CN109193779B - 一种分布式风力发电最大容量评估方法 - Google Patents
一种分布式风力发电最大容量评估方法 Download PDFInfo
- Publication number
- CN109193779B CN109193779B CN201811207628.3A CN201811207628A CN109193779B CN 109193779 B CN109193779 B CN 109193779B CN 201811207628 A CN201811207628 A CN 201811207628A CN 109193779 B CN109193779 B CN 109193779B
- Authority
- CN
- China
- Prior art keywords
- power generation
- node
- wind power
- distributed wind
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 92
- 238000011156 evaluation Methods 0.000 title abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000013210 evaluation model Methods 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000005283 ground state Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000012216 screening Methods 0.000 abstract description 3
- 238000012886 linear function Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H02J3/386—
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- 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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (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
本发明提供一种分布式风力发电最大容量评估方法,其特征在于,包括:确定分布式风力发电最大容量评估模型;所述评估模型包括配电网各个节点处分布式风力发电的网点接入容量与不可控因子的关系;将风力发电不同场景下的多组所述不可控因子输入所述分布式风力发电最大容量评估模型,得到所述不同场景下所述网点接入容量最优解;利用蒙特卡洛模拟方法对所述不同场景下所述网点接入容量最优解进行检验,筛选出满足机会约束的可行解集合,所述可行解集合即为分布式风力发电最大容量。本发明利用多参数规划算法对于多个相似场景的问题求解进行加速,扩大了多场景优化中的样本规模,提升了分布式风力发电最大容量评估的效率和精度。
Description
技术领域
本发明属于电力电子技术领域,尤其涉及一种分布式风力发电最大容量评估方法。
背景技术
分布式风力发电可接入的最大容量,是分布式风力发电开发的重要指标,容量评估对于合理规划分布式风力发电的建设,避免弃风问题具有重要意义。
近年来越来越多的分布式风力发电接入配电网,而负荷和风力发电出力具有随机性,因此需要在分布式风力发电最大容量评估中考虑不确定性。
目前常用的分布式风力发电最大容量评估方法主要是通过抽样形成典型场景,然后对每个场景分别进行优化,得到最优解。其不足之处在于场景数目增多时计算效率低。无法处理大规模问题。
发明内容
本发明的目的在于克服上述现有技术中存在的缺陷,提供一种基于多参数规划的分布式风力发电最大容量评估方法。
为了实现上述发明目的,本发明提供如下技术方案:
一种分布式风力发电最大容量评估方法,包括:
确定分布式风力发电最大容量评估模型;所述评估模型包括配电网各个节点处分布式风力发电的网点接入容量与不可控因子的关系;
将风力发电不同场景下的多组所述不可控因子输入所述分布式风力发电最大容量评估模型,得到所述不同场景下所述网点接入容量最优解;
利用蒙特卡洛模拟方法对所述不同场景下所述网点接入容量最优解进行检验,筛选出满足机会约束的可行解集合,从所述可行解集合中挑选出最优值即为分布式风力发电最大容量。
进一步的,确定分布式风力发电最大容量评估模型包括:
确定配电网经济调度模型的目标函数;
确定配电网经济调度模型的约束条件;
确定所述目标函数与所述约束条件的矩阵函数关系;
将所述矩阵函数关系转化为所述网点接入容量与所述不可控因子的分段线性关系函数。
进一步的,所述配电网经济调度模型的目标函数为所述分布式风力发电网点接入容量之和最大,具体为:
其中,Si表示配电网第i个节点处分布式风力发电的接入容量,max表示求取最大值。
进一步的,所述配电网经济调度模型的约束条件包括:节点功率约束、节点电压约束、线路传输容量约束中的一种或多种。
进一步的,其特征在于,
所述节点功率约束计算方式为:
上式表示配电网任意一个节点i的功率约束;其中N(i)为与i节点相连的节点集合,pij,t,qij,t分别为线路ij在t时刻流过的有功功率和无功功率,分别为支路ij在t时刻的有功功率损耗和无功功率表损耗,分别为节点i所接入的分布式风力发电组在t时刻发出的有功功率和无功功率,分别为节点i处t时刻的有功负荷和无功负荷;
所述节点电压约束计算方式为:
上式表示配电网中首端节点编号为i、末端节点编号为j的任意一条支路ij的电压方程;Vi,t为节点i在t时刻电压,Ui,t表示节点i电压的平方值,Uj,t表示节点j电压的平方值,表示支路ij上网损项引起的Ui,t节点电压变化,rij,xij分别表示支路ij的电阻和电抗,分别为支路ij在t时刻的有功功率损耗和无功功率表损耗,Vmin,Vmax分别表示节点电压设定的下限和上限,Prob{·}表示电压安全约束为机会约束,α为机会约束的置信度水平,即机会约束满足的概率;
所述线路传输容量约束计算方式为:
其中,sij,max为线路视在功率的限值,pij,t,qij,t分别为线路ij在t时刻流过的有功功率和无功功率。
进一步的,所述确定配电网经济调度模型的约束条件过程中所使用的负荷模型具体为:
其中,为节点i处的有功负荷在一天中第t个时段的负荷值,为节点i处t时刻的有功负荷和无功负荷;ΦR、ΦC、ΦI分别为居民类、商业类和工业类负荷的集合;参数αP(t)、βP(t)、γP(t)在模型中为随机参量,用于反映负荷的不确定性,即在各个场景中负荷的波动;负荷采用定功率因数模型,δi为节点i负荷的功率因数角。
进一步的,所述确定配电网经济调度模型的约束条件过程中所使用的网损模型为具体为:
上式为首端节点编号为i、末端节点编号为j的任意一条支路ij的功率损耗和电压损耗的表达式;其中,分别为基态点处线路ij在t时刻流过的有功与无功功率,为基态点处节点i在t时刻电压,rij,xij分别表示支路ij的电阻和电抗。
进一步的,所述确定配电网经济调度模型的约束条件过程中所使用的分布式风力发电出力计算方式为具体为:
其中,和分别为节点i处的分布式风力发电在t时刻的有功出力和无功出力;表示分布式风力发电在t时刻的出力系数;设定分布式风力发电的无功出力为固定功率因数输出,δi,DG为第i节点处分布式风力发电的功率因数角,Ndg为待接入分布式风力发电的节点集合。
进一步的,所述目标函数与所述约束条件的矩阵函数关系,具体为:
max cTx
Ax+Bθ≤d
其中x代表可以控制的变量,即所述风力发电的网点接入容量,θ代表所述不可控因子,包括分布式风力发电的出力系数、负荷的不可控参量;A,B,c,d分别为目标函数和约束条件写成矩阵形式后得到的系数矩阵。
进一步的,所述将所述矩阵函数关系转化为所述网点接入容量与所述不可控因子的分段线性关系函数,具体为:
采用多参数规划算法可得到所述x与θ间的分段线性函数关系:
Fi,Gi为常数矩阵和向量,C1,C2…Cn为参数θ的不同区域;分段函数的每个区域由关于参量的线性不等式组构成:
其中,Ei,fi分别是根据多参数算法给出的描述区域边界的常数矩阵以及向量。
本发明通过建立由目标函数和约束条件构成的分布式风力发电最大容量评估模型,然后采用多场景抽样法对不同场景下配电网中分布式风力发电的最大可接入容量进行评估,利用多参数规划算法对于多个相似场景的问题求解进行加速,扩大了多场景优化中的样本规模,从而进一步提升分布式风力发电最大容量评估的效率,提高容量评估的精度,且适合应用于分布式风力发电建设和接入的容量评估环节之中。
应理解的是,前面的一般描述和下面的详细描述都是示例性的,并且意图在于提供要求保护的技术的进一步说明。
附图说明
通过结合附图对本发明实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与本发明实施例一起用于解释本发明,并不构成对本发明的限制。除非明确指出,否则附图不应视为按比例绘制。在附图中,相同的参考标号通常代表相同组件或步骤。在附图中:
图1示出了本发明实施例中的分布式风力发电最大容量评估方法流程示意图;
图2示出了本发明实施例中的确定分布式风力发电最大容量评估模型流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地说明,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例中介绍了一种基于参数规划的分布式风力发电最大容量评估方法,如图1所示,所述方法包括:
101,确定分布式风力发电最大容量评估模型;所述评估模型包括配电网各个节点处分布式风力发电的网点接入容量与不可控因子的关系;
102,将风力发电不同场景下的多组所述不可控因子输入所述分布式风力发电最大容量评估模型,得到所述不同场景下所述网点接入容量最优解;
103,利用蒙特卡洛模拟方法对所述不同场景下所述网点接入容量最优解进行检验,筛选出满足机会约束的可行解集合,从所述可行解集合中挑选出最优值即为分布式风力发电最大容量。
如图2所示,确定分布式风力发电最大容量评估模型包括以下步骤:
201,确定配电网经济调度模型的目标函数;
202,确定配电网经济调度模型的约束条件;
203,确定所述目标函数与所述约束条件的矩阵函数关系;
204,将所述矩阵函数关系转化为所述网点接入容量与所述不可控因子的分段线性关系函数。
下面对确定分布式风力发电最大容量评估模型的各个步骤及其相互关系做详细说明:
在步骤201中,配电网经济调度模型的目标函数为所述分布式风力发电网点接入容量之和最大,确定配电网经济调度模型的目标函数为:
其中,Si表示配电网第i个节点处分布式风力发电的接入容量,max表示求取最大值;由于配电网容量评估的目的是主动为配电网中分布式风力发电的接入提供参考,所以优化的目标函数是接入容量之和最大,且接入容量指的是分布式风力发电的装机容量,即为风力发电可以发出的最大功率。
在步骤S202,确定配电网经济调度模型的约束条件。本实施例中,约束条件包括:节点功率约束、节点电压约束、线路传输容量约束。下面对约束条件的具体计算方式以及约束条件计算中采用的网损模型、负荷模型、发电出力计算方式做进一步说明:
所述节点功率约束为:
其中,上式为配电网中任意一个节点i的功率约束,N(i)为与i节点相连的节点集合,pij,t,qij,t为支路ij在t时刻流过的有功功率与无功功率,其中支路ij表示电网中节点i到节点j之间的线路,为支路ij在t时刻的功率损耗,为节点i所接入的分布式风力发电在t时刻发出的有功功率和无功功率,为节点i处t时刻的有功负荷和无功负荷;
所述节点电压约束为:
上式为配电网中首端节点编号为i、末端节点编号为j的任意一条支路ij的电压方程,Vi,t为节点i在t时刻电压,为了便于表述,采用Ui,t表示节点电压的平方值,Uj,t表示节点j电压的平方值,代表由于支路ij上网损项引起的Ui,t节点电压变化,rij,xij分别表示支路ij的电阻和电抗,分别为支路ij在t时刻的有功功率损耗和无功功率表损耗,Vmin,Vmax分别表示节点电压设定的下限和上限,Prob{·}表示电压安全约束为机会约束,α为机会约束满足的概率。
所述网损模型为:
其中,分别为配电网首端节点编号为i、末端节点编号为j的任意一条支路ij的功率损耗以及电压损耗,为基态点处配电网支路ij在t时刻流过的有功功率与无功功率,为基态点处节点i在t时刻电压,rij,xij分别表示支路ij的电阻和电抗。
所述线路传输容量约束为:
其中,pij,t,qij,t为配电网支路ij在t时刻流过的有功功率与无功功率,sij,max为线路视在功率的限值。
所述分布式风力发电出力公式为:
其中,和分别为配电网节点i处的分布式风力发电在t时刻的有功出力和无功出力;表示分布式风力发电在t时刻的出力系数;设定分布式风力发电无功出力为固定功率因数输出,δi,DG为第i节点处分布式风力发电的功率因数角,Ndg为待接入分布式风力发电的节点集合。
所述负荷模型为:
其中,为节点i处的有功负荷在一天中第t个时段的负荷值,可以依据负荷历史数据得到;为节点i处t时刻的有功负荷和无功负荷;ΦR、ΦC、ΦI分别为居民类、商业类和工业类负荷的集合;参数αP(t)、βP(t)、γP(t)在模型中为随机参量,可以反映有功负荷的不确定性,即在各个场景中有功负荷的波动。无功负荷采用定功率因数模型,δi为节点i负荷的功率因数角,所述各个场景包括居民类、商业类和工业类等场景。
在步骤203中,确定所述目标函数与所述约束条件的矩阵函数关系。分别获取所述目标函数与上述一个或多个约束条件的系数矩阵,基于所述系数矩阵,则所述分布式风力发电最大容量评估模型的形式可以为:
max cTx
Ax+Bθ≤d
其中,x代表可以控制的可控变量,所述可控变量包括配电网各个节点处分布式风力发电的接入容量,θ代表不可控因子(随机变量),所述不可控因子包括分布式风力发电的出力系数、负荷的不可控参量,A,B,c,d分别为目标函数和约束条件写成矩阵形式后得到的系数矩阵。
在步骤204中,基于多参数规划算法,确定所述评估模型中可控变量与不可控因子的分段线性函数关系;所述可控变量与不可控因子之间的分段线性函数关系为:
其中,x代表可以控制的变量,即所述风力发电的网点接入容量,θ代表所述不可控因子,包括分布式风力发电的出力系数、负荷的不可控参量。Fi、Gi为常数矩阵和向量,C1,C2…Cn为参数θ的不同区域。分段线性函数的每个区域由关于参量的线性不等式组构成:
其中,Ei,fi分别是根据多参数算法给出的描述区域边界的常数矩阵以及向量。
至此,分布式风力发电最大容量评估模型建立完成,所述评估模型描述了风力发电中不可控因子对分布式发电网点接入量的影响,本发明实施例中,通过多场景抽样法对不同场景下配电网中分布式风力发电的最大可接入容量进行评估。根据已经获得的评估模型,选取场景抽样历史数据计算得到最大接入量,下面对评估模型获取最大容量评估值的过程做详细说明。
在步骤102中,基于分布式风力发电的历史数据或依据理论模型生成多组不可控随机变量θ的取值作为样本集合,作为所述不可控因子输入评估模型;
基于上述分段线性函数关系形式的评估模型,求取所述样本集合中任一不可控随机变量对应的可控变量;即,根据每一个场景下对应的θ值,通过所述分段线性函数高效快速地求出每一个场景下的最优解x;
在步骤103中,基于蒙特卡洛模拟方法对上述求取出的所有可控变量x进行检验,筛选出满足机会约束的可行解集合X;
最后,基于所述可行解集合X,挑选出所述X中使得所述目标函数最优的接入容量,则所述使得目标函数最优的接入容量为分布式风力发电的最大容量。
采用多场景抽样法对不同场景下配电网中分布式风力发电的最大可接入容量进行评估,利用多参数规划算法对于多个相似场景的问题求解进行加速,扩大了多场景优化中的样本规模。
尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种分布式风力发电最大容量评估方法,其特征在于,包括:
确定分布式风力发电最大容量评估模型;所述评估模型包括配电网各个节点处分布式风力发电的网点接入容量与不可控因子的关系;
将风力发电不同场景下的多组所述不可控因子输入所述分布式风力发电最大容量评估模型,得到所述不同场景下所述网点接入容量最优解;
利用蒙特卡洛模拟方法对所述不同场景下所述网点接入容量最优解进行检验,筛选出满足机会约束的可行解集合,从所述可行解集合中挑选出最优值即为分布式风力发电最大容量;
确定分布式风力发电最大容量评估模型包括:
确定配电网经济调度模型的目标函数;
确定配电网经济调度模型的约束条件;
确定所述目标函数与所述约束条件的矩阵函数关系;
将所述矩阵函数关系转化为所述网点接入容量与所述不可控因子的分段线性关系函数;
所述目标函数与所述约束条件的矩阵函数关系,具体为:
max cTx
Ax+Bθ≤d
其中x代表可以控制的变量,即所述风力发电的网点接入容量,θ代表所述不可控因子,包括分布式风力发电的出力系数、负荷的不可控参量;c为目标函数写成矩阵形式后得到的系数矩阵,A,B,d为约束条件写成矩阵形式后得到的系数矩阵;
所述将所述矩阵函数关系转化为所述网点接入容量与所述不可控因子的分段线性关系函数,具体为:
采用多参数规划算法可得到所述x与θ间的分段线性关系函数:
Fi,Gi为常数矩阵和向量,C1,C2…Cn为参数θ的不同区域;分段线性关系函数的每个区域由关于参量的线性不等式组构成:
其中,Ei,fi分别是根据多参数算法给出的描述区域边界的常数矩阵以及向量,i=1,2…n。
3.根据权利要求1所述的方法,其特征在于,所述配电网经济调度模型的约束条件包括:节点功率约束、节点电压约束、线路传输容量约束中的一种或多种。
4.根据权利要求3所述的方法,其特征在于,
所述节点功率约束计算方式为:
上式表示配电网任意一个节点i的功率约束;其中N(i)为与i节点相连的节点集合,pij,t,qij,t分别为支路ij在t时刻流过的有功功率和无功功率,分别为支路ij在t时刻的有功功率损耗和无功功率损耗,分别为节点i所接入的分布式风力发电组在t时刻发出的有功功率和无功功率,分别为节点i处t时刻的有功负荷和无功负荷;
所述节点电压约束计算方式为:
上式表示配电网中首端节点编号为i、末端节点编号为j的任意一条支路ij的电压方程;Vi,t为节点i在t时刻电压,Ui,t表示节点i电压的平方值,Uj,t表示节点j电压的平方值,表示支路ij上网损项引起的Ui,t节点电压变化,rij,xij分别表示支路ij的电阻和电抗,分别为支路ij在t时刻的有功功率损耗和无功功率损耗,Vmin,Vmax分别表示节点电压设定的下限和上限,Prob{·}表示电压安全约束为机会约束,α为机会约束的置信度水平,即机会约束满足的概率;
所述线路传输容量约束计算方式为:
其中,sij,max为线路视在功率的限值,pij,t,qij,t分别为支路ij在t时刻流过的有功功率和无功功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811207628.3A CN109193779B (zh) | 2018-10-17 | 2018-10-17 | 一种分布式风力发电最大容量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811207628.3A CN109193779B (zh) | 2018-10-17 | 2018-10-17 | 一种分布式风力发电最大容量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109193779A CN109193779A (zh) | 2019-01-11 |
CN109193779B true CN109193779B (zh) | 2021-09-21 |
Family
ID=64945586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811207628.3A Active CN109193779B (zh) | 2018-10-17 | 2018-10-17 | 一种分布式风力发电最大容量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109193779B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112653185B (zh) * | 2020-12-22 | 2023-01-24 | 广东电网有限责任公司电力科学研究院 | 一种分布式可再生能源发电系统的效率评估方法和系统 |
CN113300413B (zh) * | 2021-05-28 | 2022-10-04 | 广东电网有限责任公司 | 一种虚拟电厂多约束分布式电源可接入能力评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069704A (zh) * | 2015-08-14 | 2015-11-18 | 中国电力科学研究院 | 一种提高分布式电源渗透率的快速遍历配网重构方法 |
CN105490309A (zh) * | 2015-12-21 | 2016-04-13 | 国网山西省电力公司大同供电公司 | 一种基于电网调峰能力的风电消纳评估方法 |
CN107069706A (zh) * | 2017-02-17 | 2017-08-18 | 清华大学 | 一种基于多参数规划的输配电网协调的动态经济调度方法 |
CN107171324A (zh) * | 2017-06-28 | 2017-09-15 | 国网河北省电力公司经济技术研究院 | 一种含分布式电源的配电网线性规划模型 |
CN108599180A (zh) * | 2018-02-02 | 2018-09-28 | 国网江西省电力有限公司经济技术研究院 | 一种考虑功率随机性的配电网无功电压优化方法 |
-
2018
- 2018-10-17 CN CN201811207628.3A patent/CN109193779B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069704A (zh) * | 2015-08-14 | 2015-11-18 | 中国电力科学研究院 | 一种提高分布式电源渗透率的快速遍历配网重构方法 |
CN105490309A (zh) * | 2015-12-21 | 2016-04-13 | 国网山西省电力公司大同供电公司 | 一种基于电网调峰能力的风电消纳评估方法 |
CN107069706A (zh) * | 2017-02-17 | 2017-08-18 | 清华大学 | 一种基于多参数规划的输配电网协调的动态经济调度方法 |
CN107171324A (zh) * | 2017-06-28 | 2017-09-15 | 国网河北省电力公司经济技术研究院 | 一种含分布式电源的配电网线性规划模型 |
CN108599180A (zh) * | 2018-02-02 | 2018-09-28 | 国网江西省电力有限公司经济技术研究院 | 一种考虑功率随机性的配电网无功电压优化方法 |
Non-Patent Citations (2)
Title |
---|
Robust Capacity Assessment of Distributed Generation in Unbalanced Distribution Networks Incorporating ANM Techniques;Xin Chen 等;《IEEE》;20180430;第9卷(第2期);第651-663页 * |
考虑风电不确定性的区间经济调度模型及空间分支定界法;丁涛 等;《中国电机工程学报》;20140805;第34卷(第22期);第3707-3714页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109193779A (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alismail et al. | Optimal wind farm allocation in multi-area power systems using distributionally robust optimization approach | |
CN106532778B (zh) | 一种计算分布式光伏并网最大准入容量的方法 | |
CN110705879B (zh) | 一种高比例可再生能源接入下的电网脆弱性评估方法 | |
CN106026092B (zh) | 一种用于含分布式电源的配电网孤岛划分方法 | |
CN110429653B (zh) | 考虑储能和dr的农网分布式光伏消纳方法及终端设备 | |
Hardiansyah et al. | Solving economic load dispatch problem using particle swarm optimization technique | |
CN110518591B (zh) | 一种不确定电力系统的潮流计算方法 | |
CN109193779B (zh) | 一种分布式风力发电最大容量评估方法 | |
CN108681786B (zh) | 基于供电社团结构的分布式发电选址规划方法 | |
Khuntia et al. | Risk‐based security assessment of transmission line overloading considering spatio‐temporal dependence of load and wind power using vine copula | |
CN109245182B (zh) | 一种基于参数规划的分布式光伏最大容量评估方法 | |
Li et al. | A multi-objective stochastic-information gap decision model for soft open points planning considering power fluctuation and growth uncertainty | |
CN110649633B (zh) | 一种配电网无功优化方法及系统 | |
CN109586309B (zh) | 基于大数据自由熵理论和场景匹配的配电网无功优化方法 | |
CN116307709A (zh) | 基于信息增益融合的变电站防汛能力综合评估方法、系统 | |
CN107590211B (zh) | 智能电网信息系统 | |
Sujatha et al. | An adaptive differential evolution algorithm based minimization of power loss and voltage instability | |
CN111884254B (zh) | 基于双重随机模拟的分布式光伏消纳接入方法及装置 | |
CN109787247A (zh) | 一种基于多参数规划的无功补偿规划方法 | |
CN115313519A (zh) | 一种配电网储能优化配置方法、装置、设备及存储介质 | |
CN113659636A (zh) | 分布不确定性条件下N-k分布鲁棒机组控制方法及装置 | |
CN112186764B (zh) | 一种配电网设备的接入优化方法、装置及电子设备 | |
CN109829563B (zh) | 一种基于多参数规划的馈线传输极限容量评估方法 | |
CN114825629B (zh) | 一种智能输配电处理方法及系统 | |
CN114362263B (zh) | 配电网光伏功率的控制方法、装置、计算机设备 |
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 |