CN109245182A - 一种基于参数规划的分布式光伏最大容量评估方法 - Google Patents
一种基于参数规划的分布式光伏最大容量评估方法 Download PDFInfo
- Publication number
- CN109245182A CN109245182A CN201811207622.6A CN201811207622A CN109245182A CN 109245182 A CN109245182 A CN 109245182A CN 201811207622 A CN201811207622 A CN 201811207622A CN 109245182 A CN109245182 A CN 109245182A
- Authority
- CN
- China
- Prior art keywords
- node
- distributed photovoltaic
- power
- maximum capacity
- appraisal procedure
- 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 32
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000012886 linear function Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000005283 ground state Effects 0.000 claims description 6
- 239000004744 fabric Substances 0.000 claims description 5
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003287 optical effect Effects 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- H02J3/383—
-
- 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
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/50—Controlling the sharing of the out-of-phase component
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于参数规划的分布式光伏最大容量评估方法,所述评估方法包括:首先,基于目标函数与约束条件建立分布式光伏最大容量评估模型;然后,基于所述评估模型,评估所述分布式光伏的最大容量。采用该评估方法提升了分布式光伏最大容量评估的效率,提高容量评估的精度,适合应用于分布式光伏建设和接入的容量评估环节之中。
Description
技术领域
本发明属于电力系统技术领域,特别涉及一种基于参数规划的分布式光伏最大容量评估方法。
背景技术
分布式光伏可接入的最大容量,是分布式光伏开发的重要指标,容量评估对于合理规划分布式光伏的建设,避免弃光问题具有重要意义。
近年来越来越多的分布式光伏接入配电网,而负荷和光伏出力具有随机性,因此需要在分布式光伏最大容量评估中考虑不确定性。
目前常用的分布式光伏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
本发明要解决的技术问题在于克服现有技术的不足,提供了一种基于参数规划的分布式光伏最大容量评估方法,该评估方法通用性强,提升了分布式光伏最大容量评估的效率,提高容量评估的精度。
有鉴于此,本发明的目的在于提供一种基于参数规划的分布式光伏最大容量评估方法,采用以下技术方案:
一种基于参数规划的分布式光伏最大容量评估方法,所述评估方法包括,
基于目标函数与约束条件建立分布式光伏最大容量评估模型;
基于所述评估模型,评估所述分布式光伏的最大容量。
进一步,所述基于目标函数与约束条件建立分布式光伏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;
分别获取所述目标函数与所述约束条件的系数矩阵;
基于所述系数矩阵,确定所述分布式光伏最大容量评估模型。
进一步,所述目标函数为,
其中,Si表示配电网第i个节点处分布式光伏的接入容量,max表示求取最大值。
进一步,所述配电网经济调度模型包括以下一项或多项约束条件,
节点功率约束、节点电压约束、网损模型、线路传输容量约束、分布式光伏出力、负荷模型。
进一步,所述节点功率约束为:
其中,所述节点功率约束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为线路ij在t时刻流过的有功功率与无功功率,为支路ij在t时刻的有功功率损耗与无功功率损耗,为节点i所接入的分布式光伏在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:
其中,所述节点电压约束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的电压约束,Vi,t为节点i在t时刻电压,Ui,t表示节点i在t时刻的电压的平方值,Uj,t表示节点j在t时刻的电压的平方值,代表由于支路ij上的网损项引起的Ui,t节点电压变化,rij,xij分别表示支路ij的电阻和电抗,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的有功功率损耗、无功功率损耗以及电压损耗,为配电网基态点处线路ij在t时刻流过的有功功率与无功功率,为配电网基态点处节点i在t时刻电压;
所述线路传输容量约束为:
其中,pij,t,qij,t为线路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;
所述分布式光伏出力为:
其中,和分别为节点i处的分布式光伏在t时刻的有功出力和无功出力;表示分布式光伏在t时刻的出力系数;δi,DG为第i节点处分布式光伏的功率因数角,Ndg为待接入分布式光伏的节点集合;
所述负荷模型为,
其中,为节点i处t时刻的有功负荷和无功负荷,为节点i处的有功负荷在一天中第t个时段的负荷值,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,δi为节点i负荷的功率因数角。
进一步,所述分布式光伏最大容量评估模型为:
maxcTx
Ax+Bθ≤d
x代表可控变量,θ代表不可控随机变量,A,B,c,d分别为目标函数与约束条件转为矩阵形式后的系数矩阵。
进一步,所述可控变量包括配电网各个节点处分布式光伏的接入容量;
所述不可控随机变量,包括分布式光伏的出力系数,负荷的不确定参数。
进一步,所述评估方法还包括,
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随机变量的分段线性函数关系。
进一步,所述评估模型中可控变量与不可控随机变量的分段线性函数关系为:
其中,x代表可控变量,θ代表不可控随机变量,Fi、Gi为常数矩阵和向量,C1,C2…Cn为参数θ的不同区域;
所述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分别是常数矩阵和向量。
进一步,所述基于所述评估模型,评估所述分布式光伏的最大容量包括,
基于分布式光伏的历史数据或依据理论模型生成形成多组不可控随机变量的取值作为样本集合;
基于所述分段线性函数关系,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;
基于蒙特卡洛模拟方法对所述任一不可控随机变量对应的可控变量进行检验,筛选出满足机会约束的可行解集合X;
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。
本发明通过建立由目标函数和约束条件构成的分布式光伏最大容量评估模型,然后采用多场景抽样法对不同场景下配电网中分布式光伏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光伏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光伏建设和接入的容量评估环节之中。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例中的一种基于参数规划的分布式光伏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一种基于评估模型,评估分布式光伏的最大容量流程示意图。
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光伏最大容量评估方法,如图1所示,所述评估方法包括,首先,基于目标函数与约束条件建立分布式光伏最大容量评估模型;然后,基于所述评估模型,评估所述分布式光伏的最大容量。其中,采用建立分布式光伏最大容量评估模型对配电网中分布式光伏的最大可接入容量进行评估,提升分布式光伏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光伏建设和接入的容量评估环节之中。
具体的,基于目标函数与约束条件构成所述布式光伏最大容量评估模型,具体包括以下步骤:
首先,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个节点处分布式光伏的接入容量,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光伏的接入提供参考,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光伏的装机容量,即为光伏可以发出的最大功率。
其次,确定配电网经济调度模型的约束条件,其中,所述配电网经济调度模型包括以下一项或多项约束条件:节点功率约束、节点电压约束、网损模型、线路传输容量约束、分布式光伏出力、负荷模型;其中,
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为线路ij在t时刻流过的有功功率与无功功率,为支路ij在t时刻的有功功率损耗与无功功率损耗,为节点i所接入的分布式光伏在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:
其中,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i在t时刻的电压的平方值,Uj,t表示节点j在t时刻的电压的平方值,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,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,也是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的有功功率损耗、无功功率损耗以及电压损耗,为基态点处配电网线路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。
所述线路传输容量约束为:
其中,pij,t,qij,t为配电网线路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。
所述分布式光伏出力为:
其中,和分别为配电网节点i处的分布式光伏在t时刻的有功出力和无功出力;表示分布式光伏在t时刻的出力系数;设定分布式光伏无功出力为固定功率因数输出,δi,DG为第i节点处分布式光伏的功率因数角,Ndg为待接入分布式光伏的节点集合。
所述负荷模型为:
其中,为节点i处t时刻的有功负荷和无功负荷,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;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。
然后,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,则所述分布式光伏最大容量评估模型的数字形式可以为:
maxcTx
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光伏的接入容量,θ代表不可控随机变量,所述不可控随机变量包括分布式光伏的出力系数、负荷的不确定参数,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,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随机变量的分段线性函数关系;其中,所述可控变量与不可控随机变量之间的分段线性函数关系为:
其中,x代表可以控制的可控变量,θ代表不可控随机变量,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分别是常数矩阵和向量,具体的,Ei、fi为采用多参数算法给出的描述参数θ区域边界的矩阵以及向量。
进一步具体的,如图2所示,基于所述评估模型,评估所述分布式光伏的最大容量包括,
首先,基于分布式光伏的历史数据或依据理论模型生成形成多组不可控随机变量θ的取值作为样本集合;
然后,基于所述分段线性函数关系,求取所述样本集合中任一不可控随机变量θ对应的可控变量x;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;
然后,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光伏的最大容量。采用多场景抽样法对不同场景下配电网中分布式光伏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。
本实施例中,所述支路或线路ij为配电网中首端节点编号为i、末端节点编号为j的任意一条支路或线路。
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 (10)
1.一种基于参数规划的分布式光伏最大容量评估方法,其特征在于,所述评估方法包括,
基于目标函数与约束条件建立分布式光伏最大容量评估模型;
基于所述评估模型,评估所述分布式光伏的最大容量。
2.根据权利要求1所述的基于参数规划的分布式光伏最大容量评估方法,其特征在于,所述基于目标函数与约束条件建立分布式光伏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;
分别获取所述目标函数与所述约束条件的系数矩阵;
基于所述系数矩阵,确定所述分布式光伏最大容量评估模型。
3.根据权利要求2所述的基于参数规划的分布式光伏最大容量评估方法,其特征在于,所述目标函数为,
其中,Si表示配电网第i个节点处分布式光伏的接入容量,max表示求取最大值。
4.根据权利要求2所述的基于参数规划的分布式光伏最大容量评估方法,其特征在于,所述配电网经济调度模型包括以下一项或多项约束条件,
节点功率约束、节点电压约束、网损模型、线路传输容量约束、分布式光伏出力、负荷模型。
5.根据权利要求4所述的基于参数规划的分布式光伏最大容量评估方法,其特征在于,所述节点功率约束为:
其中,所述节点功率约束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为线路ij在t时刻流过的有功功率与无功功率,为支路ij在t时刻的有功功率损耗与无功功率损耗,为节点i所接入的分布式光伏在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:
其中,所述节点电压约束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的电压约束,Vi,t为节点i在t时刻电压,Ui,t表示节点i在t时刻的电压的平方值,Uj,t表示节点j在t时刻的电压的平方值,代表由于支路ij上的网损项引起的Ui,t节点电压变化,rij,xij分别表示支路ij的电阻和电抗,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的有功功率损耗、无功功率损耗以及电压损耗,为配电网基态点处线路ij在t时刻流过的有功功率与无功功率,为配电网基态点处节点i在t时刻电压;
所述线路传输容量约束为:
其中,sij,max为线路视在功率的限值;
所述分布式光伏出力为:
其中,和分别为节点i处的分布式光伏在t时刻的有功出力和无功出力;表示分布式光伏在t时刻的出力系数;δi,DG为第i节点处分布式光伏的功率因数角,Ndg为待接入分布式光伏的节点集合;
所述负荷模型为,
其中,为节点i处t时刻的有功负荷和无功负荷,为节点i处的有功负荷在一天中第t个时段的负荷值,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,δi为节点i负荷的功率因数角。
6.根据权利要求1所述的基于参数规划的分布式光伏最大容量评估方法,其特征在于,所述分布式光伏最大容量评估模型为:
maxcTx
Ax+Bθ≤d
x代表可控变量,θ代表不可控随机变量,A,B,c,d分别为目标函数与约束条件转为矩阵形式后的系数矩阵。
7.根据权利要求6所述的基于参数规划的分布式光伏最大容量评估方法,其特征在于,
所述可控变量包括配电网各个节点处分布式光伏的接入容量;
所述不可控随机变量包括分布式光伏的出力系数,负荷的不确定参数。
8.根据权利要求6所述的基于参数规划的分布式光伏最大容量评估方法,其特征在于,所述评估方法还包括,
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随机变量的分段线性函数关系。
9.根据权利要求8所述的基于参数规划的分布式光伏最大容量评估方法,其特征在于,所述评估模型中可控变量与不可控随机变量的分段线性函数关系为:
其中,x代表可控变量,θ代表不可控随机变量,Fi、Gi为常数矩阵和向量,C1,C2…Cn为参数θ的不同区域;
所述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分别是常数矩阵和向量。
10.根据权利要求1-9任一所述的基于参数规划的分布式光伏最大容量评估方法,其特征在于,所述基于所述评估模型,评估所述分布式光伏的最大容量包括,
基于分布式光伏的历史数据或依据理论模型生成形成多组不可控随机变量的取值作为样本集合;
基于所述分段线性函数关系,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;
基于蒙特卡洛模拟方法对所述任一不可控随机变量对应的可控变量进行检验,筛选出满足机会约束的可行解集合X;
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811207622.6A CN109245182B (zh) | 2018-10-17 | 2018-10-17 | 一种基于参数规划的分布式光伏最大容量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811207622.6A CN109245182B (zh) | 2018-10-17 | 2018-10-17 | 一种基于参数规划的分布式光伏最大容量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109245182A true CN109245182A (zh) | 2019-01-18 |
CN109245182B CN109245182B (zh) | 2022-04-01 |
Family
ID=65053226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811207622.6A Active CN109245182B (zh) | 2018-10-17 | 2018-10-17 | 一种基于参数规划的分布式光伏最大容量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109245182B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114069632A (zh) * | 2021-07-21 | 2022-02-18 | 广西大学 | 基于多参数规划的电动汽车充电站容量评估方法 |
CN117394438A (zh) * | 2023-11-13 | 2024-01-12 | 南方电网能源发展研究院有限责任公司 | 考虑通信基站可调节潜力的分布式光伏准入容量评估方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103997066A (zh) * | 2014-06-13 | 2014-08-20 | 苏州大学 | 基于光伏发电系统中电网跌落检测的逆变控制系统及方法 |
CN104636824A (zh) * | 2015-01-26 | 2015-05-20 | 国家电网公司 | 一种确定最小渗透率的分布式光伏选址定容方法 |
JP2015186374A (ja) * | 2014-03-25 | 2015-10-22 | 大倉電気株式会社 | 電力系統の逆潮流監視装置 |
CN105022885A (zh) * | 2015-07-24 | 2015-11-04 | 天津大学 | 基于改进的Big Bang-Big Crunch的分布式光伏并网接纳能力计算方法 |
CN105024399A (zh) * | 2015-07-01 | 2015-11-04 | 山东大学 | 分布式并网逆变系统全局同步脉宽相位、频率动态调整方法 |
CN105279346A (zh) * | 2015-11-20 | 2016-01-27 | 国网能源研究院 | 一种用于评估配电网接纳分布式光伏能力的方法 |
-
2018
- 2018-10-17 CN CN201811207622.6A patent/CN109245182B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015186374A (ja) * | 2014-03-25 | 2015-10-22 | 大倉電気株式会社 | 電力系統の逆潮流監視装置 |
CN103997066A (zh) * | 2014-06-13 | 2014-08-20 | 苏州大学 | 基于光伏发电系统中电网跌落检测的逆变控制系统及方法 |
CN104636824A (zh) * | 2015-01-26 | 2015-05-20 | 国家电网公司 | 一种确定最小渗透率的分布式光伏选址定容方法 |
CN105024399A (zh) * | 2015-07-01 | 2015-11-04 | 山东大学 | 分布式并网逆变系统全局同步脉宽相位、频率动态调整方法 |
CN105022885A (zh) * | 2015-07-24 | 2015-11-04 | 天津大学 | 基于改进的Big Bang-Big Crunch的分布式光伏并网接纳能力计算方法 |
CN105279346A (zh) * | 2015-11-20 | 2016-01-27 | 国网能源研究院 | 一种用于评估配电网接纳分布式光伏能力的方法 |
Non-Patent Citations (1)
Title |
---|
XIN CHEN 等: "Robust Capacity Assessment of Distributed Generation in Unbalanced Distribution Networks Incorporating ANM Techniques", 《IEEE》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114069632A (zh) * | 2021-07-21 | 2022-02-18 | 广西大学 | 基于多参数规划的电动汽车充电站容量评估方法 |
CN114069632B (zh) * | 2021-07-21 | 2023-07-25 | 广西大学 | 基于多参数规划的电动汽车充电站容量评估方法 |
CN117394438A (zh) * | 2023-11-13 | 2024-01-12 | 南方电网能源发展研究院有限责任公司 | 考虑通信基站可调节潜力的分布式光伏准入容量评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109245182B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107527119A (zh) | 基于改进的多目标量子遗传算法的水资源优化调度方法 | |
CN105809279B (zh) | 一种基于多目标量子混合蛙跳算法的水资源优化调度方法 | |
Saeed et al. | An optimal approach of wind power assessment using Chebyshev metric for determining the Weibull distribution parameters | |
CN112184070B (zh) | 一种协同生态流量需求的梯级水电站多目标优化调度方法及系统 | |
Liu et al. | Deriving reservoir refill operating rules by using the proposed DPNS model | |
CN107016464B (zh) | 基于动态贝叶斯网络的威胁估计方法 | |
CN115375198B (zh) | 区域河湖水系连通联合调度和水质安全保障方法及系统 | |
CN109215344B (zh) | 用于城市道路短时交通流量预测的方法和系统 | |
CN108074004A (zh) | 一种基于网格法的地理信息系统短期负荷预测方法 | |
CN106484512A (zh) | 计算单元的调度方法 | |
CN109245182A (zh) | 一种基于参数规划的分布式光伏最大容量评估方法 | |
CN109214565A (zh) | 一种适用于大电网分区调度的子区域系统负荷预测方法 | |
CN108734378A (zh) | 一种不完全信息条件下的水库调度风险型群决策方法 | |
CN109063388A (zh) | 风环境模拟的微气候建筑选址设计方法 | |
CN105930927A (zh) | 一种基于行业负荷预测技术的配电网规划方法 | |
CN107563642A (zh) | 一种基于投影寻踪的水电站河流水文情势评价方法 | |
CN109325610B (zh) | 一种面向多水源梯级泵站调水系统的分段线性调度方法 | |
CN110458722A (zh) | 基于多目标随机向量函数连接网络的洪水区间预报方法 | |
CN110190615A (zh) | 一种微网储能系统控制策略优化方法 | |
CN107330538A (zh) | 一种气候变化条件下水库适应性调度规则编制的方法 | |
CN109193779A (zh) | 一种分布式风力发电最大容量评估方法 | |
CN109787247A (zh) | 一种基于多参数规划的无功补偿规划方法 | |
Donia | Aswan High Dam reservoir management system | |
CN108038518A (zh) | 一种基于气象数据的光伏发电功率确定方法及系统 | |
CN112101608A (zh) | 一种海上风电场选址方法及装置 |
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 |