CN109449967A - 考虑负荷随机性的风电场群外送选址定容联合优化方法 - Google Patents

考虑负荷随机性的风电场群外送选址定容联合优化方法 Download PDF

Info

Publication number
CN109449967A
CN109449967A CN201811104427.0A CN201811104427A CN109449967A CN 109449967 A CN109449967 A CN 109449967A CN 201811104427 A CN201811104427 A CN 201811104427A CN 109449967 A CN109449967 A CN 109449967A
Authority
CN
China
Prior art keywords
power plant
wind power
wind
load
transmission
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
Application number
CN201811104427.0A
Other languages
English (en)
Other versions
CN109449967B (zh
Inventor
叶荣
唐雨晨
蒋朋博
林章岁
江岳文
王怀远
温步瀛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Fujian Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd filed Critical State Grid Fujian Electric Power Co Ltd
Priority to CN201811104427.0A priority Critical patent/CN109449967B/zh
Publication of CN109449967A publication Critical patent/CN109449967A/zh
Application granted granted Critical
Publication of CN109449967B publication Critical patent/CN109449967B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种考虑负荷随机性的风电场群外送选址定容联合优化方法，获取风电场群各风电场出力时间序列；根据负荷的随机性，利用拉丁超立方抽样技术对负荷进行抽样；根据电网输电收益、高低压侧输电工程建设成本，构建能够反映风电场群外送输电工程净收益的中心变电站定位，输电容量配置联合优化模型，其目标函数为风电场群外送输电工程净收益最大化；获取风电场群外送输电工程优化模型，得到中心变电站的位置、风电场到中心变电站的最优出线容量、中心变电站到电力系统的最优输电容量。该方法的实施有利于合理规划风电场群外送输电工程。

Description

考虑负荷随机性的风电场群外送选址定容联合优化方法
技术领域
本发明涉及电网规划领域，特别是一种考虑负荷随机性的风电场群外送选址定容联合优化方法。
背景技术
风电电源具有输出波动、能量密度低等特点，随着风电场群汇聚规模的增大，风电场等效满发年利用小时数通常在2000h左右。如果风电场群的外送输电线容量配置较高时，将会造成大部分时间段输电容量的冗余，降低运行效益；而外送输电容量配置过低，可能造成严重的弃风损失。
为了优化风电送出，合理利用输电工程，降低线损，各风电场出力先汇聚到中心变电站，一部分供当地负荷消纳，一部分由中心变电站升压送出。而当地的负荷消纳会影响线路送出风电，并且中心变电站的位置直接影响各风电场到中心变电站送出线路长度以及中心变电站到系统接入点风电场群外送输电线路长度，进而影响多风电场群送出的净收益。由于负荷具有随机性，因此，在构建风电场群外送优化模型时，需要考虑负荷的不确定性，这样可使得模型更加的准确，可以给规划提供参考。
在已有的研究中，仅考虑中心变电站的位置对多风电场群送出的净收益的影响，未考虑负荷随机性对风电场群外送输电工程经济性的影响。
发明内容
本发明的目的在于提供一种考虑负荷随机性的风电场群外送选址定容联合优化方法，以克服现有技术中存在的缺陷。
为实现上述目的，本发明的技术方案是：一种考虑负荷随机性的风电场群外送选址定容联合优化方法，按照如下步骤实现：
步骤S1：获取风电场群各风电场出力时间序列；
步骤S2：根据负荷的随机性，利用拉丁超立方抽样技术对负荷进行抽样；
步骤S3：根据电网输电收益、高低压侧输电工程建设成本，构建能够反映风电场群外送输电工程净收益的中心变电站定位，输电容量配置联合优化模型，其目标函数为风电场群外送输电工程净收益最大化；
步骤S4：获取风电场群外送输电工程优化模型，得到中心变电站的位置、风电场到中心变电站的最优出线容量、中心变电站到电力系统的最优输电容量。
在本发明一实施例中，在所述步骤S2中，还包括如下步骤：
步骤S21：将全年分为K个时段，第i个时段的负荷为xi，xi～N(μi,σ2i)，对 xi进行拉丁超立方抽样后，抽出N个样本，对应一个行向量[x1i,x2i,…,xNi]，对每个负荷对应的行向量中的抽样值进行重新排列后，形成一个K行N列的矩阵，如下：
步骤S22：通过同步回代缩减法对场景规模进行削减。
在本发明一实施例中，在所述步骤S3中，所述目标函数为：：
其中，ps为负荷场景s发生的概率；Fs(X)为负荷场景s下的净收益；N为负荷场景总个数；X为负荷场景(x1,x2,…,xK)；Bs total为负荷场景s下的送出工程总收益；CL为送出线路总成本等年值。
在本发明一实施例中，所述步骤S3还包括如下步骤：
步骤S31：送出线路年总收益包括：风电场与中心变电站连接的输电线路的年收益和中心变电站与系统连接的输电线路的年收益，表述如下：
其中，B(Pl 1,Pl 2,...,Pl n)为风电场至中心站的输电线路的年收益；B(PTl) 为中心站至系统的输电线路年收益；Pil为风电场i至中心站的线路容量；PTl 为中心站至系统的线路容量；po为输电企业输送单位风电电量的收费；pb为电网输电阻塞造成风电弃风损失的单价；Pio(t)为t时刻风电场i实际送出功率；Pib(t) 为t时刻风电场i未送出的功率；n为风电场个数；PTo(t)为t时刻中心变电站实际送出功率；PTb(t)为t时刻中心变电站未送出的功率；
步骤S32：送出线路总成本等年值包括：风电场至中心站的输电线路的建设成本等年值和中心站至系统的输电线路的建设成本等年值，表述如下：
CL＝ClT+ChT；
ChT＝KhPl TLhA；
其中，ClT为风电场至中心站的输电线路的建设成本等年值；ChT为中心站至系统的输电线路的建设成本等年值；Kl、Kh分别为风电场至中心站和中心站至系统的单位容量单位长度线路建设成本；Li为第i个风电场至中心站的输电线路的长度；Lh为中心站至系统的输电线路的长度；A为等年值系数；r为利率；N为运行年限。
在本发明一实施例中，在所述步骤S3中，还包括如下约束条件：各风电场外送线路容量约束、风电场群外送线路容量约束。
在本发明一实施例中，所述各风电场外送线路容量约束表述如下：
其中，Pio(t)为t时刻风电场i实际送出功率；Pil为风电场i至中心站的线路容量；
风电场群外送线路容量约束表述如下：
0≤Po T(t)≤Pl T；
其中，PTo(t)为t时刻中心变电站实际送出功率；PTl为中心站至系统的线路
容量。
相较于现有技术，本发明具有以下有益效果：本发明提出的一种考虑负荷随机性的风电场群外送选址定容联合优化方法，假设风电场选址和系统接入点确定条件下，采用场景分析方法来研究负荷的随机性，以中心变电站的选址和线路容量作为优化变量，以风电场群输电工程的净收益最大化为目标，增加净收益，有效利用风资源。考虑负荷的随机性，优化风电场群中心变电站位置及高低压侧输电容量配置。综合考虑电网输电收益、中心变电站高低压侧输电工程建设成本，构建能够反映风电场群外送输电工程净收益最大化的优化模型，获得中心变电站位置、高低压侧输电容量。该方法的实施有利于合理规划风电场群外送输电工程。
附图说明
图1为本发明一实施例中风电场集群接入系统示意图。
图2为本发明一实施例中地球上任意两点距离计算示意图。
图3为本发明一实施例中风电场群各风电场出力时间序列。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
本发明提供一种考虑负荷随机性的风电场群外送选址定容联合优化方法，具体包括以下步骤：
步骤S1：获取风电场群各风电场出力时间序列；
步骤S2：利用拉丁超立方抽样技术对负荷进行抽样；
步骤S3：综合考虑电网输电收益、高低压侧输电工程建设成本，构建能够反映风电场群外送输电工程净收益的中心变电站定位，输电容量配置联合优化模型，其目标函数为风电场群外送输电工程净收益最大化。用数学函数表述如下：
其中，ps为负荷场景s发生的概率；Fs(X)为负荷场景s下的净收益；N为负荷场景总个数；X为负荷场景(x1,x2,…,xK)；Bs total为负荷场景s下的送出线路年总收益；CL为送出线路总成本等年值。
步骤S4：求解风电场群外送输电工程优化模型，得到中心变电站的位置、风电场到中心变电站的最优出线容量、中心变电站到电力系统的最优输电容量最优配置方案。
进一步地，在本实施例中，步骤S2具体包括以下步骤：
步骤S21：将全年分为K个时段，第i个时段的负荷为xi，xi～N(μi,σ2i)，对xi进行拉丁超立方抽样后，抽出N个样本，对应一个行向量[x1i,x2i,…, xNi]，对每个负荷对应的行向量中的抽样值进行重新排列后，形成一个K行N 列的矩阵。用数学函数表述如下：
步骤S22：通过同步回代缩减法对场景规模进行削减。
进一步地，在本实施例中，步骤S3具体包括以下步骤：
步骤S31：送出线路年总收益包括风电场与中心变电站连接的输电线路的年收益和中心变电站与系统连接的输电线路的年收益。用数学函数表述如下：
其中，B(Pl 1,Pl 2,...,Pl n)为风电场至中心站的输电线路的年收益；B(PTl) 为中心站至系统的输电线路年收益；Pil为风电场i至中心站的线路容量；PTl 为中心站至系统的线路容量；po为输电企业输送单位风电电量的收费；pb为电网输电阻塞造成风电弃风损失的单价；Pio(t)为t时刻风电场i实际送出功率； Pib(t)为t时刻风电场i未送出的功率；n为风电场个数；PTo(t)为t时刻中心变电站实际送出功率；PTb(t)为t时刻中心变电站未送出的功率。
步骤S32：送出线路总成本等年值包括风电场至中心站的输电线路的建设成本等年值和中心站至系统的输电线路的建设成本等年值。用数学函数表述如下：
CL＝ClT+ChT；
ChT＝KhPl TLhA；
其中，ClT为风电场至中心站的输电线路的建设成本等年值；ChT为中心站至系统的输电线路的建设成本等年值；Kl、Kh分别为风电场至中心站和中心站至系统的单位容量单位长度线路建设成本；Li为第i个风电场至中心站的输电线路的长度；Lh为中心站至系统的输电线路的长度；A为等年值系数；r为利率；N为运行年限。
进一步地，在本实施例中，步骤S3包括的约束条件有：各风电场外送线路容量约束、风电场群外送线路容量约束；
(a)各风电场外送线路容量约束。用数学函数表述如下：
(b)风电场群外送线路容量约束。用数学函数表述如下：
0≤Po T(t)≤Pl T；
为了让本领域技术人员进一步了解本发明提出的技术方案，下面结合具体实施例进行说明。
本实施例提供了一种考虑负荷随机性的风电场群外送选址定容联合优化的方法，具体包括以下步骤：
步骤S1：获取风电场群各风电场出力时间序列及相关参数；
在本实施例中，如图1所示，为风电场集群接入系统示意图。各风电场出力汇聚到中心变电站后，由中心变电站升压送出，中心变电站的位置将影响各风电场到中心变电站的距离和中心变电站外送输电距离，即L1，L2，L3和L，优化变量为各风电场到中心变电站的输电容量Pl 1、Pl 2、Pl 3，中心变电站外送输电容量Pl T以及中心变电站的位置(x,y)。
在本实施例中，如图2所示，地球上任意两点距离按照如下方式计算：
由ΔOCD，得：
BE＝BD-AC
＝RsinBw-RsinAw
综上所述，得：
在本实施例中，风电场群各风电场出力时间序列如图3所示，具体参数如下：风电场群总装机容量为891MW；po＝0.06元/(kW·h)；pb＝0.6元/(kW·h)；r＝0.06； Ts＝20年；储能寿命周期Tc＝10年；风电场1的经度坐标x1＝119.374673°E；风电场1的纬度坐标y1＝25.266761°N这个字母是北纬；风电场2的经度坐标x2＝119.3008°E；风电场2的纬度坐标y2＝25.19453°N；风电场3的经度坐标 x3＝119.176627°E；风电场3的纬度坐标y3＝25.275585°N；并网点的经度坐标 x∞＝118.682514°E；并网点的纬度坐标y∞＝25.367226°N。
步骤S2：一年分为8760个时段，每个时段的负荷服从各自的正态分布。
步骤S3：建立风电场群外送输电工程净收益最大化的中心变电站位置选址、输电容量配置联合优化模型。
步骤S4：利用粒子群算法求解风电场群外送输电工程中心变电站位置选址、输电容量配置。以风电场群各风电场出力曲线为例来计算，每10min取一个风电功率值，优化出风电场1出线容量PL1＝226MW，风电场2出线容量PL2＝237MW，风电场3出线容量PL3＝237MW，风电场群出线容量Pline＝639MW，中心变电站经纬度坐标(119.1766°E，25.2756°N)，L1＝22.6464km，L2＝14.7083km，L3＝0.0032km， L＝56.4935km，综合收益f＝2.1397亿元，为最大值。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (5)

1.一种考虑负荷随机性的风电场群外送选址定容联合优化方法，其特征在于，按照如下步骤实现：
步骤S1：获取风电场群各风电场出力时间序列；
步骤S2：根据负荷的随机性，利用拉丁超立方抽样技术对负荷进行抽样；
步骤S3：根据电网输电收益、高低压侧输电工程建设成本，构建能够反映风电场群外送输电工程净收益的中心变电站定位，输电容量配置联合优化模型，其目标函数为风电场群外送输电工程净收益最大化；
步骤S4：获取风电场群外送输电工程优化模型，得到中心变电站的位置、风电场到中心变电站的最优出线容量、中心变电站到电力系统的最优输电容量。
2.根据权利要求1所述的一种考虑负荷随机性的风电场群外送选址定容联合优化方法，其特征在于，在所述步骤S2中，还包括如下步骤：
步骤S21：将全年分为K个时段，第i个时段的负荷为xi，xi～N(μi,σ2i)，对xi进行拉丁超立方抽样后，抽出N个样本，对应一个行向量[x1i,x2i,…,xN i]，对每个负荷对应的行向量中的抽样值进行重新排列后，形成一个K行N列的矩阵，如下：
步骤S22：通过同步回代缩减法对场景规模进行削减。
3.根据权利要求1所述的一种考虑负荷随机性的风电场群外送选址定容联合优化方法，其特征在于，在所述步骤S3中，所述目标函数为：：
其中，ps为负荷场景s发生的概率；Fs(X)为负荷场景s下的净收益；N为负荷场景总个数；X为负荷场景(x1,x2,…,xK)；Bs total为负荷场景s下的送出工程总收益；CL为送出线路总成本等年值。
4.根据权利要求3所述的一种考虑负荷随机性的风电场群外送选址定容联合优化方法，其特征在于，所述步骤S3还包括如下步骤：
步骤S31：送出线路年总收益包括：风电场与中心变电站连接的输电线路的年收益和中心变电站与系统连接的输电线路的年收益，表述如下：
其中，B(Pl 1,Pl 2,...,Pl n)为风电场至中心站的输电线路的年收益；B(PTl)为中心站至系统的输电线路年收益；Pil为风电场i至中心站的线路容量；PTl为中心站至系统的线路容量；po为输电企业输送单位风电电量的收费；pb为电网输电阻塞造成风电弃风损失的单价；Pio(t)为t时刻风电场i实际送出功率；Pib(t)为t时刻风电场i未送出的功率；n为风电场个数；PTo(t)为t时刻中心变电站实际送出功率；PTb(t)为t时刻中心变电站未送出的功率；
步骤S32：送出线路总成本等年值包括：风电场至中心站的输电线路的建设成本等年值和中心站至系统的输电线路的建设成本等年值，表述如下：
CL＝ClT+ChT；
ChT＝KhPl TLhA；
其中，ClT为风电场至中心站的输电线路的建设成本等年值；ChT为中心站至系统的输电线路的建设成本等年值；Kl、Kh分别为风电场至中心站和中心站至系统的单位容量单位长度线路建设成本；Li为第i个风电场至中心站的输电线路的长度；Lh为中心站至系统的输电线路的长度；A为等年值系数；r为利率；N为运行年限。
5.根据权利要求1所述的一种考虑负荷随机性的风电场群外送选址定容联合优化方法，其特征在于，在所述步骤S3中，还包括如下约束条件：各风电场外送线路容量约束、风电场群外送线路容量约束；
所述各风电场外送线路容量约束表述如下：
其中，Pio(t)为t时刻风电场i实际送出功率；Pil为风电场i至中心站的线路容量；
风电场群外送线路容量约束表述如下：
0≤Po T(t)≤Pl T；
其中，PTo(t)为t时刻中心变电站实际送出功率；PTl为中心站至系统的线路容量。
CN201811104427.0A 2018-09-20 2018-09-20 考虑负荷随机性的风电场群外送选址定容联合优化方法 Active CN109449967B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811104427.0A CN109449967B (zh) 2018-09-20 2018-09-20 考虑负荷随机性的风电场群外送选址定容联合优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811104427.0A CN109449967B (zh) 2018-09-20 2018-09-20 考虑负荷随机性的风电场群外送选址定容联合优化方法

Publications (2)

Publication Number Publication Date
CN109449967A true CN109449967A (zh) 2019-03-08
CN109449967B CN109449967B (zh) 2022-05-13

Family

ID=65530809

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811104427.0A Active CN109449967B (zh) 2018-09-20 2018-09-20 考虑负荷随机性的风电场群外送选址定容联合优化方法

Country Status (1)

Country Link
CN (1) CN109449967B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112448411A (zh) * 2019-08-31 2021-03-05 南京理工大学 多风电场接入系统的汇集站选址和外送容量规划方法
CN114050591A (zh) * 2021-11-09 2022-02-15 福州大学 一种优化海上风电场升压站电压实现输电工程降损的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103259285A (zh) * 2013-05-03 2013-08-21 国家电网公司 含大规模风电电力系统的短期运行优化方法
CN104821578A (zh) * 2015-04-20 2015-08-05 国家电网公司 计及可用输电能力的含大规模风电的输电系统规划方法
CN108110795A (zh) * 2018-01-08 2018-06-01 福州大学 风电场群外送输电容量及储能配置联合优化方法
CN108288861A (zh) * 2018-02-01 2018-07-17 福州大学 风电场群风储系统选址定容联合优化的方法
CN108537393A (zh) * 2018-05-14 2018-09-14 福州大学 基于机会约束规划的风电场外送输电线路截面优化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103259285A (zh) * 2013-05-03 2013-08-21 国家电网公司 含大规模风电电力系统的短期运行优化方法
US20160169202A1 (en) * 2013-05-03 2016-06-16 State Grid Corporation Of China Short-term operation optimization method of electric power system including large-scale wind power
CN104821578A (zh) * 2015-04-20 2015-08-05 国家电网公司 计及可用输电能力的含大规模风电的输电系统规划方法
CN108110795A (zh) * 2018-01-08 2018-06-01 福州大学 风电场群外送输电容量及储能配置联合优化方法
CN108288861A (zh) * 2018-02-01 2018-07-17 福州大学 风电场群风储系统选址定容联合优化的方法
CN108537393A (zh) * 2018-05-14 2018-09-14 福州大学 基于机会约束规划的风电场外送输电线路截面优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
穆钢等: "确定风电场群功率汇聚外送输电容量的静态综合优化方法", 《中国电机工程学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112448411A (zh) * 2019-08-31 2021-03-05 南京理工大学 多风电场接入系统的汇集站选址和外送容量规划方法
CN112448411B (zh) * 2019-08-31 2022-09-16 南京理工大学 多风电场接入系统的汇集站选址和外送容量规划方法
CN114050591A (zh) * 2021-11-09 2022-02-15 福州大学 一种优化海上风电场升压站电压实现输电工程降损的方法
CN114050591B (zh) * 2021-11-09 2024-01-30 福州大学 一种优化海上风电场升压站电压实现输电工程降损的方法

Also Published As

Publication number Publication date
CN109449967B (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
He et al. Where, when and how much wind is available? A provincial-scale wind resource assessment for China
CN107832905B (zh) 一种适应分布式发电和储能站发展的配电网规划方法
CN108288861B (zh) 风电场群风储系统选址定容联合优化的方法
EP4170850A1 (en) Wind farm layout optimization method and optimization system, and computer-readable storage medium
Hessami et al. A feasibility study of hybrid wind power systems for remote communities
Jamal et al. Potential rooftop distribution mapping using Geographic Information Systems (GIS) for Solar PV Installation: A case study for Dhaka, Bangladesh
CN107480825B (zh) 一种计及容量可信度的光伏电站优化规划方法
Rosenbloom et al. Harnessing the Sun: Reviewing the potential of solar photovoltaics in Canada
Onu et al. Integrated design of photovoltaic power generation plant with pumped hydro storage system and irrigation facility at the Uhuelem-Amoncha African community
CN112150025A (zh) 综合能源服务项目的经济性评价方法及系统
CN109449967A (zh) 考虑负荷随机性的风电场群外送选址定容联合优化方法
Al-Shamma’a et al. Optimal Sizing of a Hybrid Renewable Photovoltaic‐Wind System‐Based Microgrid Using Harris Hawk Optimizer
CN104283226B (zh) 一种基于储能的光伏电站群外送输电容量静态优化方法
Pfeifer et al. Building smart energy systems on Croatian islands by increasing integration of renewable energy sources and electric vehicles
Shrestha et al. Optimal grid network for rural electrification of Upper Karnali hydro project affected area
Shamatah et al. The potential of the rooftop grid-connected PV systems in Benghazi
Yao et al. Optimal day‐ahead coordination on wind‐pumped‐hydro system by using multiobjective multistage model
Zhang et al. Probabilistic Chronological Production Simulation‐Based Coordinated Dispatching for Cascaded Hydro‐PV‐PSH Combined Power Generation System
Bawazir et al. Optimum ground-mounted on-grid connected photovoltaic system
Awan et al. Hydro and wind power integration: A case study of dargai station in Pakistan
Kumar et al. A land-use-constrained, generation–transmission model for electricity generation through solar photovoltaic technology: a case study of south India
Vyas et al. Sustainable development of agriculture feeders by solar-var incorporation
Kaldellis et al. Clean energy solution for remote islands. The case of Nisyros island
Sujatha et al. Dynamic fuzzy learning based hybrid GWO-CSA for optimal planning of PV, BESS and DSTATCOM with network reconfiguration
Sahithi et al. Smart Microgrids with H2G/G2H Power Sharing in Indian Scenario

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