类型节点间的相对重要度;
S7:采取两阶段核心骨干网架优化策略,第一阶段模型以优化负荷节点为目标,构建一个包含全部重要负荷节点以及部分支路的连通子网架;
根据第一阶段所得子网架,第二阶段模型以优化电源节点为目标,在满足间歇性电源的穿透功率极限约束、备用约束和安全约束的前提下,投入相对重要度超过阈值的各类电源节点并优化得到最终的核心骨干网架。
作为优选,采用蜂群算法进行第一阶段模型的优化;采用蜂群算法结合贪心策略求解核心骨干网架优化的第二阶段模型,即在满足约束的前提下按照各类型电源节点的排序逐次加入电源节点,直至目标函数最大或者达到迭代次数为止。
作为优选,S2中,根据改进的负荷节点的拓扑重要度、负荷节点的电能和潮流通量来计算负荷节点的相对重要度,具体实现方法如下:
设高比例可再生能源电力系统的原网架对应的拓扑图为G0=(V,E),其中V={V1,V2,…,Vn}为节点集,n为节点个数,E为V2上的一个子集;节点i的度ki定义为与节点i直接相连的其他节点的数目;聚集系数为描述复杂网络中节点的聚集程度的特征量;计及邻居节点规模的节点拓扑重要度表示为:
式中:εi为节点i自身的度与其所有邻居节点的度之和,归一化函数θi表示为:
式中:ci为节点i的聚集系数,表示为:
式中:ki为节点i的邻居节点个数;si为节点i的ki个邻节点之间实际存在的边数;
计及不同时段负荷功率的不同,负荷节点在时段T内的电能表示为:
式中:PL,i(t)为t时刻负荷节点i的有功功率,PB为功率基准值,SL为负荷节点的集合;
潮流通量的定义为正常运行状态下负荷节点的最大视在功率,负荷节点i的潮流通量表示为:
式中:QL,i(t)为t时刻负荷节点i的无功功率。
作为优选,S3中,根据风电场在电力网络中的接近度、等效利用小时数、平均风速和储能配置,来计算风电场节点的相对重要度,具体实现方法如下:
对于任意线路i*-j*,节点j*到节点i*的有效长度表示为:
式中:为节点j*到节点i*的有效长度,为节点j*到节点i*之间的边的参数,表示节点j*与节点i*直接相连;当线路两端为负荷节点i*和j*时,计及负荷节点i*与j*的相对重要度,表示为:
式中,为负荷节点i*的相对重要度,为负荷节点i*与负荷节点j*之间的线路电抗;
结合有效距离,改进后节点i的接近度中心性表示为:
式中:Dji为任意两节点j到i之间的有效距离;
定义风电场节点的接近度中心性为:
式中:nL为第一阶段网架的负荷节点的数量,SW为风电场节点集合;
一定时间T内的风电场等效利用小时数表示为:
式中:PW,i(t)为风电场i在时刻t的出力,为该风电场的总装机容量;
将一定时间T内风电机组的平均风速作为风电场节点的指标之一,该平均风速表示为:
式中:vi,t为风电场i在第t个时刻的风速,NT为T时间段内对风速进行测量的次数;
将风电场的储能装置指标表示为:
式中:为风电场i的储能装置容量,单位为MWh,为风电场i的储能装置的最大放电功率。
作为优选,S4中,根据光伏电站在电力网络中的接近度、等效利用小时数和系统效率,计算光伏电站节点的相对重要度,具体实现方法如下:
根据风电节点的接近度中心性,定义光伏节点的接近度中心性为:
式中:SP为光伏电站节点集合;
一定时间T内的光伏电站的等效利用小时数定义为:
式中:PP,i(t)为光伏电站i的出力关于时间的函数,为该光伏电站的装机总容量;
系统效率表示一段时间内光伏电站的满发小时数与理论发电小时数之比,即光伏电站的实际交流发电量与理论直流发电量之比,表示为:
式中:Yf为满发小时数,表示一段时间内并网光伏电站的上网电量与光伏电站的额定功率之比;Yr为理论发电小时数,表示单位面积的光伏阵列倾斜面总辐射量与光伏电池在标准测试条件下的标准辐照度之比。
作为优选,S5中,根据常规机组的接近度、机组的备用容量和机组爬坡率,计算常规机组节点的相对重要度,具体实现方法如下:
根据风电节点的接近度中心性,定义常规机组节点的接近度中心性为:
式中:SC为常规机组节点集合;
用常规机组的最大旋转备用容量代替其容量大小作为常规机组的相对重要度的一个评价指标,将常规机组的最大旋转备用容量表示为:
式中:为常规机组i的额定功率或最大技术出力,为常规机组i的最小技术出力;
以火电机组爬坡率的大小反映提供旋转备用的快慢程度:
式中:Ri为火电机组i的爬坡率,ST为火电机组集合,
作为优选,S6中,采用改进的熵权-理想解法对节点进行相对重要度评价,具体实现方法如下:
步骤1:对不同量纲的指标进行标准化,设节点i的第m个指标为r'im,则正向指标标准化表示为:
式中:rim为标准化后的节点i的第m个指标,M为指标个数,NN为节点的个数;逆向指标的标准化与正向指标标准化的形式相同,记标准化后的指标矩阵为
步骤2:根据标准化后的数据求取第m个指标的熵:
步骤3:根据熵值求得第m个指标的熵权为:
记指标熵权向量为w=[w1,w2,…,wM];
步骤4:根据指标熵权和标准化指标矩阵构建加权指标矩阵其中,zim=wmrim;
步骤5:定义“理想解”z+与“负理想解”z-,其中
式中:其中m=1,2,…,M;
步骤6:计算节点i与“理想解”的欧式距离以及其与“负理想解”的欧式距离其中:
步骤7:计算节点i的贴近度,贴近度表示节点i远离“负理想解”并靠近“理想解”的程度,贴近度越大,节点越重要;节点i的贴近度表示为:
步骤8:按照各个节点与理想解的贴近度大小,对负荷节点和电源节点进行重要性程度排序,从而得到节点重要度的评估结果;此外,为了使网架优化模型满足尽可能多地投入间歇性电源节点的要求,将所有间歇性电源节点的重要度设定为Δi=Const+Δi,其中Const为一常数,i∈SW∪SP。
作为优选,S7中,两阶段核心骨干网架优化策略的第一阶段模型以优化负荷节点为目标,构建一个包含全部重要负荷节点以及部分支路的连通子网架,具体实现方法如下:
将第一阶段的网架优化模型表示为:
式中:(i,j)∈G0表示线路i-j属于网架G0;αi-j为线路i-j的投入状态,当网架G包含线路i-j时,αi-j=1,否则αi-j=0;βk为负荷节点k的切除状态,当网架G包含负荷节点k时,βk=0,否则βk=1;λ1为折衷系数;为了满足连通性约束,则第一阶段的网架优化模型表示为:
式中:IC(G)为指示函数,当网架G连通时,IC(G)=0;否则IC(G)=+∞。
作为优选,第二阶段模型以优化电源节点为目标,投入相对重要度超过阈值的各类电源节点并优化得到最终的核心骨干网架,具体实现方法如下:
在投入电源节点的同时,兼顾电源节点的位置,即考虑电源节点的投入所导致的线路数目的增加量;构造第二阶段核心骨干网架优化的目标函数为:
式中:p∈G0表示电源节点p属于原网架G0;FS,p为电源节点p的重要度;γp为电源节点的投入状态,若电源节点被选入核心骨干网架,则γp=1,否则,γp=0;λ2为线路权重调整系数,用于调节对电源节点到G的线路数量的重视程度;lp-G为电源节点p到子网架G的最少线路数;
第二阶段的网架优化应满足如下约束
1)风电的穿透功率极限约束:
式中:SWF和SLF分别为核心骨干网架的风电场节点集合和负荷节点集合,γW%为核心骨干网架中风电的穿透功率极限,γW0%为原网架中风电的穿透功率极限;
2)光伏发电的穿透功率极限约束:
式中:SPF为核心骨干网架的光伏电站节点集合,γP%为核心骨干网架的光伏发电的穿透功率极限,γP0%为原网架的光伏发电的穿透功率极限;
3)备用约束:
式中:SCF为核心骨干网架的常规机组节点集合,PR(t)为t时刻系统的负荷备用功率;
4)等式约束g(x)和不等式约束h(x)统一表示为:
式中:x为状态变量向量,包括节点电压、发电机功率。
该方法优化得到的核心骨干网架能保障对重要负荷的供电,并且其具有较高的间歇性能源渗透率与利用率。
附图说明
图1是本发明的整体流程示意图。
图2是本发明的IEEE-118节点系统图。
图3是本发明的夏季典型场景的源荷曲线。
图4是本发明的IEEE-118系统重要负荷分布图。
图5是本发明的IEEE-118节点系统的骨干网架第一阶段网架优化结果。
图6是本发明的IEEE-118节点系统的骨干网架第二阶段网架优化结果。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明,不能理解为对本专利的限制。
高比例可再生能源电力系统的核心骨干网架具有以下特征:
1)不中断对重要负荷的供电;
2)核心骨干网架的拓扑结构配置合理,并满足网络的拓扑连通性约束;
3)在可再生能源的任何出力状况下,核心骨干网架均能满足高比例可再生能源电力系统的安全运行要求;
4)在满足1)到3)的情况下,间歇性电源渗透率和利用率尽可能高;
5)在满足1)到4)的情况下,核心骨干网架支路总数尽可能少。
本发明的高比例可再生能源电力系统的骨干网架优化方法,其实现流程包括以下步骤:
S1:输入高比例可再生能源电力系统的网络拓扑结构和电气运行参数。
S2:根据改进的负荷节点的拓扑重要度、负荷节点的电能和潮流通量,计算负荷节点的重要度。本步骤的具体实现方法如下:
设高比例可再生能源电力系统的原网架对应的拓扑图为G0=(V,E),其中V={V1,V2,…,Vn}为节点集,n为节点个数,E为V2上的一个子集;节点i的度ki定义为与节点i直接相连的其他节点的数目;聚集系数为描述复杂网络中节点的聚集程度的特征量;计及邻居节点规模的节点拓扑重要度表示为:
式中:εi为节点i自身的度与其所有邻居节点的度之和,归一化函数θi表示为:
式中:ci为节点i的聚集系数,表示为:
式中:ki为节点i的邻居节点个数;si为节点i的ki个邻节点之间实际存在的边数;
计及不同时段负荷功率的不同,负荷节点在时段T内的电能表示为:
式中:PL,i(t)为t时刻负荷节点i的有功功率,PB为功率基准值,SL为负荷节点的集合;
潮流通量的定义为正常运行状态下负荷节点的最大视在功率,负荷节点i的潮流通量表示为:
式中:QL,i(t)为t时刻负荷节点i的无功功率。
S3:根据风电场在电力网络中的接近度、等效利用小时数、平均风速和储能配置,计算风电场节点的重要度。本步骤的具体实现方法如下:
对于任意线路i*-j*,节点j*到节点i*的有效长度表示为:
式中:为节点j*到节点i*的有效长度,为节点j*到节点i*之间的边的参数,表示节点j*与节点i*直接相连;当线路两端为负荷节点i*和j*时,计及负荷节点i*与j*的相对重要度,表示为:
式中,为负荷节点i*的相对重要度,为负荷节点i*与负荷节点j*之间的线路电抗;
结合有效距离,改进后节点i的接近度中心性表示为:
式中:Dji为任意两节点j到i之间的有效距离;
定义风电场节点的接近度中心性为:
式中:nL为第一阶段网架的负荷节点的数量,SW为风电场节点集合;
一定时间T内的风电场等效利用小时数表示为:
式中:PW,i(t)为风电场i在时刻t的出力,为该风电场的总装机容量;
将一定时间T内风电机组的平均风速作为风电场节点的指标之一,该平均风速表示为:
式中:vi,t为风电场i在第t个时刻的风速,NT为T时间段内对风速进行测量的次数;
将风电场的储能装置指标表示为:
式中:为风电场i的储能装置容量,单位为MWh,为风电场i的储能装置的最大放电功率。
S4:根据光伏电站在电力网络中的接近度、等效利用小时数和系统效率,计算光伏电站节点的重要度。本步骤的具体实现方法如下:
根据风电节点的接近度中心性,同理定义光伏节点的接近度中心性为:
式中:SP为光伏电站节点集合;
一定时间T内的光伏电站的等效利用小时数定义为:
式中:PP,i(t)为光伏电站i的出力关于时间的函数,为该光伏电站的装机总容量;
系统效率表示一段时间内光伏电站的满发小时数与理论发电小时数之比,即光伏电站的实际交流发电量与理论直流发电量之比,表示为:
式中:Yf为满发小时数,表示一段时间内并网光伏电站的上网电量与光伏电站的额定功率之比;Yr为理论发电小时数,表示单位面积的光伏阵列倾斜面总辐射量与光伏电池在标准测试条件下的标准辐照度之比。
S5:根据常规机组的接近度、机组的备用容量和机组爬坡率,计算常规机组节点的重要度。本步骤的具体实现方法如下:
根据风电节点的接近度中心性,定义常规机组节点的接近度中心性为:
式中:SC为常规机组节点集合;
用常规机组的最大旋转备用容量代替其容量大小作为常规机组的相对重要度的一个评价指标,将常规机组的最大旋转备用容量表示为:
式中:为常规机组i的额定功率或最大技术出力,为常规机组i的最小技术出力;
以火电机组爬坡率的大小反映提供旋转备用的快慢程度:
式中:Ri为火电机组i的爬坡率,ST为火电机组集合,
S6:S2~S5中计算得到的各指标即对应其重要度,对S2~S5中得到的不同量纲的指标进行标准化,采用改进的熵权-理想解法,来求取不同类型节点间的相对重要度,改进的熵权-理想解法对节点进行相对重要度评价的具体实现方法如下:
步骤1:对不同量纲的指标进行标准化,设节点i的第m个指标为r'im,则正向指标标准化表示为:
式中:rim为标准化后的节点i的第m个指标,M为指标个数,NN为节点的个数;逆向指标的标准化与正向指标标准化的形式相同,记标准化后的指标矩阵为
步骤2:根据标准化后的数据求取第m个指标的熵:
步骤3:根据熵值求得第m个指标的熵权为:
记指标熵权向量为w=[w1,w2,…,wM];
步骤4:根据指标熵权和标准化指标矩阵构建加权指标矩阵其中,zim=wmrim;
步骤5:定义“理想解”z+与“负理想解”z-,其中
式中:其中m=1,2,…,M;
步骤6:计算节点i与“理想解”的欧式距离以及其与“负理想解”的欧式距离其中:
步骤7:计算节点i的贴近度,贴近度表示节点i远离“负理想解”并靠近“理想解”的程度,贴近度越大,节点越重要;节点i的贴近度表示为:
步骤8:按照各个节点与理想解的贴近度大小,对负荷节点和电源节点进行重要性程度排序,从而得到节点重要度的评估结果;此外,为了使网架优化模型满足尽可能多地投入间歇性电源节点的要求,将所有间歇性电源节点的重要度设定为Δi=Const+Δi,其中Const为一常数,i∈SW∪SP。
S7:采取两阶段核心骨干网架优化策略,第一阶段模型以优化负荷节点为目标,构建一个包含全部重要负荷节点以及部分支路的连通子网架,具体实现方法如下:
将第一阶段的网架优化模型表示为:
式中:(i,j)∈G0表示线路i-j属于网架G0;αi-j为线路i-j的投入状态,当网架G包含线路i-j时,αi-j=1,否则αi-j=0;βk为负荷节点k的切除状态,当网架G包含负荷节点k时,βk=0,否则βk=1;λ1为折衷系数;为了满足连通性约束,则第一阶段的网架优化模型表示为:
式中:IC(G)为指示函数,当网架G连通时,IC(G)=0;否则IC(G)=+∞。
根据第一阶段所得子网架,第二阶段模型以优化电源节点为目标,在满足间歇性电源的穿透功率极限约束、备用约束和安全约束的前提下,投入相对重要度超过阈值的各类电源节点并优化得到最终的核心骨干网架,具体实现方法如下:
在投入电源节点的同时,兼顾电源节点的位置,即考虑电源节点的投入所导致的线路数目的增加量;构造第二阶段核心骨干网架优化的目标函数为:
式中:p∈G0表示电源节点p属于原网架G0;FS,p为电源节点p的重要度;γp为电源节点的投入状态,若电源节点被选入核心骨干网架,则γp=1,否则,γp=0;λ2为线路权重调整系数,用于调节对电源节点到G的线路数量的重视程度;lp-G为电源节点p到子网架G的最少线路数;
第二阶段的网架优化应满足如下约束
1)风电的穿透功率极限约束:
式中:SWF和SLF分别为核心骨干网架的风电场节点集合和负荷节点集合,γW%为核心骨干网架中风电的穿透功率极限,γW0%为原网架中风电的穿透功率极限;
2)光伏发电的穿透功率极限约束:
式中:SPF为核心骨干网架的光伏电站节点集合,γP%为核心骨干网架的光伏发电的穿透功率极限,γP0%为原网架的光伏发电的穿透功率极限;
3)备用约束:
式中:SCF为核心骨干网架的常规机组节点集合,PR(t)为t时刻系统的负荷备用功率;
4)等式约束g(x)(包括潮流约束、功率平衡约束)和不等式约束h(x)(包括发电机出力约束、线路热稳定极限约束等)统一表示为:
式中:x为状态变量向量,包括节点电压、发电机功率。
采用蜂群算法进行第一阶段模型的优化;采用蜂群算法结合贪心策略求解核心骨干网架优化的第二阶段模型,即在满足约束的前提下按照各类型电源节点的排序逐次加入电源节点,直至目标函数最大或者达到迭代次数为止。
实施例
如图1所示,一种高比例可再生能源电力系统的骨干网架优化方法,其基本实施流程包括如下详细步骤:
步骤1、输入高比例可再生能源电力系统的拓扑结构参数(线路连接关系)、电气特性参数(节点参数、线路参数);
步骤2、计算负荷节点的各项参数值,具体参数包括:
1)改进拓扑重要度:
式中:εi为节点i自身的度与其所有邻居节点的度之和,θi为归一化函数
2)节点的电能:
式中:PL,i(t)为t时刻负荷节点i的有功功率,PB为功率基准值,SL为负荷节点的集合。
3)潮流通量:
式中:QL,i(t)为t时刻负荷节点i的无功功率。
步骤3、计算风电场节点的各项参数值,具体参数包括:
1)电力网络中的接近度:
式中:Dij为任意两节点j到i之间的有效距离,h0为构成节点j和节点i之间有向路径的中间节点。为负荷节点i*的相对重要度,为负荷节点i*与负荷节点j*之间的线路电抗;为节点j*到节点i*的有效长度,为节点j*到节点i*之间的边的参数,表示节点j*与节点i*直接相连。
2)等效利用小时数:
式中:PW,i(t)为风电场i在时刻t的出力,为该风电场的总装机容量。
3)平均风速:
式中:vi,t为风电场i在第t个时刻的风速,NT为T时间段内对风速进行测量的次数。
4)储能配置:
式中:为风电场i的储能装置容量,单位为MWh,为风电场i的储能装置的最大放电功率。
步骤4、计算光伏电站节点的各项参数值,具体参数包括:
1)电力网络中的接近度:
式中:SP为光伏电站节点集合。
2)等效利用小时数:
式中:PP,i(t)为光伏电站i的出力关于时间的函数,为该光伏电站的装机总容量。
3)系统效率:
式中:Yf为满发小时数,表示一段时间内并网光伏电站的上网电量与光伏电站的额定功率之比;Yr为理论发电小时数,表示单位面积的光伏阵列倾斜面总辐射量与光伏电池在标准测试条件下的标准辐照度之比。
步骤5、计算常规机组节点的各项参数值,具体参数包括:
1)电力网络中的接近度:
式中:SC为常规机组节点集合。
2)机组的备用容量:
式中:为常规机组i的额定功率(或最大技术出力,本发明认为最大技术出力等于额定功率),为常规机组i的最小技术出力。
3)爬坡率:
式中:Ri为火电机组i的爬坡率,ST为火电机组集合,
步骤6、对不同量纲的指标进行标准化:设节点i的第m个指标为r'im,则正向指标标准化可表示为
式中:rim为标准化后的节点i的第m个指标,M为指标个数,NN为节点的个数。逆向指标的标准化与正向指标标准化的形式相同,记标准化后的指标矩阵为
步骤7、根据标准化后的数据求取第m个指标的熵权,记指标熵权向量为w=[w1,w2,…,wM]:
步骤8、根据指标熵权和标准化指标矩阵构建加权指标矩阵其中,zim=wmrim。
步骤9、步骤6:计算节点i与“理想解”的欧式距离以及其与“负理想解”的欧式距离
其中,z+为“理想解”,z-为“负理想解”:
式中:其中m=1,2,…,M。
步骤10、计算节点i的贴近度,按照各个节点与理想解的贴近度大小,对负荷节点和电源节点进行重要性程度排序,从而得到节点重要度的评估结果。节点i的贴近度为:
步骤11、以优化负荷节点为主要任务,采用蜂群算法进行核心骨干网架的第一阶段模型优化,构建一个包含全部重要负荷节点以及部分支路的连通子网架。模型的目标函数为:
式中:(i,j)∈G0表示线路i-j属于网架G0;αi-j为线路i-j的投入状态,当网架G包含线路i-j时,αi-j=1,否则αi-j=0;βk为负荷节点k的切除状态,当网架G包含负荷节点k时,βk=0,否则βk=1;λ1为折衷系数,表示对节点重要度和线路数目的折衷程度,考虑节点相对重要度的大小,λ1一般在[2,5]之间选取。
若采用指示函数表示网架的连通性,则第一阶段的网架优化模型可表示为
式中:IC(G)为指示函数,当网架G连通时,IC(G)=0;否则IC(G)=+∞。
步骤12、以优化电源节点为主要任务,采用蜂群算法结合贪心策略求解第二阶段模型,投入相对重要度较大的各类电源节点并优化得到最终的核心骨干网架。模型的目标函数为:
式中:p∈G0表示电源节点p属于原网架G0;FS,p为电源节点p的重要度;γp为电源节点的投入状态,若电源节点被选入核心骨干网架,则γp=1,否则,γp=0;λ2为线路权重调整系数,lp-G为电源节点p到子网架G的最少线路数。
第二阶段的网架优化应满足如下约束
1)风电的穿透功率极限约束:
式中:SWF和SLF分别为核心骨干网架的风电场节点集合和负荷节点集合,γW%为核心骨干网架中风电的穿透功率极限,γW0%为原网架中风电的穿透功率极限;
2)光伏发电的穿透功率极限约束:
式中:SPF为核心骨干网架的光伏电站节点集合,γP%为核心骨干网架的光伏发电的穿透功率极限,γP0%为原网架的光伏发电的穿透功率极限;
3)备用约束:
式中:SCF为核心骨干网架的常规机组节点集合,PR(t)为t时刻系统的负荷备用功率;
4)等式约束g(x)和不等式约束h(x)统一表示为:
式中:x为状态变量向量,包括节点电压、发电机功率。
为了进一步理解本发明,以下以修改后的IEEE-118节点为例,来解释本发明的实际应用。修改后的IEEE-118节点包括18个火电机组,2个水电机组,14个风电场,15个光伏电站,系统的拓扑结构如附图2所示。源荷参数如表1至表5所示。
表1负荷参数及其节点相对重要度
表2风电场参数及其节点相对重要度
表3光伏电站参数及其节点相对重要度
表4常规机组参数及其节点相对重要度
注:带*号的为水电机组,如4*和85*表示节点4和节点85为水电机组节点。
表5夏季典型场景日各小时负荷
注:各节点负荷随总负荷变化的比例而变化
附图3所示为夏季某典型场景下系统的负荷、风电场出力、光伏电站出力的有功功率曲线,本发明以夏季典型场景为例说明所提出的核心骨干网架优化策略。重要负荷节点和水电机组节点在核心骨干网架中必须予以保留,其在拓扑图中的位置如附图4所示。原网架的风电和光伏的穿透功率极限分别为35%和10%,核心骨干网架的风电和光伏的穿透功率极限分别为25%和7%。折衷系数λ1=4,线路权重调整系数λ2=0.5。负荷备用功率取为负荷功率的0.2倍。蜂群算法求解时,其种群数量为30,迭代次数为100次。
根据IEEE-118节点的网架参数和夏季典型场景的源荷参数可求得各类型节点的相对重要度,表6所示为部分节点的相对重要度,完整的节点相对重要度结果如表1至表4所示。表6中,节点编号由两部分组成,即“字母+数字”,字母L、W、P和T分别表示负荷节点、风电场节点、光伏电站节点和火电机组节点,数字为图2中的节点编号。RL表示相对重要度。
表6部分节点相对重要度
根据表6的节点相对重要度结果,采用本发明方法优化得到如附录图5所示的第一阶段子网架,该网架含70条线路、65个节点。第一阶段网架优化结果如表7所示。由于本发明第一阶段优化模型的目标函数同时考虑了网架的线路数目和节点重要度,其意义更加明确,且满足核心骨干网架的结构配置合理的要求,有利于依靠核心骨干网架恢复灾害后的其余负荷节点和电源节点。因此,本发明提出的高比例可再生能源电力系统的第一阶段核心骨干网架优化策略更加合理,其能够保证所得到的网架的线路数最少且负荷节点的相对重要度最大。
表7第一阶段网架优化结果
根据电源节点相对重要度和核心骨干网架的第二阶段优化模型可得到最终的核心骨干网架如图6所示。图6中,对角线条纹阴影的图元和菱形阴影图元代表核心骨干网架的重要负荷或电源,加粗虚线的边代表核心骨干网架中的线路,部分线路连接的节点并未标红,如节点30和节点37等,这里称之为冗余节点。冗余节点虽然保留在核心骨干网架中,但是并不保障不中断对其负荷的供电,冗余节点主要承担着连接网架的作用。当高比例可再生能源电力系统的功率充足时,可向冗余节点的负荷供电。此外,由于在核心骨干网架优化时充分考虑到了节点相对重要度信息,将冗余节点保留在核心骨干网架中亦有利于灾害过后依靠核心骨干网架恢复整个网络。
在本发明所构建的夏季典型场景的高比例可再生能源电力系统核心骨干网架中,风电、光伏的最大功率占比分别为21.56%和6.71%,其电能占比分别为11.18%和2.71%。可见,所构建的高比例可再生能源电力系统的核心骨干网架具有较高的可再生能源渗透率和利用率,进一步验证了本发明两阶段网架优化策略的合理性与有效性。
显然,上述实施例仅是为清楚地说明本发明而所作的举例,并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。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,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种高比例可再生能源电力系统的骨干网架优化方法,其特征在于,实现流程包括以下步骤:
S1:输入高比例可再生能源电力系统的网络拓扑结构和电气运行参数;
S2:根据改进的负荷节点的拓扑重要度、负荷节点的电能和潮流通量,计算负荷节点的重要度;
S3:根据风电场在电力网络中的接近度、等效利用小时数、平均风速和储能配置,计算风电场节点的重要度;
S4:根据光伏电站在电力网络中的接近度、等效利用小时数和系统效率,计算光伏电站节点的重要度;
S5:根据常规机组的接近度、机组的备用容量和机组爬坡率,计算常规机组节点的重要度;
S6:对S2~S5中得到的不同量纲的指标进行标准化,采用改进的熵权-理想解法,来求取不同类型节点间的相对重要度;
S7:采取两阶段核心骨干网架优化策略,第一阶段模型以优化负荷节点为目标,构建一个包含全部重要负荷节点以及部分支路的连通子网架;根据第一阶段所得子网架,第二阶段模型以优化电源节点为目标,在满足间歇性电源的穿透功率极限约束、备用约束和安全约束的前提下,投入相对重要度超过阈值的各类电源节点并优化得到最终的核心骨干网架。
2.根据权利要求1所述的一种高比例可再生能源电力系统的骨干网架优化方法,其特征在于:采用蜂群算法进行第一阶段模型的优化;采用蜂群算法结合贪心策略求解核心骨干网架优化的第二阶段模型,即在满足约束的前提下按照各类型电源节点的排序逐次加入电源节点,直至目标函数最大或者达到迭代次数为止。
3.根据权利要求1所述的一种高比例可再生能源电力系统的骨干网架优化方法,其特征在于:S2中,根据改进的负荷节点的拓扑重要度、负荷节点的电能和潮流通量来计算负荷节点的相对重要度,具体实现方法如下:
设高比例可再生能源电力系统的原网架对应的拓扑图为G0=(V,E),其中V={V1,V2,…,Vn}为节点集,n为节点个数,E为V2上的一个子集;节点i的度ki定义为与节点i直接相连的其他节点的数目;聚集系数为描述复杂网络中节点的聚集程度的特征量;计及邻居节点规模的节点拓扑重要度表示为:
式中:εi为节点i自身的度与其所有邻居节点的度之和,归一化函数θi表示为:
式中:ci为节点i的聚集系数,表示为:
式中:ki为节点i的邻居节点个数;si为节点i的ki个邻节点之间实际存在的边数;
计及不同时段负荷功率的不同,负荷节点在时段T内的电能表示为:
式中:PL,i(t)为t时刻负荷节点i的有功功率,PB为功率基准值,SL为负荷节点的集合;
潮流通量的定义为正常运行状态下负荷节点的最大视在功率,负荷节点i的潮流通量表示为:
式中:QL,i(t)为t时刻负荷节点i的无功功率。
4.根据权利要求1所述的一种高比例可再生能源电力系统的骨干网架优化方法,其特征在于:S3中,根据风电场在电力网络中的接近度、等效利用小时数、平均风速和储能配置,来计算风电场节点的相对重要度,具体实现方法如下:
对于任意线路i*-j*,节点j*到节点i*的有效长度表示为:
式中:为节点j*到节点i*的有效长度,为节点j*到节点i*之间的边的参数,表示节点j*与节点i*直接相连;当线路两端为负荷节点i*和j*时,计及负荷节点i*与j*的相对重要度,表示为:
式中,为负荷节点i*的相对重要度,为负荷节点i*与负荷节点j*之间的线路电抗;
结合有效距离,改进后节点i的接近度中心性表示为:
式中:Dji为任意两节点j到i之间的有效距离;
定义风电场节点的接近度中心性为:
式中:nL为第一阶段网架的负荷节点的数量,SW为风电场节点集合;
一定时间T内的风电场等效利用小时数表示为:
式中:PW,i(t)为风电场i在时刻t的出力,为该风电场的总装机容量;
将一定时间T内风电机组的平均风速作为风电场节点的指标之一,该平均风速表示为:
式中:vi,t为风电场i在第t个时刻的风速,NT为T时间段内对风速进行测量的次数;
将风电场的储能装置指标表示为:
式中:为风电场i的储能装置容量,单位为MWh,为风电场i的储能装置的最大放电功率。
5.根据权利要求1所述的一种高比例可再生能源电力系统的骨干网架优化方法,其特征在于:S4中,根据光伏电站在电力网络中的接近度、等效利用小时数和系统效率,计算光伏电站节点的相对重要度,具体实现方法如下:
根据风电节点的接近度中心性,定义光伏节点的接近度中心性为:
式中:SP为光伏电站节点集合;
一定时间T内的光伏电站的等效利用小时数定义为:
式中:PP,i(t)为光伏电站i的出力关于时间的函数,为该光伏电站的装机总容量;
系统效率表示一段时间内光伏电站的满发小时数与理论发电小时数之比,即光伏电站的实际交流发电量与理论直流发电量之比,表示为:
式中:Yf为满发小时数,表示一段时间内并网光伏电站的上网电量与光伏电站的额定功率之比;Yr为理论发电小时数,表示单位面积的光伏阵列倾斜面总辐射量与光伏电池在标准测试条件下的标准辐照度之比。
6.根据权利要求1所述的一种高比例可再生能源电力系统的骨干网架优化方法,其特征在于:S5中,根据常规机组的接近度、机组的备用容量和机组爬坡率,计算常规机组节点的相对重要度,具体实现方法如下:
根据风电节点的接近度中心性,定义常规机组节点的接近度中心性为:
式中:SC为常规机组节点集合;
用常规机组的最大旋转备用容量代替其容量大小作为常规机组的相对重要度的一个评价指标,将常规机组的最大旋转备用容量表示为:
式中:为常规机组i的额定功率或最大技术出力,为常规机组i的最小技术出力;
以火电机组爬坡率的大小反映提供旋转备用的快慢程度:
式中:Ri为火电机组i的爬坡率,ST为火电机组集合,
7.根据权利要求1所述的一种高比例可再生能源电力系统的骨干网架优化方法,其特征在于:S6中,采用改进的熵权-理想解法对节点进行相对重要度评价,具体实现方法如下:
步骤1:对不同量纲的指标进行标准化,设节点i的第m个指标为ri'm,则正向指标标准化表示为:
式中:rim为标准化后的节点i的第m个指标,M为指标个数,NN为节点的个数;逆向指标的标准化与正向指标标准化的形式相同,记标准化后的指标矩阵为
步骤2:根据标准化后的数据求取第m个指标的熵:
步骤3:根据熵值求得第m个指标的熵权为:
记指标熵权向量为w=[w1,w2,…,wM];
步骤4:根据指标熵权和标准化指标矩阵构建加权指标矩阵其中,zim=wmrim;
步骤5:定义“理想解”z+与“负理想解”z-,其中
式中:其中m=1,2,…,M;
步骤6:计算节点i与“理想解”的欧式距离以及其与“负理想解”的欧式距离其中:
步骤7:计算节点i的贴近度,贴近度表示节点i远离“负理想解”并靠近“理想解”的程度,贴近度越大,节点越重要;节点i的贴近度表示为:
步骤8:按照各个节点与理想解的贴近度大小,对负荷节点和电源节点进行重要性程度排序,从而得到节点重要度的评估结果;此外,为了使网架优化模型满足尽可能多地投入间歇性电源节点的要求,将所有间歇性电源节点的重要度设定为Δi=Const+Δi,其中Const为一常数,i∈SW∪SP。
8.根据权利要求1所述的一种高比例可再生能源电力系统的骨干网架优化方法,其特征在于:S7中,两阶段核心骨干网架优化策略的第一阶段模型以优化负荷节点为目标,构建一个包含全部重要负荷节点以及部分支路的连通子网架,具体实现方法如下:
将第一阶段的网架优化模型表示为:
式中:(i,j)∈G0表示线路i-j属于网架G0;αi-j为线路i-j的投入状态,当网架G包含线路i-j时,αi-j=1,否则αi-j=0;βk为负荷节点k的切除状态,当网架G包含负荷节点k时,βk=0,否则βk=1;λ1为折衷系数;为了满足连通性约束,则第一阶段的网架优化模型表示为:
式中:IC(G)为指示函数,当网架G连通时,IC(G)=0;否则IC(G)=+∞。
9.根据权利要求1所述的一种高比例可再生能源电力系统的骨干网架优化方法,其特征在于:第二阶段模型以优化电源节点为目标,投入相对重要度超过阈值的各类电源节点并优化得到最终的核心骨干网架,具体实现方法如下:
在投入电源节点的同时,兼顾电源节点的位置,即考虑电源节点的投入所导致的线路数目的增加量;构造第二阶段核心骨干网架优化的目标函数为:
式中:p∈G0表示电源节点p属于原网架G0;FS,p为电源节点p的重要度;γp为电源节点的投入状态,若电源节点被选入核心骨干网架,则γp=1,否则,γp=0;λ2为线路权重调整系数,用于调节对电源节点到G的线路数量的重视程度;lp-G为电源节点p到子网架G的最少线路数;
第二阶段的网架优化应满足如下约束
1)风电的穿透功率极限约束:
式中:SWF和SLF分别为核心骨干网架的风电场节点集合和负荷节点集合,γW%为核心骨干网架中风电的穿透功率极限,γW0%为原网架中风电的穿透功率极限;
2)光伏发电的穿透功率极限约束:
式中:SPF为核心骨干网架的光伏电站节点集合,γP%为核心骨干网架的光伏发电的穿透功率极限,γP0%为原网架的光伏发电的穿透功率极限;
3)备用约束:
式中:SCF为核心骨干网架的常规机组节点集合,PR(t)为t时刻系统的负荷备用功率;
4)等式约束g(x)和不等式约束h(x)统一表示为:
式中:x为状态变量向量,包括节点电压、发电机功率。
10.根据权利要求9所述的一种高比例可再生能源电力系统的骨干网架优化方法,其特征在于:所述的等式约束包括潮流约束、功率平衡约束;所述的不等式约束包括发电机出力约束、线路热稳定极限约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810005588.8A CN108281959B (zh) | 2018-01-03 | 2018-01-03 | 一种高比例可再生能源电力系统的骨干网架优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810005588.8A CN108281959B (zh) | 2018-01-03 | 2018-01-03 | 一种高比例可再生能源电力系统的骨干网架优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108281959A true CN108281959A (zh) | 2018-07-13 |
CN108281959B CN108281959B (zh) | 2019-12-31 |
Family
ID=62803121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810005588.8A Active CN108281959B (zh) | 2018-01-03 | 2018-01-03 | 一种高比例可再生能源电力系统的骨干网架优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108281959B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108964103A (zh) * | 2018-07-27 | 2018-12-07 | 广州穗华能源科技有限公司 | 一种考虑微网系统可调度性的微网储能配置方法 |
CN110137956A (zh) * | 2019-05-21 | 2019-08-16 | 云南电网有限责任公司 | 一种电力系统灵活性需求的评估方法及系统 |
CN110570016A (zh) * | 2019-08-13 | 2019-12-13 | 浙江大学 | 一种计及多阶段性能的抗灾型骨干网架优化方法 |
CN111612272A (zh) * | 2020-05-28 | 2020-09-01 | 国家电网公司西南分部 | 考虑龙头水库的水电集群送出网架优化方法 |
WO2020249742A1 (de) * | 2019-06-12 | 2020-12-17 | Wobben Properties Gmbh | Verfahren zum stabilisieren eines elektrischen versorgungsnetzes |
CN115277438A (zh) * | 2022-08-11 | 2022-11-01 | 国网河南省电力公司信息通信公司 | 基于多因素评价指标的电力通信网节点重要性评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105117847A (zh) * | 2015-08-26 | 2015-12-02 | 国家电网公司 | 一种变压器故障重要度的评估方法 |
CN105912835A (zh) * | 2016-03-15 | 2016-08-31 | 华侨大学 | 一种计及风电场接入的电力线路脆弱性辨识模型建立方法 |
CN106850254A (zh) * | 2016-12-20 | 2017-06-13 | 国网新疆电力公司信息通信公司 | 一种电力通信网中关键节点识别方法 |
CN107482626A (zh) * | 2017-08-17 | 2017-12-15 | 广东电网有限责任公司惠州供电局 | 一种区域电网关键节点识别方法 |
CN107516909A (zh) * | 2017-08-31 | 2017-12-26 | 华北电力大学(保定) | 一种网架重构过程中可接入风电出力的优化方法和装置 |
-
2018
- 2018-01-03 CN CN201810005588.8A patent/CN108281959B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105117847A (zh) * | 2015-08-26 | 2015-12-02 | 国家电网公司 | 一种变压器故障重要度的评估方法 |
CN105912835A (zh) * | 2016-03-15 | 2016-08-31 | 华侨大学 | 一种计及风电场接入的电力线路脆弱性辨识模型建立方法 |
CN106850254A (zh) * | 2016-12-20 | 2017-06-13 | 国网新疆电力公司信息通信公司 | 一种电力通信网中关键节点识别方法 |
CN107482626A (zh) * | 2017-08-17 | 2017-12-15 | 广东电网有限责任公司惠州供电局 | 一种区域电网关键节点识别方法 |
CN107516909A (zh) * | 2017-08-31 | 2017-12-26 | 华北电力大学(保定) | 一种网架重构过程中可接入风电出力的优化方法和装置 |
Non-Patent Citations (1)
Title |
---|
陈彬等: "计及负荷模糊不确定性的网架重构后期负荷恢复优化", 《电力系统自动化》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108964103A (zh) * | 2018-07-27 | 2018-12-07 | 广州穗华能源科技有限公司 | 一种考虑微网系统可调度性的微网储能配置方法 |
CN108964103B (zh) * | 2018-07-27 | 2021-11-05 | 广州穗华能源科技有限公司 | 一种考虑微网系统可调度性的微网储能配置方法 |
CN110137956A (zh) * | 2019-05-21 | 2019-08-16 | 云南电网有限责任公司 | 一种电力系统灵活性需求的评估方法及系统 |
CN110137956B (zh) * | 2019-05-21 | 2022-07-22 | 云南电网有限责任公司 | 一种电力系统灵活性需求的评估方法及系统 |
WO2020249742A1 (de) * | 2019-06-12 | 2020-12-17 | Wobben Properties Gmbh | Verfahren zum stabilisieren eines elektrischen versorgungsnetzes |
CN110570016A (zh) * | 2019-08-13 | 2019-12-13 | 浙江大学 | 一种计及多阶段性能的抗灾型骨干网架优化方法 |
CN110570016B (zh) * | 2019-08-13 | 2022-04-29 | 浙江大学 | 一种计及多阶段性能的抗灾型骨干网架优化方法 |
CN111612272A (zh) * | 2020-05-28 | 2020-09-01 | 国家电网公司西南分部 | 考虑龙头水库的水电集群送出网架优化方法 |
CN111612272B (zh) * | 2020-05-28 | 2021-11-30 | 国家电网公司西南分部 | 考虑龙头水库的水电集群送出网架优化方法 |
CN115277438A (zh) * | 2022-08-11 | 2022-11-01 | 国网河南省电力公司信息通信公司 | 基于多因素评价指标的电力通信网节点重要性评估方法 |
CN115277438B (zh) * | 2022-08-11 | 2023-07-07 | 国网河南省电力公司信息通信公司 | 基于多因素评价指标的电力通信网节点重要性评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108281959B (zh) | 2019-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108281959A (zh) | 一种高比例可再生能源电力系统的骨干网架优化方法 | |
CN107069814B (zh) | 配网分布式电源容量布点的模糊机会约束规划方法与系统 | |
CN110071505A (zh) | 含大规模风电接入的输电网扩建与储能配置联合规划方法 | |
CN107316113B (zh) | 一种输电网规划方法及系统 | |
CN108306303A (zh) | 一种考虑负荷增长和新能源出力随机的电压稳定评估方法 | |
CN107508280B (zh) | 一种配电网重构方法及系统 | |
CN102945296A (zh) | 一种需求响应视角下的配电网不确定性重构建模方法 | |
CN103577891B (zh) | 一种含分布式电源的多孤岛微网优化合作运行方法 | |
CN106130004A (zh) | 一种综合考虑稳定特性的并网点新能源接纳能力的评估方法 | |
CN107959307A (zh) | 一种计及配电网运行风险成本的dg优化配置方法 | |
CN109713716A (zh) | 一种基于安全域的风电并网系统的机会约束经济调度方法 | |
CN108155674A (zh) | 考虑不确定分布特性的水火电联合调度方法及系统 | |
Shanmugapriya et al. | IoT based approach in a power system network for optimizing distributed generation parameters | |
CN116187165A (zh) | 基于改进粒子群算法的电网弹性提升方法 | |
CN106374453A (zh) | 一种电力系统重构方法 | |
CN106385055B (zh) | 一种含分布式电源的配电网安全校核方法 | |
CN109829599A (zh) | 基于高比例可再生能源的配电网的集群划分方法及装置 | |
CN110490421A (zh) | 一种基于模糊c-均值聚类的微电网中小水电站容量配置方法 | |
CN109193643A (zh) | 一种计算配用电系统网损和可靠性的方法及系统 | |
CN116707023A (zh) | 基于源荷相关性聚类的主动配电网分层分区综合优化方法 | |
CN109713720A (zh) | 一种新能源并网运行的电力电量平衡方法 | |
CN105552880A (zh) | 基于状态枚举法的电力系统典型故障集确定方法 | |
CN108667014A (zh) | 含核电和抽水蓄能电站的电力系统中黑启动效益计算方法 | |
Ismail et al. | Optimal planning for power distribution network with distributed generation in Zanzibar Island | |
Stocks et al. | Pumped Hydro Energy Storage to support a 50-100% renewable electricity grid |
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 |