CN109460880A - 一种含有风光储柴的中低压配网风险管控方法 - Google Patents
一种含有风光储柴的中低压配网风险管控方法 Download PDFInfo
- Publication number
- CN109460880A CN109460880A CN201711360588.1A CN201711360588A CN109460880A CN 109460880 A CN109460880 A CN 109460880A CN 201711360588 A CN201711360588 A CN 201711360588A CN 109460880 A CN109460880 A CN 109460880A
- Authority
- CN
- China
- Prior art keywords
- load
- node
- power supply
- energy storage
- power
- 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 35
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000009826 distribution Methods 0.000 title claims abstract description 14
- 238000004146 energy storage Methods 0.000 claims abstract description 91
- 239000011159 matrix material Substances 0.000 claims abstract description 14
- 238000010248 power generation Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- JLANSLCBOVYREQ-ADJSBTEYSA-N (3S)-3-[[(2S)-5-amino-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-6-amino-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S,3R)-2-[[(2S)-2-[[(2S,3R)-2-[[2-[[(2S)-5-amino-2-[[(2S)-2-[[(2S)-2-[[(2S,3S,4S,5R,6R)-4,5-dihydroxy-2-(hydroxymethyl)-6-[(2R,3S,4R,5R,6S)-4,5,6-trihydroxy-2-(hydroxymethyl)oxan-3-yl]oxyoxan-3-yl]amino]-3-(1H-imidazol-5-yl)propanoyl]amino]-3-hydroxypropanoyl]amino]-5-oxopentanoyl]amino]acetyl]amino]-3-hydroxybutanoyl]amino]-3-phenylpropanoyl]amino]-3-hydroxybutanoyl]amino]-3-hydroxypropanoyl]amino]-3-carboxypropanoyl]amino]-3-(4-hydroxyphenyl)propanoyl]amino]-3-hydroxypropanoyl]amino]hexanoyl]amino]-3-(4-hydroxyphenyl)propanoyl]amino]-4-methylpentanoyl]amino]-3-carboxypropanoyl]amino]-3-hydroxypropanoyl]amino]-5-carbamimidamidopentanoyl]amino]-5-carbamimidamidopentanoyl]amino]propanoyl]amino]-5-oxopentanoyl]amino]-4-[[(2S)-1-[[(2S)-1-[[(2S)-5-amino-1-[[(2S)-1-[[(2S)-1-[[(2S)-1-[[(2S)-4-amino-1-[[(1S,2R)-1-carboxy-2-hydroxypropyl]amino]-1,4-dioxobutan-2-yl]amino]-4-methylsulfanyl-1-oxobutan-2-yl]amino]-4-methyl-1-oxopentan-2-yl]amino]-3-(1H-indol-3-yl)-1-oxopropan-2-yl]amino]-1,5-dioxopentan-2-yl]amino]-3-methyl-1-oxobutan-2-yl]amino]-1-oxo-3-phenylpropan-2-yl]amino]-4-oxobutanoic acid Chemical compound CSCC[C@H](NC(=O)[C@H](CC(C)C)NC(=O)[C@H](Cc1c[nH]c2ccccc12)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](Cc1ccccc1)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@H](C)NC(=O)[C@H](CCCNC(N)=N)NC(=O)[C@H](CCCNC(N)=N)NC(=O)[C@H](CO)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](Cc1ccc(O)cc1)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H](Cc1ccc(O)cc1)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CO)NC(=O)[C@@H](NC(=O)[C@H](Cc1ccccc1)NC(=O)[C@@H](NC(=O)CNC(=O)[C@H](CCC(N)=O)NC(=O)[C@H](CO)NC(=O)[C@H](Cc1cnc[nH]1)N[C@@H]1[C@@H](CO)O[C@H](O[C@@H]2[C@@H](CO)O[C@H](O)[C@H](O)[C@H]2O)[C@H](O)[C@H]1O)[C@@H](C)O)[C@@H](C)O)C(C)C)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(O)=O JLANSLCBOVYREQ-ADJSBTEYSA-N 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 240000002853 Nelumbo nucifera Species 0.000 claims 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 19
- 230000000694 effects Effects 0.000 abstract description 2
- 230000002045 lasting effect Effects 0.000 abstract 1
- 230000005611 electricity Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 21
- 229920000314 poly p-methyl styrene Polymers 0.000 description 16
- 238000005457 optimization Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 241000611421 Elia Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000009514 concussion Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009897 systematic effect 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- 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)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (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
本发明一种含有风光储柴的中低压配网风险管控方法。针对可再生电源供电具有波动性、随机性以及间歇性,其电能输出与用电负荷之间的功率匹配,分布式电源(DG)输出电能的有效利用以及重要负荷(CL)的持续安全供电等变得更加复杂和具有挑战性的特点,提出一种“茎叶生成策略”实现多个自治微网之间电能的优化调度,从而借助储能设备的作用实现DG电能的充分利用和重要负荷的最大供电。该策略通过合理的生成矩阵权值构建微网拓扑矩阵;采用改进的最小生成树(MST)算法确定最优的DG‑CL和S‑CL供电对应关系,获得“树干”;利用线性矩阵不等式(LMI)算法选择非重要负荷(NL),并将其以“树叶”的形式添加到“树干”上从而与之共同生成新的自治微网结构。
Description
技术领域
本发明涉及一种微电网系统的分布式发电和储能设备领域,尤其是涉及一种含风、光、储、柴电源的含有风光储柴的中低压配网风险管控方法。
背景技术
伴随着微网系统的日渐成熟,这种可独立运行或并网运行的电力网络系统更多的采用了可再生能源技术。然而虽然目前常用的分布式电源中有内燃发电机组、燃气轮发电机等较为稳定可靠的供电系统,但由于其供电时需要消耗传统能源,因此其规模和供电量会收到一定限制,无法完全满足微网中全部用电负荷的用电要求,而太阳能、风能发电系统因为其具有清洁、可再生等特点也更多的渗透到微网系统中来。但是后者由于受到天气、环境等因素的影响,其供电具有间歇性、波动性等特点因此无法提供持续稳定的电力供应。这就造成了将从两个方面降低自治微网系统的运行效率:一方面,当DG供电充足时,大量的电能将无法获得有效的利用。虽然此时储能设备可以吸纳一部分多余的电量,但其效果有限且需要大量的储能单元,从而大大增加了微网系统的投入和维护成本;另一方面,当DG供电不足时,负荷无法得到充分的电力供应而受到限制,尤其是当系统中CL供电不足时,其造成的损失将会更加严重。
发明内容
本发明主要是解决现有技术中自治微网运行效率低的问题,提供了一种含有风光储柴的中低压配网风险管控方法。
本发明的上述技术问题主要是通过下述技术方案得以解决的:一种含有风光储柴的中低压配网风险管控方法,包括以下步骤:
S1.按时间间隔△t采样,获取当前时刻t系统电源DG、重要负荷CL、不重要负荷NL、储能设备S的状态信息;
S2.判断电源总发电量与重要负荷需求量之差是否超过划分触发门限值,若是对资质微网进行重新划分,若否只进行不重要负荷的增减;
S3.根据电源总发电量和用电负荷总需求关系确定储能设备使用类型,并根据储能设备SOC情况判断是否进行充电操作;
S4.确定不重要负荷NL供电节点数;
S5.构建自治微网。
本发明针对微网系统中的“三级层(tertiary level)”考虑通过电力系统连接开关处的监测设备,如多智能体等,获取系统状态信息并利用其控制联络开关,进而从逻辑层面重构网络拓扑,将多个自治微网系统的供用电系统进行重新优化组合,通过协作实现电能的优化调度。该“茎叶生成策略”主要包括两部分算法,即MST搜索最优的DG-CL供电关系,确定网络基本体系;LMI确定NL节点的添加或删除,保证DG电能的最大利用。创新性和技术贡献主要体现在以下几个方面:(1)考虑多因素构建网络拓扑矩阵权值,并将这些相关性较低的度量值有机的统一起来,从而大大减少了约束条件的个数为算法的简化奠定了基础;(2)将MST搜索算法和LMI优化算法结合起来使用分别构造新的微网拓扑结构下的“树干”和“树叶”,既利用了算法各自的优点又方便算法的随时结合与拆分使用(可根据系统状态进行重新划分或只增减“树叶”节点),从而避免了每次采样后都对这个算法的重新运行,大大简化了计算量,提高了算法效率;(3)合理安排储能单元的充放电状态,使该策略得以从空间和时间两个维度对电能进行优化安排,从而使电能的利用率得到更大程度的提高;同时,尽量减少了储能设备的充放电次数也避免了储能(S)到储能(S)的充放电动作,从而降低了储能单元的使用成本,延长了其使用寿命。IEEE 33-bus标准测试平台下一系列的仿真结构显示,该策略有效的保证了CL的用电,提高了DG电能的使用效率也极大的保证了NL的用电要求。
作为一种优选方案,步骤S2的具体过程包括:
判断在前一采样周期确定的结构体系下,在每个自治微网中(DG-CL)i的变化比是否超过设定的划分门限值θ,即
若是进入步骤S3,若否进入步骤S4;其中为t时刻i节点上所连接的分布式电源向其重要负荷供电后的剩余功率,为为t-Δt时刻i节点上所连接的分布式电源向其重要负荷供电后的剩余功率,NAMG(t-Δt)为为t-Δt时刻的自治微网的数量,(DG-CL)i表示i节点上所连接的分布式电源与重要负荷的差值。
作为一种优选方案,步骤S3的具体过程包括:
S301.构建当前时刻t的网络拓扑矩阵A(t),确定支路权值;
S302.判断电源DG的总发电量是否大于所有用电负荷的总需求,即
若是进入步骤S33,若否进入步骤S34;其中NDG为电源DG的数量,NCL为重要负荷的数量,NNL为不重要负荷的数量;
S303.将所有储能设备视为用电负荷,即Si∈{x|x is load},i=1,…,Ns,进入步骤S307;其中NS为储能设备的数量;若某时刻电源DG的总供电负荷大于系统中所有用电设备的用电负荷,即DGs>Loads,则系统中全部的储能设备视作“用电设备”,此时,如果某储能设备的SOC小于80%,那么在系统全部CL和NL用电需求得到满足后,该储能设备获得充电;反之,该储能设备既不充电也不放电。
S304.判断电源DG的总发电量是否大于所有重要负荷CL的总需求,即
若是进入步骤S305,若否进入步骤S306;
S305.将所有储能设备视为用电负荷或电源,即Si∈{x|x is load}∪{y|y isgenerater},i=1,…,Ns,同时进行步骤S37和步骤S38;
S306.将所有储能设备视为电源,即Si∈{y|y is generater},i=1,…,Ns,进入步骤S308;若某时刻电源DG的总供电负荷小于系统中所有用电设备的用电负荷,即DGs<Loads,则系统中全部的储能设备视作“分布式电源(DG)”,此时,如果某储能设备的SOC大于20%,那么该储能设备作为根节点生成S-CL“树干”向CL及NL供电,并生成以其为中心的自治微网;反之,该储能设备既不充电也不放电。
S307.判断每个储能设备Si是否为SOCi≥80%,i=1,…,Ns,若是进入步骤S310,若否进入步骤S309;
S308.判断每个储能设备Si是否为SOCi≤20%,i=1,…,Ns,若是进入步骤S311,若否进入步骤S309;
S309.储能设备不动作,既不作为电源也不作为负荷,即
S310.将储能设备视为电源,即 为被视为电源的储能设备数量;
S311.将储能设备视为负荷,即 为被视为负荷的储能设备数量。
作为一种优选方案,步骤S4中确定不重要负荷NL供电节点数的具体过程包括:
S401.计算从到的最小权值和:Min[sum(weights)]ij,得NG×NCL棵最小树;其中Gi为i节点上所连接的分布式电源,CLi为i节点上所连接的重要负荷;
S402.选择最小权值和中最小的Min[sum(weights)]ij所对应的Gi作为第j个重要负荷CLj的供电节点;
S403.确定全部NG×NCL个集合{Gi,CLj},i∈(1,NG),j∈(1,NCL);
S404.判断每个集合{Gi,CLj},i∈(1,NG),j∈(1,NCL)中是否Gi-CLj>0,若是进入步骤S406,若否进入步骤S405;
S405.选择次小的权值和Submin[sum(weights)]ij所对应的Gi作为第j个重要负荷CLj的供电节点,进入步骤S406;
S406.确定Gi和CLj之间不重要负荷NL中Municipal,Tertiary,Light的个数并保存在变量nM,nT和nL中,另外步骤S2中,在判断(DG-CL)i的变化比不超过设定的划分门限值θ后,进入该步骤。
其中Municipal指市政,Tertiary指服务,Light指轻工业,即是确定不重要负荷NL中市政、服务、轻工业的节点的个数。
作为一种优选方案,步骤S5中构建自治微网的具体过程包括:
S501.构建LMI:ε=min{x·M(t)+y·T(t)+z·L(t)-(Gi-CLj)}
其中LMI为线性矩阵不等式Linear Matrix Inequality;
S502.确定x,y和z的值;
S503.选择Gi,CLj以及他们之间y和z个Municipal,Tertiary,Light构成集合{k|kth Autonomous MG,k∈(1,NG×NCL)},即第k个自治微网。
作为一种优选方案,步骤S301中确定支路权值的过程包括:
S3011.假设微网中某一用电负荷j,其有功功率和无功功率分别为Pj和Qj,其上游供电节点为i,则从节点i到节点j的供电线路上的总电阻和总电抗分别为Rij和Xij。假设节点j的电压保持为Uj,则从节点i传输到节点j的供电线路上的线路网损可表示为:
利用线路网损公式可以获得网络中任意两个节点之间的实时网损值。
S3012.计算链路和器件的不可用度K,即
其中,f为年故障频率数;r为故障修复时间;在电力系统可靠性评估过程中,线路和器件的不可用度K是一个常用的衡量指标,它是由年故障频率和修复时间决定。
S3013.结合不可用度K和专家实际工程经验值综合评定系统每一条线路的风险系数,评定采用以下公式:
其中Kij为节点i和节点j之间线路的不可用度,Eij为节点i和节点j之间线路的专家评估值,η为调节因子;调节因子可以调整实际统计数据和专家经验评估二者在风险评估过程中的比重,获得更为合理的评估值。
S3014.对线路网损和不可用度进行归一化处理,
其中,N为整个微网中的节点数,
S3015.利用归一化后的线路网损和线路不可用度计算获得线路Lij的综合权值评价指标:
设节点i和节点j之间有线路直接相连,根据评价指标公式求得其权值为aij,反之若节点i和节点j不直接相连,则aij=0,对角线元素aii=0。
因此,本发明的优点是:针对分布式电源供电具有波动性、随机性以及间歇性的特点;
(1)考虑多因素构建网络拓扑矩阵权值,并将这些相关性较低的度量值有机的统一起来,从而大大减少了约束条件的个数为算法的简化奠定了基础;
(2)将MST搜索算法和LMI优化算法结合起来使用分别构造新的微网拓扑结构下的“树干”和“树叶”,既利用了算法各自的优点又方便算法的随时结合与拆分使用(可根据系统状态进行重新划分或只增减“树叶”节点),从而避免了每次采样后都对这个算法的重新运行,大大简化了计算量,提高了算法效率;
(3)合理安排储能单元的充放电状态,使该策略得以从空间和时间两个维度对电能进行优化安排,从而使电能的利用率得到更大程度的提高;同时,尽量减少了储能设备的充放电次数也避免了S到S的充放电动作,从而降低了储能单元的使用成本,延长了其使用寿命。
需要说明的是,(1)为了使储能设备具有更长的使用寿命,通常其充放电留有一定余度,本发明选取其充放电范围为最大蓄电容量的20%-80%。(2)该策略根据系统中整体电力供应情况将所有储能设备统一视为“用电”或“放电”设备,这具有一定的现实意义:这一策略可以有效的避免从一个储能设备向另一个储能设备充电的动作,从而避免了电池之间的反复充放电“震荡”。(3)该策略在向储能设备充电的时候先保证所有的CL和NL得到了充分的电力供应,即按照CL>NL>S的供电优先级进行,这可以尽量减少对储能设备的充放电动作,从而延长电池的使用寿命,降低运行成本。该调度策略可以有效的实现在输出功率不足条件下的输入输出功率匹配,实现多微网统一用电的协调性。在保证了重要负荷充分供电的基础上,还在一定程度上提高了整个系统重要负荷用电的安全性,同时还能够很好的实现多微网间电能的有效利用。
附图说明
图1是本发明网络拓扑矩阵方法的一种示意图;
图2是本发明中储能设备工作区域的一种示意图;
图3是本发明的一种流程示意图;
图4是本发明中IEEE 33-bus系统测试拓扑及初始网络划分的示意图;
图5是本发明中电源DG及负荷特性曲线示意图;
图6(a)是本发明实施例中00:00时刻以DG1为根节点生成的MSTs的示意图;
图6(b)是本发明实施例中00:00时刻以DG2为根节点生成的MSTs的示意图;
图6(c)是本发明实施例中00:00时刻以DG3为根节点生成的MSTs的示意图;
图7(a)是本发明实施例中05:00时刻以DG1为根节点生成的MSTs的示意图;
图7(b)是本发明实施例中05:00时刻以DG2为根节点生成的MSTs的示意图;
图7(c)是本发明实施例中05:00时刻以DG3为根节点生成的MSTs的示意图;
图7(d)是本发明实施例中05:00时刻以S1为根节点生成的MSTs的示意图;
图7(e)是本发明实施例中05:00时刻以S2为根节点生成的MSTs的示意图;
图7(f)是本发明实施例中05:00时刻以S3为根节点生成的MSTs的示意图;
图8(a)本发明实施例中00:00时刻协作调度结果示意图;
图8(b)本发明实施例中05:00时刻协作调度结果示意图;
图9是本发明实施例中初始结构对比调度结构下CLs 24h供电对比示意图;
图10是本发明实施例中DG利用率对比曲线图;
图11(a)是本发明实施例中没有使用策略负荷满足状况图;
图11(b)是本发明实施例中使用该策略但系统中没有储能设备负荷满足状况图;
图11(c)是本发明实施例中使用该策略负荷满足状况图;
图12是本发明实施例中24小时协作调度结果示意图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:
本实施例一种含有风光储柴的中低压配网风险管控方法,如图3所示,包括以下步骤:
S1.按时间间隔△t采样,获取当前时刻t系统电源DG、重要负荷CL、不重要负荷NL、储能设备S的状态信息;
S2.判断电源总发电量与重要负荷需求量之差是否超过划分触发门限值,若是对资质微网进行重新划分,若否只进行不重要负荷的增减;具体过程包括:
判断在前一采样周期确定的结构体系下,在每个自治微网中(DG-CL)i的变化比是否超过设定的划分门限值θ,即
若是进入步骤S3,若否进入步骤S4中的步骤S406;
S3.根据电源总发电量和用电负荷总需求关系确定储能设备使用类型,并根据储能设备SOC情况判断是否进行充电操作;具体过程包括:
S301.构建当前时刻t的网络拓扑矩阵A(t),确定支路权值;确定支路权值的过程包括:
S3011.假设微网中某一用电负荷j,其有功功率和无功功率分别为Pj和Qj,其上游供电节点为i,则从节点i到节点j的供电线路上的总电阻和总电抗分别为Rij和Xij。假设节点j的电压保持为Uj,则从节点i传输到节点j的供电线路上的线路网损可表示为:
利用线路网损公式可以获得网络中任意两个节点之间的实时网损值。
S3012.计算链路和器件的不可用度K,即
其中,f为年故障频率数;r为故障修复时间;
S3013.结合不可用度K和专家实际工程经验值综合评定系统每一条线路的风险系数,评定采用以下公式:
其中Kij为节点i和节点j之间线路的不可用度,Eij为节点i和节点j之间线路的专家评估值,η为调节因子;调节因子可以调整实际统计数据和专家经验评估二者在风险评估过程中的比重,获得更为合理的评估值。
S3014.对线路网损和不可用度进行归一化处理,
其中,N为整个微网中的节点数,
S3015.利用归一化后的线路网损和线路不可用度计算获得线路Lij的综合权值评价指标:
设节点i和节点j之间有线路直接相连,根据评价指标公式求得其权值为aij,反之若节点i和节点j不直接相连,则aij=0,对角线元素aii=0。
S302.判断电源DG的总发电量是否大于所有用电负荷的总需求,即
若是进入步骤S33,若否进入步骤S34;其中NDG为电源DG的数量,NCL为重要负荷的数量,NNL为不重要负荷的数量;
S303.将所有储能设备视为用电负荷,即Si∈{x|x is load},i=1,…,Ns,进入步骤S307;其中NS为储能设备的数量;若某时刻电源DG的总供电负荷大于系统中所有用电设备的用电负荷,即DGs>Loads,则系统中全部的储能设备视作“用电设备”,此时,如果某储能设备的SOC小于80%,那么在系统全部CL和NL用电需求得到满足后,该储能设备获得充电;反之,该储能设备既不充电也不放电。
S304.判断电源DG的总发电量是否大于所有重要负荷CL的总需求,即
若是进入步骤S305,若否进入步骤S306;
S305.将所有储能设备视为用电负荷或电源,即Si∈{x|x is load}∪{y|y isgenerater},i=1,…,Ns,同时进行步骤S37和步骤S38;
S306.将所有储能设备视为电源,即Si∈{y|y is generater},i=1,…,Ns,进入步骤S308;若某时刻电源DG的总供电负荷小于系统中所有用电设备的用电负荷,即DGs<Loads,则系统中全部的储能设备视作“分布式电源(DG)”,此时,如果某储能设备的SOC大于20%,那么该储能设备作为根节点生成S-CL“树干”向CL及NL供电,并生成以其为中心的自治微网;反之,该储能设备既不充电也不放电。
S307.判断每个储能设备Si是否为SOCi≥80%,i=1,…,Ns,若是进入步骤S310,若否进入步骤S309;
S308.判断每个储能设备Si是否为SOCi≤20%,i=1,…,Ns,若是进入步骤S311,若否进入步骤S309;
S309.储能设备不动作,既不作为电源也不作为负荷,即
S310.将储能设备视为电源,即 为被视为电源的储能设备数量;
S311.将储能设备视为负荷,即 为被视为负荷的储能设备数量。
S4.确定不重要负荷NL供电节点数;具体过程包括:
S401.计算从到的最小权值和:Min[sum(weights)]ij,得NG×NCL棵最小树;
S402.选择最小权值和中最小的Min[sum(weights)]ij所对应的Gi作为第j个重要负荷CLj的供电节点;
S403.确定全部NG×NCL个集合{Gi,CLj},i∈(1,NG),j∈(1,NCL);
S404.判断每个集合{Gi,CLj},i∈(1,NG),j∈(1,NCL)中是否Gi-CLj>0,若是进入步骤S406,若否进入步骤S405;
S405.选择次小的权值和Submin[sum(weights)]ij所对应的Gi作为第j个重要负荷CLj的供电节点,进入步骤S406;
S406.确定Gi和CLj之间不重要负荷NL中Municipal,Tertiary,Light的个数并保存在变量nM,nT和nL中,另外步骤S2中,在判断(DG-CL)i的变化比不超过设定的划分门限值θ后,进入该步骤。
S5.构建自治微网。具体过程包括:
S501.构建LMI:ε=min{x·M(t)+y·T(t)+z·L(t)-(Gi-CLj)}
S502.确定x,y和z的值;
S503.选择Gi,CLj以及他们之间y和z个Municipal,Tertiary,Light构成集合{k|kth Autonomous MG,k∈(1,NG×NCL)},即第k个自治微网。
下面将采用IEEE 33节点拓扑为划分网络对其具体步骤进行描述,其拓扑结构如图4所示。
由图4可以看到,整个网络中有3个DG,其中假设DG1为光伏(0-624.205MW),DG2和DG3为风能(82.01-419.50MW),其功率特性曲线来自Belgian electricity transmissionoperator Elias(May 13th,2014),如图5(a)所示。每个储能单元假设具有900MWh的最大容量,则图4所示系统中储能系统的最大总容量为2700MWh。此外,图4所示系统中包含有6个重要负荷和21个非重要负荷,其典型24h工作特性曲线如图5(b)所示。各节点连接类型如表I。
TABLE I
NODES CONNECTED WITH DGS CLS AND NLS IN 33-BUS TEST SYSTEM
(1)按时间间隔△t采样,获取当前时刻系统DG、CL、NL、S的状态信息。
(2)判断是否i=1,…,NAMG(t-△t),如果存在则执行(3),否则执行(18)。
(3)构建当前t时刻的网络拓扑矩阵A(t)。其支路权值为确定过程上文已说明,在此不再赘述。
(4)判断是则执行(5),否则执行(6)。
(5)Si∈{x|x is load},i=1,…,Ns并执行(9)。
(6)判断是则执行(7),否则执行(8)。
(7)Si∈{x|x is load}∪{y|y is generater},i=1,…,Ns并执行(9)和(10)。
(8)Si∈{y|y is generater},i=1,…,Ns并执行(10)。
(9)判断每个Si的SOCi≥80%,i=1,…,Ns,是则执行(12),否则执行(11)。
(10)判断每个Si的SOCi≤20%,i=1,…,Ns,是则执行(13),否则执行(11)。
(14)计算从到的最小权值和:Min[sum(weights)]ij,得NG×NCL棵最小树。
(15)选择最小权值和中最小的Min[sum(weights)]ij所对应的Gi作为jth重要负荷CLj的供电节点。
(16)确定全部NG×NCL个集合{Gi,CLj},i∈(1,NG),j∈(1,NCL)。
(17)判断每个集合{Gi,CLj},i∈(1,NG),j∈(1,NCL)中Gi-CLj>0?是则执行(19),否则执行(18)。
(18)选择次小的权值和Submin[sum(weights)]ij所对应的Gi作为jth重要负荷CLj的供电节点并执行(19)。
(19)确定Gi和CLj之间NLs中Municipal,Tertiary,Light的个数并保存在变量nM,nT和nL中。
(20)构建LMI:ε=min{x·M(t)+y·T(t)+z·L(t)-(Gi-CLj)}
s.t.:0≤ε
x≤nM;y≤nT;z≤nL
(21)确定x,y和z的值。
(22)选择Gi,CLj以及他们之间y和z个Municipal,Tertiary,Light构成集合{k|kth Autonomous MG,k∈(1,NG×NCL)},即第k个自治微网。
由图5所示的DG负荷曲线可知,在00:00时刻,系统即总输出大于总需求,因此,此时系统中全部储能设备作为用电负荷对待并根据其自身SOC情况决定是否对其进行充电操作,而系统只将DGs作为根节点搜索MSTs以确定CL的供电电源。根据00:00时刻的网络拓扑矩阵A(00:00)获得的从DG到CLs的MSTs如图6所示。根据图6所示的MSTs,计算从每一个DG到每一个CL的权值和,如表II所示。其中加粗字体所表示的是某CL到3个根节点中权值和最小的,即该CL的供电根节点。然而,需要指出的是,00:00时刻DG1的供电输出功率为0,因此,根据所提策略,其负责供电的7、8和21CLs按照次小权值和原则,分别安排由另外两个DGs负责供电,如表II中下划线数值所示。据此,00:00微网系统被重构为两个微网子系统,并根据此时DG2和DG3的供电能力及其他NLs的负荷要求,以充分利用DGs剩余电量为目标,按照LMI算法确定添加到每个子微网中的非重要负荷节点。00:00时刻协作调度结果如图8(a)所示。
TABLE II
WEIGHT SUMS FROM DGS TO CLS
与00:00时刻不同,在05:00时刻系统此时,按照所提策略系统中储能设备(S)全部作为电源并根据自身SOC状态决定是否放电。根据05:00时刻的网络拓扑矩阵A(05:00)获得的以DGs及Ss为根节点的MSTs如图7所示。此时,从每一个根节点到每一个CL的权值和,如表III所示,从分布式电源(DG)和储能单元(S)向重要负荷(CLs)的权值:
根据表III的结果,05:00微网系统被重构为五个子系统,并根据此时DG2、DG3、S1-S3的供电能力及其他NLs的负荷要求,按照LMI算法(Step 20)向每一个自治微网中添加“叶子”非重要负荷,从而最大限度的利用电源的多余电能以实现电能的充分利用。05:00时刻协作调度结果如图8(b)所示。
假设系统初始状态下共由3个自治微网系统组成,如图4所示。每个自治微网中各有一个DG,一个储能单元以及两个CLs。该初始结构下与本文所提出的调度下,系统CLs整体获得供电的对比情况如图9所示。由图9所示结果可以看出,系统中CLs在协作策略的统一调度下获得供电的满足率明显高于原始自治微网系统结构下CLs的满足率。由于CLs负荷对于系统具有比NLs更大的意义和价值,因此这从一个方面证明该策略具有有效的经济价值。
图10所示是系统DG发电利用率对比曲线。从图10中可以明显看出在本实施例所提的自治微网协作调度策略作用下DG的发电的利用率要高于没有协作调度策略情况下的利用率(图10小窗口中所示为DG的发电利用效率百分比)。通过重构微网系统的体系结构,同时合理调度储能设备的充放电动作,DG发出的电能被用电负荷利用或被储能设备存储,并在系统缺乏电力供应时放出,这在实际系统中可以有效的从空间和时间两个维度对电力进行优化使用,因而提高DG电能利用效率,这在实际电网中具有重要的意义。
图11所示是全体负荷满足率对比的曲线。由图11可以看出,当系统中包含有储能单元时,该算法可以保障大部分时间内系统全体负荷的用电需求,如图11(a)所示。而如果系统中储能设备具有足够大的容量,结合合理的自治微网协作调度策略则可保证全时段内的全体负荷用电。其次,即使是在系统中没有储能设备的情况下,由于该策略的协调调度作用,大部分时间段内全体负荷的用电需求也是可以得到满足的,只是部分时间内当系统总电能输出小于电能总需求时,才会有部分NLs得不到供电,如图11(b)所示。与之形成鲜明对比的是,系统中即使存在储能设备,在没有合理调度的情况下,系统在大多数时间内仍然无法满足全体负荷的用电要求,如图11(c)所示。图11充分说明了自治微网合理调度的意义和价值,同时说明合理的协作调度策略比仅仅在系统中增加储能设备对于电力资源的优化使用具有更重要的意义。
图12所示为本文所提出的协作调度策略对一天中系统所有供电及负荷用电的安排结果。由图12所示的结果可以看出,通过储能设备的合理充放电调度,00:00-04:30,07:30-08:30以及11:00-13:00时间段内DGs产生的多余电量被充分吸收,而使得05:00-07:00,09:00-10:30以及18:30-21:00不足的电能需求得到了有效的补充;同时,在00:00-22:30时间段内,全部的重要负荷用电都得到了充分利用,只在22:30-24:00时间内的重要负荷电量需求由于DG和储能都没有电力输出,即系统中总电力供应小于CLs总需求,因此无论如何调度都无法满足而不得不放弃部分CL的供电。但在实际操作中,这部分电力缺口可通过向公共电网买电而得到补偿。另外,对于非重要负荷,通过本文的协作调度,使系统中大多数时间段内的NLs用电要求都能够得到充分满足,只有在系统电力总需求大于总供给时,才无法通过调度满足,而这部分电力仍然可以通过买电获得。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (6)
1.一种含有风光储柴的中低压配网风险管控方法,其特征在于:包括以下步骤:
S1.按时间间隔Δt采样,获取当前时刻t系统电源DG、重要负荷CL、不重要负荷NL、储能设备S的状态信息;
S2.判断电源总发电量与重要负荷需求量之差是否超过划分触发门限值,若是对资质微网进行重新划分,若否只进行不重要负荷的增减;
S3.根据电源总发电量和用电负荷总需求关系确定储能设备使用类型,并根据储能设备SOC情况判断是否进行充电操作;
S4.确定不重要负荷NL供电节点数;
S5.构建自治微网。
2.根据权利要求1所述的一种含有风光储柴的中低压配网风险管控方法,其特征是步骤S2的具体过程包括:
判断在前一采样周期确定的结构体系下,在每个自治微网中(DG-CL)i的变化比是否超过设定的划分门限值θ,即
若是进入步骤S3,若否进入步骤S4;其中为t时刻i节点上所连接的分布式电源向其重要负荷供电后的剩余功率,为为t-Δt时刻i节点上所连接的分布式电源向其重要负荷供电后的剩余功率,NAMG(t-Δt)为为t-Δt时刻的自治微网的数量,(DG-CL)i表示i节点上所连接的分布式电源与重要负荷的差值。
3.根据权利要求2所述的一种含有风光储柴的中低压配网风险管控方法,其特征是步骤S3的具体过程包括:
S301.构建当前时刻t的网络拓扑矩阵A(t),确定支路权值;
S302.判断电源DG的总发电量是否大于所有用电负荷的总需求,即
若是进入步骤S33,若否进入步骤S34;其中NDG为电源DG的数量,NCL为重要负荷的数量,NNL为不重要负荷的数量;
S303.将所有储能设备视为用电负荷,即Si∈{x|x is load},i=1,…,Ns,进入步骤S307;其中NS为储能设备的数量;
S304.判断电源DG的总发电量是否大于所有重要负荷CL的总需求,即
若是进入步骤S305,若否进入步骤S306;
S305.将所有储能设备视为用电负荷或电源,即Si∈{x|x is load}∪{y|y isgenerater},i=1,…,Ns,同时进行步骤S37和步骤S38;
S306.将所有储能设备视为电源,即Si∈{y|y is generater},i=1,…,Ns,进入步骤S308;
S307.判断每个储能设备si是否为SOCi≥80%,i=1,…,Ns,若是进入步骤S310,若否进入步骤S309;
S308.判断每个储能设备Si是否为sOCi≤20%,i=1,…,Ns,若是进入步骤S311,若否进入步骤S309;
S309.储能设备不动作,既不作为电源也不作为负荷,即
S310.将储能设备视为电源,即Sj∈{z|z is Gi,i=1,…,NG}, 为被视为电源的储能设备数量;
S311.将储能设备视为负荷,即Sj∈{x|x is Li,i=1,…,NL}, 为被视为负荷的储能设备数量。
4.根据权利要求3所述的一种含有风光储柴的中低压配网风险管控方法,其特征是步骤S4中确定不重要负荷NL供电节点数的具体过程包括:
S401.计算从到的最小权值和:Min[sum(weights)]ij,得NG×NCL棵最小树;其中Gi为i节点上所连接的分布式电源,CLi为i节点上所连接的重要负荷;
S402.选择最小权值和中最小的Min[sum(weights)ij所对应的Gi作为第j个重要负荷CLj的供电节点;
S403.确定全部NG×NCL个集合{Gi,CLj},i∈(1,NG),j∈(1,NCL);
S404.判断每个集合{Gi,CLj},i∈(1,NG),j∈(1,NCL)中是否Gi-CLj>0,若是进入步骤S406,若否进入步骤S405;
S405.选择次小的权值和Submin[sum(weights)]ij所对应的Gi作为第j个重要负荷CLj的供电节点,进入步骤S406;
S406.确定Gi和CLj之间不重要负荷NL中Municipal,Tertiary,Light的个数并保存在变量nM,nT和nL中,另外步骤S2中,在判断(DG-CL)i的变化比不超过设定的划分门限值θ后,进入该步骤。
5.根据权利要求4所述的一种含有风光储柴的中低压配网风险管控方法,其特征是步骤S5中构建自治微网的具体过程包括:
S501.构建LMI:ε=min{x·M(t)+y·T(t)+z·L(t)-(Gi-CLj)}
S502.确定x,y和z的值;
S503.选择Gi,CLj,以及他们之间y和z个Municipal,Tertiary,Light构成集合{k|kth Autonomous MG,k∈(1,NG×NCL)},即第k个自治微网。
6.根据权利要求3所述的一种含有风光储柴的中低压配网风险管控方法,其特征是步骤S301中确定支路权值的过程包括:
S3011.假设微网中某一用电负荷j,其有功功率和无功功率分别为Pj和Qj,其上游供电节点为i,则从节点i到节点j的供电线路上的总电阻和总电抗分别为Rij和Xij;假设节点j的电压保持为Uj,则从节点i传输到节点j的供电线路上的线路网损可表示为:
S3012.计算链路和器件的不可用度K,即
其中,f为年故障频率数;r为故障修复时间;
S3013.结合不可用度K和专家实际工程经验值综合评定系统每一条线路的风险系数,评定采用以下公式:
其中Kij为节点i和节点j之间线路的不可用度,Eij为节点i和节点j之间线路的专家评估值,η为调节因子;
S3014.对线路网损和不可用度进行归一化处理,
其中,N为整个微网中的节点数,
S3015.利用归一化后的线路网损和线路不可用度计算获得线路Lij的综合权值评价指标:
设节点i和节点j之间有线路直接相连,根据评价指标公式求得其权值为aij,反之若节点i和节点j不直接相连,则aij=0,对角线元素aii=0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711360588.1A CN109460880A (zh) | 2017-12-15 | 2017-12-15 | 一种含有风光储柴的中低压配网风险管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711360588.1A CN109460880A (zh) | 2017-12-15 | 2017-12-15 | 一种含有风光储柴的中低压配网风险管控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109460880A true CN109460880A (zh) | 2019-03-12 |
Family
ID=65606204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711360588.1A Pending CN109460880A (zh) | 2017-12-15 | 2017-12-15 | 一种含有风光储柴的中低压配网风险管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109460880A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084446A (zh) * | 2018-07-28 | 2019-08-02 | 苏州求臻智能科技有限公司 | 微网群跨域协调能量调度与适配优化合作运行方法 |
CN110266057A (zh) * | 2019-04-29 | 2019-09-20 | 台州宏远电力设计院有限公司 | 一种风光储柴自治微网群跨域协同互动与消纳方法 |
CN111709580A (zh) * | 2020-06-18 | 2020-09-25 | 广东电网有限责任公司 | 一种微电网源荷匹配性评估方法、系统以及设备 |
CN113629762A (zh) * | 2021-08-02 | 2021-11-09 | 北方工业大学 | 多站融合参与的沙漏型配电网络结构及其控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577891A (zh) * | 2013-10-21 | 2014-02-12 | 浙江大学 | 一种含分布式电源的多孤岛微网优化合作运行方法 |
CN104200296A (zh) * | 2014-07-10 | 2014-12-10 | 浙江大学 | 一种风光储柴自治微网群跨域协同能量调度与适配方法 |
CN107463741A (zh) * | 2017-07-28 | 2017-12-12 | 国网浙江省电力公司电力科学研究院 | 一种含风光储柴的孤立微电网数字物理仿真平台及仿真方法 |
-
2017
- 2017-12-15 CN CN201711360588.1A patent/CN109460880A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577891A (zh) * | 2013-10-21 | 2014-02-12 | 浙江大学 | 一种含分布式电源的多孤岛微网优化合作运行方法 |
CN104200296A (zh) * | 2014-07-10 | 2014-12-10 | 浙江大学 | 一种风光储柴自治微网群跨域协同能量调度与适配方法 |
CN107463741A (zh) * | 2017-07-28 | 2017-12-12 | 国网浙江省电力公司电力科学研究院 | 一种含风光储柴的孤立微电网数字物理仿真平台及仿真方法 |
Non-Patent Citations (1)
Title |
---|
房新力: "基于复杂网络理论的主动配电网运行管理策略研究", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084446A (zh) * | 2018-07-28 | 2019-08-02 | 苏州求臻智能科技有限公司 | 微网群跨域协调能量调度与适配优化合作运行方法 |
CN110266057A (zh) * | 2019-04-29 | 2019-09-20 | 台州宏远电力设计院有限公司 | 一种风光储柴自治微网群跨域协同互动与消纳方法 |
CN111709580A (zh) * | 2020-06-18 | 2020-09-25 | 广东电网有限责任公司 | 一种微电网源荷匹配性评估方法、系统以及设备 |
CN113629762A (zh) * | 2021-08-02 | 2021-11-09 | 北方工业大学 | 多站融合参与的沙漏型配电网络结构及其控制方法 |
CN113629762B (zh) * | 2021-08-02 | 2023-05-23 | 北方工业大学 | 多站融合参与的沙漏型配电网络结构及其控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108288855B (zh) | 一种基于微电网的动态策略仿真与优化方法 | |
CN105811409B (zh) | 一种含电动汽车混合储能系统的微网多目标运行调度方法 | |
CN108494015A (zh) | 一种源-荷-储协调互动的综合能源系统设计方法 | |
CN109460880A (zh) | 一种含有风光储柴的中低压配网风险管控方法 | |
US20160064934A1 (en) | Optimization method for independent micro-grid system | |
CN106327006A (zh) | 一种基于综合效益分析的微电网优化配置方法 | |
CN105139147A (zh) | 微电网系统的经济调度方法 | |
CN108551176B (zh) | 一种结合储能均衡技术的储能电池系统容量配置方法 | |
CN105207207B (zh) | 基于能量管理的孤网状态下的微电网系统调度方法 | |
CN109830976A (zh) | 一种交直流混合配电网弹性运行调控方法 | |
CN103577891A (zh) | 一种含分布式电源的多孤岛微网优化合作运行方法 | |
CN104200296A (zh) | 一种风光储柴自治微网群跨域协同能量调度与适配方法 | |
CN114219195A (zh) | 一种区域综合能源容量优化控制方法 | |
CN107122924A (zh) | 一种智能配用电系统承载能力评估方法 | |
CN110245858A (zh) | 一种含电动汽车充电站的微电网可靠性评估方法 | |
CN111224432B (zh) | 微电网优化调度方法和装置 | |
CN114301081B (zh) | 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法 | |
CN116402307A (zh) | 考虑可调度柔性资源运行特性的电网规划容量分析方法 | |
Gazijahani et al. | Stochastic-based optimal daily energy management of microgrids in distribution systems | |
CN108964140A (zh) | 相关性低度量值有机统一式微网拓扑结构构建方法 | |
CN106849157B (zh) | 基于风光互补的混合能源系统优化方法 | |
CN116488254A (zh) | 一种电力电子设备日前优化控制方法 | |
CN115021406B (zh) | 一种整合经济性模型预测控制的微电网控制器 | |
CN110266057A (zh) | 一种风光储柴自治微网群跨域协同互动与消纳方法 | |
CN106709634A (zh) | 一种计及电动汽车接入的主动配电网承载能力评估方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190312 |
|
RJ01 | Rejection of invention patent application after publication |