CN109214593B - 一种主动配电网供电能力多目标评价方法 - Google Patents
一种主动配电网供电能力多目标评价方法 Download PDFInfo
- Publication number
- CN109214593B CN109214593B CN201811218914.XA CN201811218914A CN109214593B CN 109214593 B CN109214593 B CN 109214593B CN 201811218914 A CN201811218914 A CN 201811218914A CN 109214593 B CN109214593 B CN 109214593B
- Authority
- CN
- China
- Prior art keywords
- load
- distribution network
- power distribution
- active power
- power supply
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 147
- 238000011156 evaluation Methods 0.000 title claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 230000004044 response Effects 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 9
- 238000012614 Monte-Carlo sampling Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 32
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 230000009471 action Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000000875 corresponding effect Effects 0.000 description 16
- 238000007726 management method Methods 0.000 description 10
- 230000005611 electricity Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 230000002079 cooperative effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012360 testing method Methods 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)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (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
本发明公开了一种主动配电网供电能力多目标评价方法，包括：1)建立主动配电网考虑源网荷控制的约束条件，利用蒙特卡洛采样生成主动配电网中风机和光伏的出力，基于分布式电源出力、网络拓扑、负荷响应的约束条件生成对应的主动配电网源网荷协调方案，根据风机、光伏出力以及对应的负荷水平和主动配电网网架结构进行潮流计算，针对潮流计算结果基于机会约束判断是否满足概率约束条件中的置信度；2)若满足，计算出主动配电网供电能力和源网荷控制成本，不满足，给两个目标函数值重新赋值执行步骤3)；3)利用改进的交叉算子以及精英选择策略对主动配电网供电能力和源网荷控制成本两个目标值进行判断和更新，基于非支配排序获取Pareto解集；4)对上述Pareto解集进行筛选，选出折衷最优解，输出主动配电网多目标优化的评价结果和源网荷调整方案源网荷调整方案。
Description
技术领域
本发明涉及电力系统优化与评估领域，尤其涉及一种考虑源网荷协同作用的主动配电网供电能力多目标评价方法。
背景技术
随着近年来雾霾天气情况的加重，我国北方许多城市开始推广“煤改电”政策以减少冬季燃煤污染、改善空气质量。在环保的背景下，电动汽车越来越受到关注，并且被大量接入到配电网中。在此背景下，如此大量负荷接入必定会对配电网的安全可靠运行产生影响，因此准确计算出配电网允许接入的安全负荷容量，做好配电网的供电能力评估工作具有重大的现实意义，也能更好地指导实际配电网的优化运行。
分布式电源DG(distributed generation)的入网、先进的信息通信和电力电子技术的应用、对需求侧资源的开发利用，传统单向被动式配电网正逐渐发展为双向互动、多元协调的主动配电网ADN(active distribution network)[1-2]。ADN的一次系统具有“源-网-荷”三元结构[3-4]：“源”指的是ADN中各类分布式电源与储能，其中分布式电源分为可控型和间歇型，常见的可控型分布式电源有微型燃气轮机MT(micro-turbine)、柴油发电机、燃料电池等，间歇型分布式电源包括：风力发电机WT(wind turbine)、光伏PV(photovoltaic)等；“网”主要包括变压器、线路、开关等电力设备，其重要功能是通过灵活的网络拓扑来管理潮流；“荷”是指需求侧的各类负荷资源，包括：常规负荷、可中断负荷、可平移负荷等。DG接入可就近消纳部分负荷，并且有助于馈线故障前后各节点电压维持电压水平，减弱电压约束对TSC的影响，提升配电网整体的供电能力。通过需求侧管理技术可以降低高峰负载需求并重新调整负载曲线从而增加相应时段的供电能力。网络重构通过开关的动作可以通过更多可行的供电拓扑结构以避免违反配电网安全运行的约束从而改善配电网的供电能力。而传统供电能力评估都未能考虑新型源网荷协调作用下对供电能力产生的影响。
因此，在主动配电网中统筹考虑“源-网-荷”的影响，进行“源-网-荷”的协调管理和控制是值得研究的内容。
发明内容
本发明提供了一种主动配电网供电能力多目标评价方法，面对主动配电网中分布式电源的大量接入、需求侧资源的逐渐可控等，主动配电网最大供电能力的计算也会随着这些可控因素的增加而发生变化。从主动配电网源网荷角度来看，本发明能够通过合理有效控制分布式电源出力、改善主动配电网网络拓扑、主动控制需求侧负荷参与响应，从而实现配电网的供电能力最大化以及控制手段的经济性，详见下文描述：
一种主动配电网供电能力多目标评价方法，所述方法包括以下步骤：
1)建立主动配电网考虑源网荷控制的约束条件，并利用蒙特卡洛采样生成主动配电网中风机和光伏的出力，根据风机、光伏出力以及对应的负荷水平和主动配电网网架结构进行潮流计算，针对潮流计算结果基于机会约束判断是否满足约束条件中的置信度；
2)若满足，则计算出主动配电网供电能力和源网荷控制成本执行步骤3)，若不满足，则给两个目标函数值重新赋值执行步骤3)；
3)利用改进的交叉算子以及精英选择策略对主动配电网供电能力和源网荷控制成本两个目标值进行判断和更新，基于非支配排序获取Pareto解集；
4)对上述Pareto解集进行筛选，选出折衷最优解，输出主动配电网多目标优化的评价结果和源网荷调整方案源网荷调整方案。
其中在步骤1)之前，所述方法还包括：
对主动配电网网络拓扑、分布式电源出力、可控负荷进行初始化；计算初始化条件下主动配电网供电能力以及主动配电网源网荷控制成本。
进一步地，所述约束条件包括：电压的概率约束条件、电流的概率约束条件、潮流方程约束条件、放射性约束条件、DG运行约束条件、可控负荷的约束条件。
所述电压的概率约束条件：
Pr(Vi,min≤Vi(x,ζ)≤Vi,max)≥γV
其中，Vi(x,ζ)为主动配电网在状态ζ情况下节点i的电压幅值，γV为电压幅值所需要满足的置信度，Vimin、Vimax分别为节点i电压幅值的下、上限。
所述电流的概率约束条件：
Pr(Ii(x,ζ)≤Ii,max)≥γI
其中，Iimax为节点i电流幅值的上限，Ii(x,ζ)为主动配电网在状态ζ情况下支路i的电流幅值，γI为电流幅值所需要满足的置信度。
所述潮流方程约束条件：
其中，Pi为主动配电网节点i处注入有功功率；Vi为节点i的电压幅值；Vj为节点j的电压幅值；Gij为节点i、j之间的支路电导；θij为节点i、j之间的相角差；Bij为节点i、j之间的支路电纳；Qi为主动配电网节点i处注入无功功率；
所述放射性约束条件：
Nts＝Nbr-(Nbus-Ns)
其中，Nts是联络开关的个数，Nbr是馈线总条数，Nbus是母线节点数，Ns是电源个数。
所述DG运行约束条件：
其中，为DG在t时段发出的有功功率，/>分别为DG有功功率下上限。
所述可控负荷的约束条件：
其中，为第i个用户响应负荷参与响应的功率；/>表示响应负荷参与响应的最大负荷。
所述改进的交叉算子具体为：
其中，A.rank表示当前代的个体A的非支配排序等级，A.dist表示当前代的个体A的拥挤距离，B.rank表示当前代的个体A的非支配排序等级，B.dist表示当前代的个体A的拥挤距离。
所述精英选择策略具体为：
计算当前层级个体中所有非支配解的拥挤距离，删除其中拥挤距离最小的解；
判断当前层级个体中剩余非支配解规模，如果达到所要选择的个体数量要求则执行下一步骤，否则，执行上一步骤；
输出当前层级个体中剩余的非支配解。
所述主动配电网供电能力具体为：
其中，STSC表示为评估区域所能供给的最大负荷，S0j为节点j的当前实际负荷；Sdj为负荷增长区域中节点j的负荷增长基数，取Sdj＝S0j，N表示配电网节点个数。k为负荷增长倍数；D为进行供电能力评估的区域。
所述方法还包括：采取重复潮流算法求解主动配电网供电能力，具体为：
(1)确定迭代步长h0、迭代收敛精度ε以及整个主动配电网系统负荷增长倍数k；
(2)基于整个主动配电网系统负荷增长倍数k，更新整个主动配电网各节点的负荷S＝S+k*Sd；
(3)对更新后的节点负荷S进行潮流计算，判断是否满足主动配电网安全运行条件，若不满足条件，即安全约束越限，则执行步骤(4)；若满足条件，即安全约束没有越限，则执行步骤(2)；
(4)确定负荷增长倍数的临界点区间，令k1＝k-h0，k2＝k；
(5)判断负荷增长倍数临界点是否满足迭代精度要求，即∣k2-k1∣﹤ε。若满足精度要求，输出供电能力结果，若不满足精度要求，则执行步骤(6)；
(6)根据负荷倍数更新各节点负荷进行潮流计算，若越限，则二分临界点区间，令k2＝(k1+k2)/2，执行步骤(5)；若没有越限，则二分临界点区间，令k1＝(k1+k2)/2，执行步骤(5)。
所述主动配电网源网荷控制成本包括：分布式电源出力主动管理成本、网络重构中开关动作成本以及需求侧负荷的主动管理成本。
本发明提供的技术方案的有益效果是：
(1)本发明能够保持多属性决策的客观性，有效揭示负荷合理分布下的电网安全运行边界，比单目标方法更符合实际运行的需要；
(2)本发明的优化结果可为分析供电裕度及供电瓶颈提供辅助手段，以及为制定合理的负荷调整方案提供实用的参考依据；
(3)本发明提出的供电能力多目标计算方法，在线应用时可实时评估配电网的供电能力，给出多目标优化方案集；
(4)本发明在离线应用时，可依据配电网运行的历史数据及负荷预测，评估配电网的安全经济运行方式，指导配电网的运行及规划。
附图说明
图1为本发明提供的考虑源网荷协同作用下的供电能力评估流程图；
图2为本发明提供的采用重复潮流算法计算主动配电网供电能力的流程图；
图3为本发明提供的熵权基点法筛选Pareto解集的流程图；
图4为本发明提供的NSGA-II求解模型的流程图；
图5为实施例改进的IEEE 33节点配电系统的结构图；
图6为实施例基于改进NSGA-II算法求得的供电能力多目标Pareto解及筛选情况的示意图。
其中，(a)为实施列求得的主动配电网优化后的多目标Pareto最优解以及选择的折衷最优解的示意图；(b)为实施列求得的多目标Pareto最优解对应的理想度数值，用以选择最终的折衷最优解的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。
实施例1
本发明实施例的目的是针对主动配电网考虑源网荷协同作用下的供电能力评估的问题，提出一种考虑源网荷协同控制成本的主动配电网多目标供电能力评价方法，参见图1-图4，该方法包括以下步骤：
步骤101：对主动配电网网络拓扑、分布式电源出力、可控负荷进行初始化；
步骤102：计算初始化条件下主动配电网供电能力以及主动配电网源网荷控制成本(即计算初始条件对应的数值)；
步骤103：建立主动配电网考虑源网荷控制的概率约束条件，并利用蒙特卡洛采样生成主动配电网中风机和光伏的出力，根据风机、光伏出力以及对应的负荷水平和主动配电网网架结构进行潮流计算，针对潮流计算结果基于机会约束判断是否满足概率约束条件中的置信度，若满足，则计算出主动配电网供电能力和源网荷控制成本，若不满足，则给两个目标函数值重新赋值执行步骤104；
具体实现时，风机和光伏的出力主要是指可再生分布式电源的随机出力。
其中，上述置信度一般可以根据运行要求人为设定，本发明实施例在此将置信度均设为0.95，即要求在100次蒙特卡洛采样计算主动配电网潮流过程中，有95次满足概率约束。
其中，上述给两个目标函数值赋很大的值可以为：(10000，10000)，该两个目标函数值会在后续算法中被较优解所替代，再获取两个目标函数值之后，执行步骤104。
其中，机会约束判断具体实现方法为：对于机会约束Pr(Vi,min≤Vi(x,ζ)≤Vi,max)≥γV，根据风机、光伏出力概率分布随机产生N个模拟状态以进行潮流计算，假设在这N次MonteCarlo模拟潮流计算结果中有N’次满足以下约束内容：
Vi,min≤Vi(x,ζ)≤Vi,max
则可以通过大数定理来表示估计概率，即当且仅当概率条件N'/N≥γV满足时，机会约束条件Pr(Vi,min≤Vi(x,ζ)≤Vi,max)≥γV成立。
步骤104：利用改进的NSGA-II算法(改进了原算法的交叉算子以及精英选择策略)对主动配电网供电能力和源网荷控制成本两个目标值进行判断和更新，基于改进的NSGA-II算法中的非支配排序获取Pareto解集；
步骤105：对上述Pareto解集进行筛选，选出折衷最优解，输出主动配电网多目标优化的评价结果和源网荷调整方案源网荷调整方案。
综上所述，本发明实施例通过上述步骤101-步骤105能够保持多属性决策的客观性，有效揭示负荷合理分布下的电网安全运行边界，比单目标方法更符合实际运行的需要。
实施例2
下面结合具体的计算公式、图1-图4、以及实例对实施例1中的方案进行进一步地介绍，主要包括如下步骤，详见下文描述：
一、基于主动配电网的分析，对主动配电网中源网荷控制方案进行初始化
(11)基于可控分布式电源出力约束和可再生分布式电源出力概率分布，初始化分布式电源出力。
对于可再生能源的不确定，需要确定其概率密度分布，因此具体步骤为：
步骤a，采用蒙特卡洛方法对光伏出力进行模拟，光伏的概率出力可用下式表示：
其中，f(PM)为光伏发电出力功率为PM时对应的概率密度函数；Γ(α+β)、Γ(α)、Γ(β)均为伽玛函数；PM为当前光伏输出的功率；RM为光伏输出功率的最大值；α为Beta分布的形状参数；β为Beta分布的形状参数；x为积分变量。
步骤b，采用蒙特卡洛方法对风机出力进行模拟，风速的概率分布可用下式表示：
其中，f(v)为风速为v的概率密度；k为Weibull分布的形状参数；v为当前风速；c为Weibull分布的尺度参数。
从而得到风机出力公式：
其中，Pwt为风机在风速为v时的输出功率；vi为风机的切入速度；vo为风机的切出速度；vr为风机的额定风速；Pr为风机的额定功率。
具体实现时，基于上述公式(1)—(4)生成对应风机和光伏的有功功率出力。
步骤c，根据可控分布式电源的约束，对可控分布式电源的出力进行初始化，方法如下：
PMT,g＝unifrnd(PMT,g,min,PMT,g,max) (6)
其中，PMT,g为第g台微型燃气轮机的输出功率；unifrnd()为均匀分布函数；PMT,g,min为第g台微型燃气轮机的输出功率下限；PMT,g,max为第g台微型燃气轮机的输出功率上限。
(12)基于配电网放射性拓扑约束，对网络拓扑进行初始化：
swj＝randi(size(Lj)) (7)
其中，swj为配电网进行网络重构时打开开关的编号；randi()为随机取整函数；size()为判断矩阵维度的函数；Lj为配电网基本环中所包含的线路编号集合。
(13)基于可控负荷价格和容量约束，对可控负荷进行初始化：
λl＝unifrnd(λl1(p),λl2(p)) (8)
其中，λl为第i个用户参与需求响应的负荷率；λl1(p)为激励电价为p时用户参与需求响应的负荷率下限；λl2(p)为激励电价为p时用户参与需求响应的负荷率上限。
其中，可控分布式电源的出力、网络拓扑的开关解以及可控负荷的激励电价，即公式(6)(7)(8)对应的解构成了实施例1中步骤105中的源网荷调整方案。
二、主动配电网的供电能力计算
主动配电网供电能力的计算公式如下：
其中，STSC表示为评估区域所能供给的最大负荷，S0j为节点j的当前实际负荷；Sdj为负荷增长区域中节点j的负荷增长基数，取Sdj＝S0j，N表示配电网节点个数。k为负荷增长倍数；D为进行供电能力评估的区域。
采取重复潮流算法求解供电能力的具体步骤为：
(21)确定迭代步长h0、迭代收敛精度ε以及整个主动配电网系统负荷增长倍数k；
(22)基于整个主动配电网系统负荷增长倍数k，更新整个主动配电网各节点的负荷S＝S+k*Sd；
(23)对更新后的节点负荷S进行潮流计算，判断是否满足主动配电网安全运行条件，若不满足条件，即安全约束越限，则执行步骤(24)；若满足条件，即安全约束没有越限，则执行步骤(22)；
(24)确定负荷增长倍数的临界点区间，令k1＝k-h0，k2＝k；
其中，k1为左临界点，k2为右临界点。
(25)判断负荷增长倍数临界点是否满足迭代精度要求，即∣k2-k1∣﹤ε。若满足精度要求，输出供电能力结果，若不满足精度要求，则执行步骤(26)；
其中，ε的取值为保证计算结果一定的精确度，一般可以取0.00001，具体实现时根据实际应用中的需要进行设定，本发明实施例对此不做限制。
(26)根据负荷倍数更新各节点负荷进行潮流计算，若越限，则二分临界点区间，令k2＝(k1+k2)/2，执行步骤(25)；若没有越限，则二分临界点区间，令k1＝(k1+k2)/2，执行步骤(25)。
三、主动配电网的源网荷控制成本计算
其中，主动配电网源网荷控制成本主要包括三部分：分布式电源出力主动管理成本、网络重构中开关动作成本以及需求侧负荷的主动管理成本，具体计算公式如下：
min Cost＝CDG+CSW+CDSM (10)
式中，Cost表示主动配电网的总控制成本，CDG表示分布式电源主动管理成本，CSW表示开关动作成本，CDSM表示需求侧管理成本。
主动配电网源网荷控制成本的计算步骤如下：
(31)可控DG类型为微型燃气轮机(micro turbine generator，MTG)，对于燃气轮机，其运行效率随着输出功率的增大而上升，其运行成本与有功输出功率有如下所示关系式：
式中，CMT为燃气轮机发电成本；Cng表示单位燃气成本；PMT为燃气轮机的有功输出功率；η为燃气轮机的运行效率。
(32)网络重构成本与配电网中开关的动作次数成正比，其计算方法如下：
CSW＝CRCSNRCS (12)
其中，CRCS为网络重构过程中开关动作一次产生的成本；NRCS为网络重构过程中开关动作的次数。
(33)需求侧管理的成本方法主要考虑可中断负荷补偿成本。一般在可中断负荷(该可中断负荷为需求侧管理中常用的一种负荷控制方式)补偿成本(由于直接对用户负荷进行控制，需要对用户进行一定的补偿以保证用户的满意度)中仅考虑缺电量和中断时间这两个因素对其影响，模型表示如下：
其中，cIL,l表示中断负荷的合同价格，kIL表示无功价格系数，PIL,l、QIL,l分别表示中断负荷的有功、无功功率。
上述第二部分和第三部分即公式(9)和(10)构成了实施例1的步骤105中的主动配电网多目标优化的评价结果。
四、建立主动配电网考虑源网荷控制的约束条件
在步骤104中，对主动配电网中源网荷控制方案进行初始化。
(41)建立电压的概率约束条件：
Pr(Vi,min≤Vi(x,ζ)≤Vi,max)≥γV (14)
其中，Vi(x,ζ)为主动配电网在状态ζ情况下节点i的电压幅值，γV为电压幅值所需要满足的置信度，Vimin、Vimax分别为节点i电压幅值的下、上限。
(42)建立电流的概率约束条件：
每条馈线所带负荷应在其允许额定容量范围内，以确保主动配电网运行的安全性。
Pr(Ii(x,ζ)≤Ii,max)≥γI (15)
其中，Iimax为节点i电流幅值的上限，Ii(x,ζ)为主动配电网在状态ζ情况下支路i的电流幅值，γI为电流幅值所需要满足的置信度。
(43)建立常规约束条件：
为保证主动配电网的优化运行，需要基于源网荷的限制条件建立约束，具体步骤如下：
a)，潮流方程约束：
其中，Pi为主动配电网节点i处注入有功功率；Vi为节点i的电压幅值；Vj为节点j的电压幅值；Gij为节点i、j之间的支路电导；θij为节点i、j之间的相角差；Bij为节点i、j之间的支路电纳；Qi为主动配电网节点i处注入无功功率。
b)，放射性约束：必须保证配电网的放射性拓扑，在主动配电网中连接的馈线数量必须遵循以下关系。
Nts＝Nbr-(Nbus-Ns) (17)
其中，Nts是联络开关的个数，Nbr是馈线总条数，Nbus是母线节点数，Ns是电源个数。
c)，DG运行约束：可控DG发电时，有功功率保持在其额定容量内。
其中，为DG在t时段发出的有功功率，/>分别为DG有功功率下上限。
d)，建立可控负荷的约束条件：
可响应负荷自身有容量的限制。
其中，为第i个用户响应负荷参与响应的功率；/>表示响应负荷参与响应的最大负荷。
五、改进的NSGA-II算法在主动配电网供电能力多目标优化模型中的应用
(51)基于两个目标函数值对种群快速非支配排序，并计算相应的拥挤距离；
(52)对每个个体的拥挤距离大小进行排序，通过锦标赛法选择父代种群；
(53)通过遗传算法中传统的交叉和变异操作生成子代种群；
其中，交叉算子是遗传操作中最重要的操作，在交叉过程中优秀个体的基因模式得以迅速繁殖并在种群中扩散，使种群中其他个体能向最优解的方向行进。相比于模拟二进制交叉算子，算术交叉算子具有更好的全局搜索能力，能更好地保持种群的多样性。
算术交叉操作如下：设和/>分别为第t代两个待交叉的个体的决策变量的实数编码，则交叉后两个体的相应决策变量值为：
其中，为第t代待交叉的个体A的决策变量值；/>为第t代待交叉的个体B的决策变量值；α为参数，当α为常数时，称为均匀算术交叉；否则，则称为非均匀算术交叉。
其中，交叉算子系数如下：
其中，A.rank表示当前代的个体A的非支配排序等级，A.dist表示当前代的个体A的拥挤距离，B.rank表示当前代的个体A的非支配排序等级，B.dist表示当前代的个体A的拥挤距离。
这样，在算法的前期，较优个体的基因得到更好的保留，因此算法收敛速度加快了；同时，在算法的后期，分布度较好的个体的基因得到了更好的保留，因此提高了算法的多样性。
(54)根据公式(14)-(18)判断是否满足概率约束以及常规约束条件并计算相应目标函数值；
(55)父代、子代种群混合得到后代种群；
(56)对后代种群快速非支配排序，计算相应的拥挤距离；
(57)保留后代精英种群。精英选择中引入逐步淘汰策略，具体步骤为：
步骤57a，计算当前层级个体中所有非支配解的拥挤距离，删除其中拥挤距离最小的解；
步骤57b，判断当前层级个体中剩余非支配解规模，如果达到所要选择的个体数量要求则执行步骤57c，否则，执行步骤57a。
步骤57c，输出当前层级个体中剩余的非支配解，然后执行步骤(58)。
(58)判断是否达到迭代次数，如果是则输出Pareto解集，否则，执行步骤(52)。
(59)根据求得的Pareto解集，筛选折衷最优解形成最终决策方案，以提供给决策人员进行安排。
六、基于熵权基点法的折衷最优解的筛选
(61)建立评价矩阵
针对本发明实施例中的2个目标函数，l个帕累托最优解，建立评价矩阵P：
其中，pi1表示第i个Pareto解的第1个决策指标的值；pi2表示第i个Pareto解的第2个决策指标的值。
(62)数据的规格化处理。供电能力属于效益型指标，控制成本属于成本型指标。为统一量纲和数量级，同时把所有指标正向化，对矩阵P进行标准化处理：
其中，qij为规格化后第j个帕累托最优解对应的第i个目标函数值，分别为P中的第j行的最大值和最小值。得到标准化值qij以及由其构成的标准矩阵Q。
(63)计算第j个指标的信息熵值，熵权的大小由该目标下不同解的差异程度决定，代表了该目标提供信息量的大小。熵权的计算公式为：
其中，ej为第j个指标的信息熵值；wj为根据信息熵值计算得到的第j个指标的权重值；l为帕累托最优解的个数。
(64)建立加权的规格化评价矩阵Y＝(yij)。
yij＝wjqij1≤i≤l,j＝1,2 (25)
(65)确定双基点。
定义正理想点负理想点/>
(66)计算每个帕累托最优解的相对贴近度。
其中，和/>分别为第i个Pareto最优解与点/>和/>的欧氏距离。
相对贴近度数值越高，解越靠近正理想点，故选取相对贴近度最大的帕累托最优解作为折中最优解。
综上所述，本发明实施例在考虑不确定性的影响下，以源网荷协调优化的区域供电能力最大化和主动配电网控制成本最小化为优化目标，综合考虑分布式电源、可控负荷约束和配电网的运行约束，构建控制成本的主动配电网多目标优化不确定模型；采用非支配排序遗传算法对多目标优化模型进行求解；由多目标优化算法得到的帕累托(Pareto)最优解集规模大的问题，基于熵权基点法的方法对多目标Pareto最优解集进行筛选。
实施例3
本发明实施例选取改进的IEEE 33节点配电系统作为研究的ADN算例，图5给出了改进的主动配电网系统图。8，14，24，30，32节点处的负荷作为可中断负荷处理，可中断负荷的可中断比例范围是0～10％。节点8、13、16和25处安装了燃气轮机作为可控DG。燃气轮机的安装容量为600、600、650、650kW，单位燃气成本取0.4元/kWh。
通过对测试算例进行分区，计算不同地区的供电能力和控制成本情况，并做出多目标解的Pareto前沿图，对Pareto解集进行分析，并找出折衷最优解对应的源网荷控制方案作为最终决策解。
表1供电能力情况对比
表2成本分布情况
表3不同区域供电能力情况
图3展示了该算例中供电能力与控制成本之间的冲突关系。从图3的Pareto前沿分布中可以看出，求解得到的最优解均匀地分布在Pareto最优解前沿上，包含较丰富的决策信息。Pareto解集呈现弧形，在图线的后半部分，随着供电能力的增大，控制成本迅速增加，且供电能力增加不明显。若接着增加供电能力，成本增加较快，收益效果不明显。因此需要对Pareto解集的解进行筛选，以选出供电能力在得到保证的情况下，成本也合理的折中最优解，采用熵权基点法，计算出Pareto前沿上每个解对应的理想度。以供电能力为决策指标1，控制成本为决策指标2，获取决策矩阵P。由式(17)—(19)，可算得两个指标的熵权重分别为0.9028和0.0972。可见，算例1中供电能力指标比控制成本指标所提供的决策信息更多，折中最优解应稍偏向供电能力更大的点。对所有Pareto解进行理想度排序，选出的折中最优解在Pareto前沿中的位置如所示。折中最优解对应方案下的供电能力对比以及控制成本的详细信息如表1、表2所示。
通过对比发现，现电网如不采取措施，区域1所能允许接入的负荷为现有负荷的0.2017倍，且影响负荷接入的主要因素是节点18处的电压。
若进行源网荷的协同控制并合理安排成本的情况下，可以将供电倍数提高到2.2911，而且此时的成本也在合理范围内。同样，可以分析出各区域的供电能力情况，如表3所示。
参考文献
[1]邢海军，程浩忠，张沈习，等.主动配电网规划研究综述[J].电网技术，2015，39(10):2705-2711.
[2]姚建国，杨胜春，王珂，等.智能电网“源-网-荷”互动运行控制概念及研究框架[J].电力系统自动化，2012，36(21):1-6.
[3]曾鸣，杨雍琦，刘敦楠，等.能源互联网“源-网-荷-储”协调优化运营模式及关键技术[J].电网技术，2016，40(01):114-124.
[4]李逐云，雷霞，邱少引，等.考虑“源-网-荷”三方利益的主动配电网协调规划[J].电网技术，2017，41(02):378-387.
[5]李振坤，陈星莺，刘皓明，等.配电网供电能力的实时评估分析[J].电力系统自动化，2009，33(06):36-39.
[6]周玮，孙恺，孙辉，等.基于机会约束规划的主动配电网最大供电能力双层优化[J].电力系统保护与控制，2018，46(04):70-77.
[7]肖宝秋，刘洋，戴光明.改进的NSGA-Ⅱ算法及其在星座优化设计中的应用[J].计算机工程与应用，2012，48(10):47-53.
[8]荆朝霞，王宏益，江昌旭.考虑负荷均衡的220kV电网供电能力多目标优化[J].电网技术，2017，41(05):1619-1628.
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种主动配电网供电能力多目标评价方法，其特征在于，所述方法包括以下步骤：
1)建立主动配电网考虑源网荷控制的约束条件，并利用蒙特卡洛采样生成主动配电网中风机和光伏的出力，根据风机、光伏出力以及对应的负荷水平和主动配电网网架结构进行潮流计算，针对潮流计算结果基于机会约束判断是否满足约束条件中的置信度；
2)若满足，则计算出主动配电网供电能力和源网荷控制成本执行步骤3)，若不满足，则给两个目标函数值重新赋值执行步骤3)；
3)利用改进的交叉算子以及精英选择策略对主动配电网供电能力和源网荷控制成本两个目标值进行判断和更新，基于非支配排序获取Pareto解集；
4)对上述Pareto解集进行筛选，选出折衷最优解，输出主动配电网多目标优化的评价结果和源网荷调整方案源网荷调整方案；
其中，所述改进的交叉算子具体为：
其中，A.rank表示当前代的个体A的非支配排序等级，A.dist表示当前代的个体A的拥挤距离，B.rank表示当前代的个体A的非支配排序等级，B.dist表示当前代的个体A的拥挤距离；
其中，所述精英选择策略具体为：
计算当前层级个体中所有非支配解的拥挤距离，删除其中拥挤距离最小的解；
判断当前层级个体中剩余非支配解规模，如果达到所要选择的个体数量要求则执行下一步骤，否则，执行上一步骤；
输出当前层级个体中剩余的非支配解；
其中，所述对上述Pareto解集进行筛选，选出折衷最优解具体为：
计算第j个指标的信息熵值，熵权的大小由该目标下不同解的差异程度决定，代表了该目标提供信息量的大小，熵权的计算公式为：
其中，ej为第j个指标的信息熵值；wj为根据信息熵值计算得到的第j个指标的权重值；l为帕累托最优解的个数；
建立加权的规格化评价矩阵Y＝(yij)；
yij＝wjqij1≤i≤l,j＝1,2
确定双基点；
定义正理想点负理想点/>
计算每个帕累托最优解的相对贴近度：
其中，和/>分别为第i个Pareto最优解与点/>和/>的欧氏距离；
选取相对贴近度最大的帕累托最优解作为折衷最优解。
2.根据权利要求1所述的一种主动配电网供电能力多目标评价方法，其特征在于，在步骤1)之前，所述方法还包括：
对主动配电网网络拓扑、分布式电源出力、可控负荷进行初始化；计算初始化条件下主动配电网供电能力以及主动配电网源网荷控制成本。
3.根据权利要求1所述的一种主动配电网供电能力多目标评价方法，其特征在于，所述约束条件包括：电压的概率约束条件、电流的概率约束条件、潮流方程约束条件、放射性约束条件、DG运行约束条件、可控负荷的约束条件。
4.根据权利要求3所述的一种主动配电网供电能力多目标评价方法，其特征在于，电压的概率约束条件：
Pr(Vi,min≤Vi(x,ζ)≤Vi,max)≥γV
其中，Vi(x,ζ)为主动配电网在状态ζ情况下节点i的电压幅值，γV为电压幅值所需要满足的置信度，Vimin、Vimax分别为节点i电压幅值的下、上限；
电流的概率约束条件：
Pr(Ii(x,ζ)≤Ii,max)≥γI
其中，Iimax为节点i电流幅值的上限，Ii(x,ζ)为主动配电网在状态ζ情况下支路i的电流幅值，γI为电流幅值所需要满足的置信度。
5.根据权利要求3所述的一种主动配电网供电能力多目标评价方法，其特征在于，
所述潮流方程约束条件：
其中，Pi为主动配电网节点i处注入有功功率；Vi为节点i的电压幅值；Vj为节点j的电压幅值；Gij为节点i、j之间的支路电导；θij为节点i、j之间的相角差；Bij为节点i、j之间的支路电纳；Qi为主动配电网节点i处注入无功功率；
所述放射性约束条件：
Nts＝Nbr-(Nbus-Ns)
其中，Nts是联络开关的个数，Nbr是馈线总条数，Nbus是母线节点数，Ns是电源个数；
所述DG运行约束条件：
其中，为DG在t时段发出的有功功率，/>分别为DG有功功率下上限；
所述可控负荷的约束条件：
其中，为第i个用户响应负荷参与响应的功率；/>表示响应负荷参与响应的最大负荷。
6.根据权利要求2所述的一种主动配电网供电能力多目标评价方法，其特征在于，所述主动配电网供电能力具体为：
其中，STSC表示为评估区域所能供给的最大负荷，S0j为节点j的当前实际负荷；Sdj为负荷增长区域中节点j的负荷增长基数，取Sdj＝S0j，N表示配电网节点个数，k为负荷增长倍数；D为进行供电能力评估的区域。
7.根据权利要求6所述的一种主动配电网供电能力多目标评价方法，其特征在于，所述方法还包括：采取重复潮流算法求解主动配电网供电能力，具体为：
(1)确定迭代步长h0、迭代收敛精度ε以及整个主动配电网系统负荷增长倍数k；
(2)基于整个主动配电网系统负荷增长倍数k，更新整个主动配电网各节点的负荷S＝S0+k*Sd；
(3)对更新后的节点负荷S进行潮流计算，判断是否满足主动配电网安全运行条件，若不满足条件，即安全约束越限，则执行步骤(4)；若满足条件，即安全约束没有越限，则执行步骤(2)；
(4)确定负荷增长倍数的临界点区间，令k1＝k-h0，k2＝k；
(5)判断负荷增长倍数临界点是否满足迭代精度要求，即∣k2-k1∣﹤ε，若满足精度要求，输出供电能力结果，若不满足精度要求，则执行步骤(6)；
(6)根据负荷倍数更新各节点负荷进行潮流计算，若越限，则二分临界点区间，令k2＝(k1+k2)/2，执行步骤(5)；若没有越限，则二分临界点区间，令k1＝(k1+k2)/2，执行步骤(5)。
8.根据权利要求2所述的一种主动配电网供电能力多目标评价方法，其特征在于，所述主动配电网源网荷控制成本包括：分布式电源出力主动管理成本、网络重构中开关动作成本以及需求侧负荷的主动管理成本。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811218914.XA CN109214593B (zh) | 2018-10-19 | 2018-10-19 | 一种主动配电网供电能力多目标评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811218914.XA CN109214593B (zh) | 2018-10-19 | 2018-10-19 | 一种主动配电网供电能力多目标评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109214593A CN109214593A (zh) | 2019-01-15 |
| CN109214593B true CN109214593B (zh) | 2023-12-08 |
Family
ID=64981350
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811218914.XA Active CN109214593B (zh) | 2018-10-19 | 2018-10-19 | 一种主动配电网供电能力多目标评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109214593B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109687452B (zh) * | 2019-01-23 | 2022-04-12 | 南方电网科学研究院有限责任公司 | 一种用于配电网供电能力的分析方法、装置及存储介质 |
| CN109995089B (zh) * | 2019-01-31 | 2022-08-19 | 中国电力科学研究院有限公司 | 一种分布式电源消纳能力评估方法及系统 |
| CN109784589B (zh) * | 2019-03-19 | 2023-03-24 | 广东电网有限责任公司 | 一种电网业扩报装用户接入优化方法、装置和设备 |
| CN110245799B (zh) * | 2019-06-18 | 2023-04-07 | 国网江西省电力有限公司经济技术研究院 | 考虑负荷柔性需求的配电网架结构过渡的多目标规划方法 |
| CN110350517B (zh) * | 2019-06-27 | 2023-05-23 | 华南理工大学 | 一种基于运行风险的电动汽车并网配电网络重构方法 |
| CN110912123A (zh) * | 2019-12-03 | 2020-03-24 | 南方电网科学研究院有限责任公司 | 一种配电网优化方法、装置和设备 |
| CN113095611A (zh) * | 2019-12-23 | 2021-07-09 | 中国农业大学 | 含电采暖设备和光伏电源的低压配电网协调规划方法 |
| CN112186802A (zh) * | 2020-09-28 | 2021-01-05 | 国网江苏省电力有限公司苏州供电分公司 | 一种动态经济调度的多时间尺度滚动调度方法及其系统 |
| CN112329210A (zh) * | 2020-10-15 | 2021-02-05 | 苏州英迈菲智能科技有限公司 | 一种电力系统电价驱动二次型最优负荷跟踪模型求解方法 |
| CN112821444B (zh) * | 2020-12-30 | 2022-05-17 | 国网浙江海盐县供电有限公司 | 一种分布式光伏发电的源网荷协调分析控制方法 |
| CN113595158B (zh) * | 2021-08-04 | 2022-07-22 | 国网江苏省电力有限公司南通供电分公司 | 配售电竞争态势下区域配电网的供电能力评估方法 |
| CN113904372B (zh) * | 2021-10-15 | 2024-02-27 | 华北电力大学 | 考虑5g基站接入的主动配电网多目标优化运行方法 |
| CN115378047A (zh) * | 2022-08-09 | 2022-11-22 | 国网江苏省电力有限公司淮安供电分公司 | 基于人工蜂群的配电系统运行优化方法、系统及计算机设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010152851A (ja) * | 2008-12-26 | 2010-07-08 | Yamaha Motor Co Ltd | 多目的最適化装置、多目的最適化方法および多目的最適化プログラム |
| CN103310065A (zh) * | 2013-06-25 | 2013-09-18 | 国家电网公司 | 计及分布式发电和储能单元的智能配网重构方法 |
| CN104281889A (zh) * | 2014-10-08 | 2015-01-14 | 国家电网公司 | 电动汽车ev充电负荷多目标随机规划方法 |
| CN107706923A (zh) * | 2017-10-27 | 2018-02-16 | 云南电网有限责任公司 | 一种适用于主动配电网的负荷主动管理方法 |
| CN108039731A (zh) * | 2017-12-29 | 2018-05-15 | 南京工程学院 | 一种基于解空间分析且含风电的多目标三阶段调度方法 |
| CN108446805A (zh) * | 2018-04-02 | 2018-08-24 | 国网江西省电力有限公司电力科学研究院 | 一种计及供电可靠性的多目标分布式电源选址定容方法 |
| WO2018157691A1 (zh) * | 2017-02-28 | 2018-09-07 | 国网江苏省电力公司常州供电公司 | 有源配电网的安全性量化方法 |
-
2018
- 2018-10-19 CN CN201811218914.XA patent/CN109214593B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010152851A (ja) * | 2008-12-26 | 2010-07-08 | Yamaha Motor Co Ltd | 多目的最適化装置、多目的最適化方法および多目的最適化プログラム |
| CN103310065A (zh) * | 2013-06-25 | 2013-09-18 | 国家电网公司 | 计及分布式发电和储能单元的智能配网重构方法 |
| CN104281889A (zh) * | 2014-10-08 | 2015-01-14 | 国家电网公司 | 电动汽车ev充电负荷多目标随机规划方法 |
| WO2018157691A1 (zh) * | 2017-02-28 | 2018-09-07 | 国网江苏省电力公司常州供电公司 | 有源配电网的安全性量化方法 |
| CN107706923A (zh) * | 2017-10-27 | 2018-02-16 | 云南电网有限责任公司 | 一种适用于主动配电网的负荷主动管理方法 |
| CN108039731A (zh) * | 2017-12-29 | 2018-05-15 | 南京工程学院 | 一种基于解空间分析且含风电的多目标三阶段调度方法 |
| CN108446805A (zh) * | 2018-04-02 | 2018-08-24 | 国网江西省电力有限公司电力科学研究院 | 一种计及供电可靠性的多目标分布式电源选址定容方法 |
Non-Patent Citations (8)
| Title |
|---|
| Application of NSGA-II for Reducing Voltage Deviations, Power Losses and Control Actions in a Transmission Power System;Y. Rosales Hernandez;《IEEE T&D Asia 2009》;20091030;全文 * |
| Multiobjective Scheduling of an Active Distribution Network Based on Coordinated Optimization of Source Network Load;雍成思;《applied sciences》;20181011;第4章 * |
| 基于机会约束规划的主动配电网最大供电能力双层优化;周玮;《电力系统保护与控制》;20180216;全文 * |
| 改进的NSGA-II算法及其在星座优化设计中的应用;肖宝秋;《计算机工程与应用》;20110725;3.4交叉算子的改进 * |
| 改进自适应非支配排序遗传算法在多目标车间调度的研究与应用;赵一霞;《中国优秀硕博士论文全文数据库》;20181215;3.4 改进的 NSGA-II 算法 * |
| 考虑直流接入对系统安全性影响的负荷恢复优化;李鹏飞;梁海平;杨超;顾雪平;李少岩;臧二彬;;电测与仪表(14);全文 * |
| 考虑空气质量及供电能力的主动配电网优化调度研究;李静;《中国优秀硕博士论文全文数据库》;20170315;3.3 基于重复潮流法的供电能力计算 * |
| 雍成思.Multiobjective Scheduling of an Active Distribution Network Based on Coordinated Optimization of Source Network Load.《applied sciences》.2018, * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109214593A (zh) | 2019-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109214593B (zh) | 一种主动配电网供电能力多目标评价方法 | |
| Li et al. | Optimal scheduling of isolated microgrids using automated reinforcement learning-based multi-period forecasting | |
| Li et al. | Stratified optimization strategy used for restoration with photovoltaic-battery energy storage systems as black-start resources | |
| Yang et al. | Modelling, applications, and evaluations of optimal sizing and placement of distributed generations: A critical state‐of‐the‐art survey | |
| Liang et al. | Probability-driven transmission expansion planning with high-penetration renewable power generation: A case study in northwestern China | |
| Chen et al. | An interval optimization based day-ahead scheduling scheme for renewable energy management in smart distribution systems | |
| Jain et al. | Planning and impact evaluation of distributed generators in Indian context using multi-objective particle swarm optimization | |
| Liu et al. | Two-stage optimal economic scheduling for commercial building multi-energy system through internet of things | |
| Abedinia et al. | Synergizing efficient optimal energy hub design for multiple smart energy system players and electric vehicles | |
| CN108075471B (zh) | 基于随机性电源出力预测的多目标约束优化电网调度策略 | |
| Gazijahani et al. | Optimal multi-objective operation of multi microgrids with considering uncertainty | |
| Yang et al. | A Selection Hyper‐Heuristic Algorithm for Multiobjective Dynamic Economic and Environmental Load Dispatch | |
| Yang et al. | Deep learning-based distributed optimal control for wide area energy Internet | |
| CN108694475B (zh) | 基于混合模型的短时间尺度光伏电池发电量预测方法 | |
| CN109245096A (zh) | 一种主动配电网最大供电能力计算方法 | |
| CN117595398A (zh) | 一种电力系统灵活性优化方法及装置 | |
| Wang et al. | Optimal Planning of Distributed Generation and Loads in Active Distribution Network: A Review | |
| CN108053055A (zh) | 基于支持向量机的大型城市中长期电力负荷组合预测方法 | |
| CN109345411B (zh) | 一种应用于配电网供电能力提升的量化控制方法 | |
| Zhang et al. | Optimal scheduling strategy for active distribution network considering demand side response | |
| Chen et al. | A multi-objective joint planning of transmission channel and energy storage system considering economy and flexibility | |
| Alkano et al. | Distributed MPC for Power-to-Gas facilities embedded in the energy grids | |
| Zhang et al. | Probabilistic transmission network expansion planning considering integration of wind power | |
| Chen et al. | Research on optimization algorithm of distribution network reconstruction based on cuckoo search-particle swarm optimization | |
| Zhou et al. | Research on investment balance rate calculation and computer prediction model of power grid infrastructure projects |
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 |