CN108446805A - 一种计及供电可靠性的多目标分布式电源选址定容方法 - Google Patents
一种计及供电可靠性的多目标分布式电源选址定容方法 Download PDFInfo
- Publication number
- CN108446805A CN108446805A CN201810280782.7A CN201810280782A CN108446805A CN 108446805 A CN108446805 A CN 108446805A CN 201810280782 A CN201810280782 A CN 201810280782A CN 108446805 A CN108446805 A CN 108446805A
- Authority
- CN
- China
- Prior art keywords
- distributed generation
- generation resource
- constant volume
- node
- addressing constant
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000002245 particle Substances 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 230000002068 genetic effect Effects 0.000 claims abstract description 7
- 238000012913 prioritisation Methods 0.000 claims abstract description 3
- 239000000243 solution Substances 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 9
- 230000007812 deficiency Effects 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000009472 formulation Methods 0.000 abstract description 2
- 239000000203 mixture Substances 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000035699 permeability 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (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
一种计及供电可靠性的多目标分布式电源选址定容方法,该方法进行分布式电源选址定容的多个目标函数计算,综合上述多个子目标函数建立计及供电可靠性的多目标分布式电源选址定容的目标函数,结合配电网功率平衡约束条件、分布式电源出力约束条件和配电网节点电压约束条件,建立计及供电可靠性的多目标分布式电源选址定容的优化模型,采用粒子群优化与非支配遗传排序协同进化算法进行模型求解,得到满足多个目标的分布式电源选址定容优化方案。本发明克服了目前选址定容算法多目标简单加权而不合实际的缺点,计算简单且收敛速度快,提高了分布式电源选址定容方案制定的科学性,能缓解分布式电源对配电网运行的影响,提高分布式电源的经济性。
Description
技术领域
本发明涉及一种计及供电可靠性的多目标分布式电源选址定容方法,属分布式电源技术领域。
背景技术
配电网中分布式电源的渗透率日趋提高,一方面对配电网电压起到了支撑作用,但同时也给配电网的供电可靠性、电能质量等造成不利的影响。这种影响的大小与分布式电源接入的位置及接入容量密切相关。科学的分布式电源选址定容方案对于缓解分布式电源对配电网运行的影响,提高分布式电源经济性具有重要意义。
从优化目标上来看,目标函数可划分为两方面,其一是经济性因素,其二是可靠性因素。目前的分布式选址定容方案大多都针对配电网中的经济性因素进行优化,主要考虑网损费用,DG成本、供电成本以及网络升级费用等经济性指标,较少考虑了供电可靠性,且已有的选址定容方案主要将各个描述经济利益指标的子目标加权归一成单目标函数,进行单目标优化求解,与实际情况不符。此外,常用的求解算法诸如遗传算法存在收敛速度较慢、精度低,易陷入局部最优的问题;粒子群算法只能对单目标进行优化。
发明内容
本发明的目的是,针对目前的分布式选址定容方案存在的问题,本发明提出一种计及供电可靠性的多目标分布式电源选址定容方法。
本发明实现的技术方案如下:一种计及供电可靠性的多目标分布式电源选址定容方法,所述方法进行分布式电源选址定容的多个目标函数计算,综合上述多个子目标函数建立计及供电可靠性的多目标分布式电源选址定容的目标函数,结合配电网功率平衡约束条件、分布式电源出力约束条件和配电网节点电压约束条件,建立计及供电可靠性的多目标分布式电源选址定容的优化模型,采用粒子群优化与非支配遗传排序协同进化算法进行模型求解,得到满足多个目标的分布式电源选址定容优化方案。
所述多个目标函数包括,反映选址定容方案经济性的目标函数;反映选址定容方案对配电网可靠性影响的目标函数;反映选址定容方案对配电网电压影响的目标函数。
所述反映选址定容方案经济性的目标函数,采用前推回代潮流计算方法计算配电网网损,根据分布式电源的投资成本和运行成本计算分布式电源DG的总费用。
配电网网损f1:
其中,f1为配电网总有功损耗;i和j分别为配网支路两端节点号;Ui和Uj分别为节点i和j的电压幅值;Gij和θij分别为节点i和j之间支路的电导和电压相角差;h为配电网支路集合;n为配电网支路总数。
DG总费用:
DG投资成本f2计算公式为:
式中:f2为DG投资成本;r为贴现率;m为DG使用年限;C1为分布式电源单位投资成本;Pg为分布式电源额定容量。
DG运行成本f3计算公式为:
f3=C2×Pg
式中f3为DG运行成本,C2为分布式电源单位容量运行成本。
所述反映选址定容方案对配电网可靠性影响的目标函数,采用序贯蒙特卡洛模拟法计算配电网可靠性指标,得到系统平均停电持续时间和系统平均电量不足。
所述配电网可靠性指标包括:
式中:f4为平均停电持续时间指标,h/户·年;f5为系统平均电量不足指标,MWh/年;Ti为负荷点i的年平均停电时间;Ni为负荷点i的用户数;Lai为接入负荷点i的平均负荷。
所述反映选址定容方案对配电网电压影响的目标函数,根据配电网节点电压计算总相对电压偏差。
节点电压偏差指标为:
式中:Uiload为节点i的节点电压标幺值;Ue为节点额定电压标幺值;Up为节点电压允许偏差,一般规定为5%。
所述建立计及供电可靠性的多目标分布式电源选址定容的优化模型,包括:
优化目标函数为:
式中:F为优化目标函数;子目标函数f1为配电网网损,f2为DG投资成本,f3为DG运行成本,f4为DG接入后的系统平均停电持续时间,f5为接入后的系统平均电量不足;f6为节点电压偏差指标;exi为第i子目标函数的适应度函数值。
潮流等式约束为:
式中,N为配网总节点数;Gij和Bij分别为节点i和j间馈线电导和电纳;PDGi和QDGi分别为节点i分布式电源注入的有功和无功功率;PLi和QLi分别为节点i负荷的有功和无功功率;QCi为节点i处无功补偿容量。
节点电压约束为:
Ui,min≤Ui≤Ui,max
式中,Ui,max和Ui,max分别为节点i电压的上下限;
DG注入功率约束为:
0≤PDGi≤PDGi,max
式中,PDGi,max为节点i分布式电源注入有功功率的上限。
所述模型求解采用粒子群优化与非支配遗传排序协同进化算法,其步骤如下:
(1)初始化,包括在约束条件范围内随机产生粒子群的初始位置及速度,即各节点接入的分布式电源初始容量及每次迭代中的容量变化量,粒子种群大小,即每代种群中的接入方案数、设定最大迭代次数;
(2)据粒子初始位置,即初始各负荷节点的分布式电源接入容量,调用潮流程序计算网络损耗,再调用蒙特卡洛模拟程序计算可靠性;
(3)基于小生境技术对初始种群进行多目标全局寻优,首先初始化各方案适应度值为0;生成区间范围为[1,2]的随机数k,针对每一个子优化目标对方案进行排序,计某方案排序为i,若i=1,即为该子目标下的最优方案,则适应度值为k×pop,pop为方案数,否则为(pop-i)2,即:
(4)对粒子速度函数进行更新,再更新粒子位置,判断粒子的速度和位置变量是否越限,对其进行约束;
(5)求得更新后各粒子的子目标函数值,形成混合种群,进行非支配排序,选择下一代种群;
(6)计算得到当前全局最优解,检查是否达到最大迭代次数,如果没有则转步骤(3),否则转(7);
(7)输出最优解,程序结束。
本发明的有益效果如下,本发明计及供电可靠性的多目标分布式电源选址定容方法,可在制定分布式电源选址定容方案时综合考虑供电可靠性和运行经济性,克服了目前选址定容算法多目标简单加权而不合实际的缺点,计算简单且收敛速度快,提高了分布式电源选址定容方案制定的科学性,对于缓解分布式电源对配电网运行的影响,提高分布式电源经济性具有重要意义。
附图说明
图1为本发明的计及供电可靠性的多目标分布式电源选址定容方法流程图;
图2为粒子群优化与非支配遗传排序协同进化算法流程图。
具体实施方式
以下结合附图对本发明作进一步说明。
图1是计及供电可靠性的多目标分布式电源选址定容方法流程图。具体实现步骤为:
Ⅰ、计算经济性指标
a、配电网网损f1
式中:f1为配电网总有功损耗,i和j分别为配网支路两端节点号;Ui和Uj分别为节点i和j的电压幅值;Gij和θij分别为节点i和j之间支路的电导和电压相角差;h为配电网支路集合;n为配电网支路总数。配电网总有功网损可通过现有成熟的基于前推回代的配电网潮流计算方法得到。
b、DG总费用
DG投资成本f2计算公式为:
式中:f2为DG投资成本,r为贴现率;m为DG使用年限;C1为分布式电源单位投资成本;Pg为分布式电源额定容量。
DG运行成本f3计算公式为:
f3=C2×Pg
式中f3为DG运行成本,C2为分布式电源单位容量运行成本。
Ⅱ、计算可靠性指标
式中:f4为平均停电持续时间指标(SAIDI,h/户·年),f5为系统平均电量不足指标(AENS,MWh/年),Ti为负荷点i的年平均停电时间,Ni为负荷点i的用户数,Lai为接入负荷点i的平均负荷。这些数据可根据配电网的历史统计数据计算得到。
Ⅲ、节点电压偏差指标
式中:Uiload为节点i的节点电压标幺值,Ue为节点额定电压标幺值;Up为节点电压允许偏差,一般规定为5%。
Ⅳ、建立计及供电可靠性的多目标分布式电源选址定容模型
多目标分布式电源选址定容模型的优化目标函数为:
式中:F为优化目标函数;子目标函数f1为配电网网损,f2为DG投资成本,f3为DG运行成本,f4为DG接入后的系统平均停电持续时间,f5为接入后的系统平均电量不足;f6为节点电压偏差指标。exi为第i子目标函数的适应度函数值,通过粒子群优化与非支配遗传排序协同进化算法(CPSO-NSGA)求解得到。
约束条件:
a、潮流等式约束
式中,N为配网总节点数;Gij和Bij分别为节点i和j间馈线电导和电纳;PDGi和QDGi分别为节点i分布式电源注入的有功和无功功率;PLi和QLi分别为节点i负荷的有功和无功功率;QCi为节点i处无功补偿容量。这些数据可根据配电网的拓扑结构和运行数据得到。
b、节点电压约束
Ui,min≤Ui≤Ui,max
式中,Ui,max和Ui,max分别为节点i电压的上下限。
C、DG注入功率约束
0≤PDGi≤PDGi,max
式中,PDGi,max为节点i分布式电源注入有功功率的上限。
Ⅴ、采用CPSO-NSGA算法求解模型,具体实施步骤如附图2所示
(1)初始化。包括在约束条件范围内随机产生粒子群的初始位置及速度,即各节点接入的分布式电源初始容量及每次迭代中的容量变化量,粒子种群大小,即每代种群中的接入方案数、设定最大迭代次数等。
(2)据粒子初始位置,即初始各负荷节点的分布式电源接入容量,调用潮流程序计算网络损耗,再调用蒙特卡洛模拟程序计算可靠性;
(3)基于小生境技术对初始种群进行多目标全局寻优,首先初始化各方案适应度值为0;生成区间范围为[1,2]的随机数k,针对每一个子优化目标对方案进行排序,计某方案排序为i,若i=1,即为该子目标下的最优方案,则适应度值为k×pop,pop为方案数,否则为(pop-i)2,即:
(4)对粒子速度函数进行更新,再更新粒子位置,判断粒子的速度和位置变量是否越限,对其进行约束;
(5)求得更新后各粒子的子目标函数值,形成混合种群,进行非支配排序,选择下一代种群;
(6)计算得到当前全局最优解,检查是否达到最大迭代次数,如果没有则转步骤(3),否则转步骤(7);
(7)输出最优解,程序结束。
Claims (6)
1.一种计及供电可靠性的多目标分布式电源选址定容方法,其特征在于,所述方法进行分布式电源选址定容的多个目标函数计算,综合上述多个子目标函数建立计及供电可靠性的多目标分布式电源选址定容的目标函数,结合配电网功率平衡约束条件、分布式电源出力约束条件和配电网节点电压约束条件,建立计及供电可靠性的多目标分布式电源选址定容的优化模型,采用粒子群优化与非支配遗传排序协同进化算法进行模型求解,得到满足多个目标的分布式电源选址定容优化方案;
所述多个目标函数包括,反映选址定容方案经济性的目标函数;反映选址定容方案对配电网可靠性影响的目标函数;反映选址定容方案对配电网电压影响的目标函数。
2.根据权利要求1所述的一种计及供电可靠性的多目标分布式电源选址定容方法,其特征在于,所述反映选址定容方案经济性的目标函数,采用前推回代潮流计算方法计算配电网网损,根据分布式电源的投资成本和运行成本计算分布式电源DG的总费用;
配电网网损f1:
其中,f1为配电网总有功损耗;i和j分别为配网支路两端节点号;Ui和Uj分别为节点i和j的电压幅值;Gij和θij分别为节点i和j之间支路的电导和电压相角差;h为配电网支路集合;n为配电网支路总数;
DG总费用:
DG投资成本f2计算公式为:
式中:f2为DG投资成本;r为贴现率;m为DG使用年限;C1为分布式电源单位投资成本;Pg为分布式电源额定容量;
DG运行成本f3计算公式为:
f3=C2×Pg
式中f3为DG运行成本,C2为分布式电源单位容量运行成本。
3.根据权利要求1所述的一种计及供电可靠性的多目标分布式电源选址定容方法,其特征在于,所述反映选址定容方案对配电网可靠性影响的目标函数,采用序贯蒙特卡洛模拟法计算配电网可靠性指标,得到系统平均停电持续时间和系统平均电量不足;
所述配电网可靠性指标包括:
式中:f4为平均停电持续时间指标,h/户·年;f5为系统平均电量不足指标,MWh/年;Ti为负荷点i的年平均停电时间;Ni为负荷点i的用户数;Lai为接入负荷点i的平均负荷。
4.根据权利要求1所述的一种计及供电可靠性的多目标分布式电源选址定容方法,其特征在于,所述反映选址定容方案对配电网电压影响的目标函数,根据配电网节点电压计算总相对电压偏差;
节点电压偏差指标为:
式中:Uiload为节点i的节点电压标幺值;Ue为节点额定电压标幺值;Up为节点电压允许偏差,一般规定为5%。
5.根据权利要求1所述的一种计及供电可靠性的多目标分布式电源选址定容方法,其特征在于,所述建立计及供电可靠性的多目标分布式电源选址定容的优化模型;
优化目标函数为:
式中:F为优化目标函数;子目标函数f1为配电网网损,f2为DG投资成本,f3为DG运行成本,f4为DG接入后的系统平均停电持续时间,f5为接入后的系统平均电量不足;f6为节点电压偏差指标;exi为第i子目标函数的适应度函数值;
潮流等式约束为:
式中,N为配网总节点数;Gij和Bij分别为节点i和j间馈线电导和电纳;PDGi和QDGi分别为节点i分布式电源注入的有功和无功功率;PLi和QLi分别为节点i负荷的有功和无功功率;QCi为节点i处无功补偿容量;
节点电压约束为:
Ui,min≤Ui≤Ui,max
式中,Ui,max和Ui,max分别为节点i电压的上下限;
DG注入功率约束为:
0≤PDGi≤PDGi,max
式中,PDGi,max为节点i分布式电源注入有功功率的上限。
6.根据权利要求1所述的一种计及供电可靠性的多目标分布式电源选址定容方法,其特征在于,所述模型求解采用粒子群优化与非支配遗传排序协同进化算法,其步骤如下:
(1)初始化,包括在约束条件范围内随机产生粒子群的初始位置及速度,即各节点接入的分布式电源初始容量及每次迭代中的容量变化量,粒子种群大小,即每代种群中的接入方案数、设定最大迭代次数;
(2)据粒子初始位置,即初始各负荷节点的分布式电源接入容量,调用潮流程序计算网络损耗,再调用蒙特卡洛模拟程序计算可靠性;
(3)基于小生境技术对初始种群进行多目标全局寻优,首先初始化各方案适应度值为0;生成区间范围为[1,2]的随机数k,针对每一个子优化目标对方案进行排序,计某方案排序为i,若i=1,即为该子目标下的最优方案,则适应度值为k×pop,pop为方案数,否则为(pop-i)2,即:
(4)对粒子速度函数进行更新,再更新粒子位置,判断粒子的速度和位置变量是否越限,对其进行约束;
(5)求得更新后各粒子的子目标函数值,形成混合种群,进行非支配排序,选择下一代种群;
(6)计算得到当前全局最优解,检查是否达到最大迭代次数,如果没有则转步骤(3),否则转(7);
(7)输出最优解,程序结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810280782.7A CN108446805A (zh) | 2018-04-02 | 2018-04-02 | 一种计及供电可靠性的多目标分布式电源选址定容方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810280782.7A CN108446805A (zh) | 2018-04-02 | 2018-04-02 | 一种计及供电可靠性的多目标分布式电源选址定容方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108446805A true CN108446805A (zh) | 2018-08-24 |
Family
ID=63197955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810280782.7A Pending CN108446805A (zh) | 2018-04-02 | 2018-04-02 | 一种计及供电可靠性的多目标分布式电源选址定容方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108446805A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214593A (zh) * | 2018-10-19 | 2019-01-15 | 天津大学 | 一种主动配电网供电能力多目标评价方法 |
CN109672197A (zh) * | 2019-02-20 | 2019-04-23 | 国网能源研究院有限公司 | 一种考虑分布式电源出力不确定性的储能运行优化方法 |
CN110110948A (zh) * | 2019-06-13 | 2019-08-09 | 广东电网有限责任公司 | 一种多目标分布式电源优化配置方法 |
CN110309436A (zh) * | 2019-06-13 | 2019-10-08 | 大连理工大学 | 一种考虑车主选择行为的汽车服务网络协同选址方法与系统 |
CN110994665A (zh) * | 2019-10-15 | 2020-04-10 | 国网天津市电力公司 | 一种分布式光伏多点接入低压配电网选址方法 |
CN111490554A (zh) * | 2020-04-16 | 2020-08-04 | 国网江苏省电力有限公司淮安供电分公司 | 分布式光伏-储能系统多目标优化配置方法 |
CN111932012A (zh) * | 2020-08-12 | 2020-11-13 | 国网黑龙江省电力有限公司哈尔滨供电公司 | 储能系统-分布式电源-电容器综合控制无功优化方法 |
CN112446175A (zh) * | 2020-12-01 | 2021-03-05 | 国网江苏省电力有限公司南通供电分公司 | 基于配电网概率潮流计算的分布式电源选址优化方法 |
CN113626965A (zh) * | 2021-10-12 | 2021-11-09 | 西华大学 | 分布式电源选址定容优化系统 |
CN113690930A (zh) * | 2021-07-27 | 2021-11-23 | 国网江苏省电力有限公司扬州供电分公司 | 基于nsga-iii算法的分布式光伏电源中长期选址定容方法 |
CN113919721A (zh) * | 2021-10-19 | 2022-01-11 | 华北电力大学(保定) | 一种可靠性与经济性相协调的分布式电源多目标规划方法 |
CN114219676A (zh) * | 2021-11-05 | 2022-03-22 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于荷储协同效应的储能装置选址定容方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102611099A (zh) * | 2012-02-09 | 2012-07-25 | 河海大学 | 一种微电网降低网损的方法 |
CN104463369A (zh) * | 2014-12-12 | 2015-03-25 | 国家电网公司 | 一种分布式电源选址与定容优化方法及系统 |
CN105449713A (zh) * | 2015-12-11 | 2016-03-30 | 天津大学 | 考虑分布式电源特性的有源配电网智能软开关规划方法 |
CN105719015A (zh) * | 2016-01-19 | 2016-06-29 | 国网河北省电力公司电力科学研究院 | 一种基于pepso的分布式电源优化选址定容方法 |
CN106532772A (zh) * | 2016-12-01 | 2017-03-22 | 三峡大学 | 一种基于改进正交优化群智能算法的分布式电源规划方法 |
-
2018
- 2018-04-02 CN CN201810280782.7A patent/CN108446805A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102611099A (zh) * | 2012-02-09 | 2012-07-25 | 河海大学 | 一种微电网降低网损的方法 |
CN104463369A (zh) * | 2014-12-12 | 2015-03-25 | 国家电网公司 | 一种分布式电源选址与定容优化方法及系统 |
CN105449713A (zh) * | 2015-12-11 | 2016-03-30 | 天津大学 | 考虑分布式电源特性的有源配电网智能软开关规划方法 |
CN105719015A (zh) * | 2016-01-19 | 2016-06-29 | 国网河北省电力公司电力科学研究院 | 一种基于pepso的分布式电源优化选址定容方法 |
CN106532772A (zh) * | 2016-12-01 | 2017-03-22 | 三峡大学 | 一种基于改进正交优化群智能算法的分布式电源规划方法 |
Non-Patent Citations (1)
Title |
---|
张海燕: "基于TSPSO和AHP算法的分布式电源网络优化配置", 《中国优秀硕士学位论文全文数据库(电子期刊)工程科技Ⅱ辑》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214593A (zh) * | 2018-10-19 | 2019-01-15 | 天津大学 | 一种主动配电网供电能力多目标评价方法 |
CN109214593B (zh) * | 2018-10-19 | 2023-12-08 | 天津大学 | 一种主动配电网供电能力多目标评价方法 |
CN109672197A (zh) * | 2019-02-20 | 2019-04-23 | 国网能源研究院有限公司 | 一种考虑分布式电源出力不确定性的储能运行优化方法 |
CN110110948A (zh) * | 2019-06-13 | 2019-08-09 | 广东电网有限责任公司 | 一种多目标分布式电源优化配置方法 |
CN110309436A (zh) * | 2019-06-13 | 2019-10-08 | 大连理工大学 | 一种考虑车主选择行为的汽车服务网络协同选址方法与系统 |
CN110309436B (zh) * | 2019-06-13 | 2021-02-26 | 大连理工大学 | 考虑车主选择行为的汽车服务网络协同选址方法与系统 |
CN110994665A (zh) * | 2019-10-15 | 2020-04-10 | 国网天津市电力公司 | 一种分布式光伏多点接入低压配电网选址方法 |
CN111490554B (zh) * | 2020-04-16 | 2023-07-04 | 国网江苏省电力有限公司淮安供电分公司 | 分布式光伏-储能系统多目标优化配置方法 |
CN111490554A (zh) * | 2020-04-16 | 2020-08-04 | 国网江苏省电力有限公司淮安供电分公司 | 分布式光伏-储能系统多目标优化配置方法 |
CN111932012A (zh) * | 2020-08-12 | 2020-11-13 | 国网黑龙江省电力有限公司哈尔滨供电公司 | 储能系统-分布式电源-电容器综合控制无功优化方法 |
CN112446175A (zh) * | 2020-12-01 | 2021-03-05 | 国网江苏省电力有限公司南通供电分公司 | 基于配电网概率潮流计算的分布式电源选址优化方法 |
CN112446175B (zh) * | 2020-12-01 | 2022-07-12 | 国网江苏省电力有限公司南通供电分公司 | 基于配电网概率潮流计算的分布式电源选址优化方法 |
CN113690930B (zh) * | 2021-07-27 | 2022-08-19 | 国网江苏省电力有限公司扬州供电分公司 | 基于nsga-iii算法的分布式光伏电源中长期选址定容方法 |
CN113690930A (zh) * | 2021-07-27 | 2021-11-23 | 国网江苏省电力有限公司扬州供电分公司 | 基于nsga-iii算法的分布式光伏电源中长期选址定容方法 |
CN113626965A (zh) * | 2021-10-12 | 2021-11-09 | 西华大学 | 分布式电源选址定容优化系统 |
CN113919721A (zh) * | 2021-10-19 | 2022-01-11 | 华北电力大学(保定) | 一种可靠性与经济性相协调的分布式电源多目标规划方法 |
CN113919721B (zh) * | 2021-10-19 | 2024-05-17 | 华北电力大学(保定) | 一种可靠性与经济性相协调的分布式电源多目标规划方法 |
CN114219676A (zh) * | 2021-11-05 | 2022-03-22 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于荷储协同效应的储能装置选址定容方法 |
CN114219676B (zh) * | 2021-11-05 | 2024-05-31 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于荷储协同效应的储能装置选址定容方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446805A (zh) | 一种计及供电可靠性的多目标分布式电源选址定容方法 | |
CN102280889B (zh) | 基于克隆-粒子群混杂算法的电力系统无功优化方法 | |
CN101478157B (zh) | 自动发电控制系统及其负荷预测自动综合的优化方法 | |
CN103914734B (zh) | 基于改进型蚁群算法的微网容量优化布址方法 | |
CN102856918A (zh) | 一种基于小生境粒子群算法的配电网的无功优化方法 | |
CN110929931A (zh) | 考虑分布式电源和负荷时序特性的配电网协调规划方法 | |
CN103198189A (zh) | 基于粒子群算法的输电网单线图自动布局与绘制方法 | |
CN110135662A (zh) | 一种考虑减小峰谷差的储能选址定容多目标优化方法 | |
CN111626594A (zh) | 一种多种需求侧资源协同的配电网扩展规划方法 | |
CN109687454A (zh) | 一种分布式能源集群优化调度系统、方法及装置 | |
CN109193729A (zh) | 一种配网自动化系统中储能系统的选址方法 | |
CN109617049A (zh) | 一种风电汇集区的upfc配置方法 | |
CN103730900A (zh) | 电力系统多时间尺度的省地县一体化无功优化方法 | |
CN109888817B (zh) | 对光伏电站和数据中心进行位置部署和容量规划方法 | |
CN103279661A (zh) | 基于混合量子进化算法的变电站容量优化配置方法 | |
CN107565556A (zh) | 一种考虑三相不平衡因素的配电网最大供电能力计算方法 | |
CN108964099B (zh) | 一种分布式储能系统布局方法及系统 | |
Kumar et al. | Comparative analysis of particle swarm optimization variants on distributed generation allocation for network loss minimization | |
CN103714226A (zh) | 一种有序用电优化方案自动生成方法与装置 | |
Luo et al. | Research on optimal configuration of distributed photovoltaic with typical day scene generation technology | |
CN111146815B (zh) | 一种智能配电网分布式发电规划配置方法 | |
CN116388172A (zh) | 基于网损灵敏度选址的低碳配电网双层规划方法 | |
CN110472841A (zh) | 一种电动汽车快速充电站的储能配置方法 | |
CN109672197A (zh) | 一种考虑分布式电源出力不确定性的储能运行优化方法 | |
CN102420426B (zh) | 基于注入功率灵敏度的电网局部降损方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180824 |