CN109584102A - 一种基于用户感知的配电网可靠性评估分析方法 - Google Patents
一种基于用户感知的配电网可靠性评估分析方法 Download PDFInfo
- Publication number
- CN109584102A CN109584102A CN201811562478.8A CN201811562478A CN109584102A CN 109584102 A CN109584102 A CN 109584102A CN 201811562478 A CN201811562478 A CN 201811562478A CN 109584102 A CN109584102 A CN 109584102A
- Authority
- CN
- China
- Prior art keywords
- user
- power
- distribution network
- power failure
- reliability
- 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 44
- 230000008447 perception Effects 0.000 title claims abstract description 36
- 238000003012 network analysis Methods 0.000 title claims abstract description 12
- 238000004146 energy storage Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012512 characterization method Methods 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 230000008521 reorganization Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 6
- 235000013372 meat Nutrition 0.000 abstract description 2
- 230000005611 electricity Effects 0.000 description 11
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000229175 Calotes Species 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Abstract
本发明公开了一种基于用户感知的配电网可靠性评估分析方法,包括下列步骤:1)搭建基于用户感知的配电网可靠性评估模块,该配电网可靠性评估模块包括配电网年平均停电频率统计模块、配电网年平均累计停电时长统计模块、配电网平均每次停电持续时长统计模块和配网年用户感知期望缺供电量统计模块;2)利用步骤1)中搭建的配电网可靠性评估模块对配电网的可靠性进行评价。该基于用户感知的配电网可靠性评估分析方法将一些新的能够影响停电严重程度的因素纳入到用户感知可靠性评估方法中,能够从用户侧更好的描述用户所感知到的供电可靠性服务,为将来可靠性市场、容量备用市场、储能市场的建立提供了评价参考。
Description
技术领域
本发明涉及配电网技术领域,特别涉及一种基于用户感知的配电网可靠性评估方法。
背景技术
配电网可靠性目前主要还是将停电时长以及停电负荷量作为停电严重程度的两个决定性判据。然而,除了以上两个指标,还有包括停电时间点、停电波及的用户种类等其他因素也将极大程度的影响用户对于系统可靠性供的感知水平。而用户对于供电可靠性水平的感知将极大程度上影响未来电力市场环境下可靠性电价的制定、直购电模式的推行、储能及分布式投资安装的市场意愿。同时,若仅仅考虑停电时长和被波及用户的额定功率,则很难针对不同用户制定出差异化的停电损失预测及赔偿机制,难以建立可靠性服务市场,从而也抑制了与可靠性密切相关的容量市场的合理发展。
发明内容
本发明的目的是提供一种基于用户感知的配电网可靠性评估分析方法。
为此,本发明技术方案如下:
一种基于用户感知的配电网可靠性评估分析方法,包括下列步骤:
1)搭建基于用户感知的配电网可靠性评估模块,该配电网可靠性评估模块包括配电网年平均停电频率统计模块、配电网年平均累计停电时长统计模块、配电网平均每次停电持续时长统计模块和配网年用户感知期望缺供电量统计模块;
2)利用步骤1)中搭建的配电网可靠性评估模块对配电网的可靠性进行评价。
进一步的,所述的步骤1)中配电网年平均停电频率统计模块统计年平均停电次数的方法为:
SAAIFIaware表征该配网系统内,每个用户感知到的年平均停电次数,fx,aware用来表示用户x感知的故障率,该指标主要反映用户感知可靠性评估下,配网系统的故障频率;
配电网年平均累计停电时长统计模块统计年平均累计停电时长的方法为:
SAAIDIaware表征该配网中,每个用户感知到的年平均累计停电时长,该指标主要用来表征用户感知可靠性评估体系下,配网的停电时长;
配电网平均每次停电持续时长统计模块统计平均每次停电持续时长的方法为:
该指标表征配网系统中,用户经历一次停电时的平均停电持续时长,主要用来反映该配电系统的故障恢复速度,本指标数值越小代表系统的故障恢复速度越高;
配网年用户感知期望缺供电量统计模块统计年用户期望缺供电量的方法为:
本指标对于配网系统的供电缺额估计,以及后续的配网改扩建、备用容量的规划、新增DG的选址定容、储能的选址定容具有重要参考意义。
进一步的,所述的用户x感知的故障率fx,aware的计算方法为:
其中,fx,aware主要表征用户x一年中所感知到的停电总次数,Nx为该用户x一年所经历的停电总次数,Sm,i,x表示用户x感知到的停电严重程度;
用户x感知的年累计停电时间CAIDIx,aware的计算方法为:
其中,Tm为某次停电事件m的持续时长;
用户x感知到的平均停电持续时间rx,aware的表示方法为:
用户感知期望缺供电量指标EENSaware,x的表示方法为:
其中,Px,total为该停电用户的额定总功率,Sm,i,x表示用户x感知到的停电严重程度。
进一步的,所述的本次停电事件对于用户x所感知的停电严重程度Sm,i,x的表示方法为:
Sm,i,x=λi,x/λmean,x
其中,λmean,x表示用户x的基于用户感知可靠性的停电严重程度平均值,其计算方法为:
λi,x表示本次停电事件对于用户x的停电影响严重程度,其计算方法为:
Ti,0为时间段i的开始时刻,Ti,x表示时间段i的持续时长,Pi,x为时间段i内的负荷实时功率,Px,total为该停电用户的额定总功率。
与现有技术相比,该基于用户感知的配电网可靠性评估分析方法将一些新的能够影响停电严重程度的因素,包括停电时刻、停电负荷类型、停电时段的负荷用电需求、用户日负荷曲线等因素纳入到用户感知可靠性评估方法中,从而拓展了传统可靠性评估方法的外延,能够从用户侧更好的描述用户所感知到的供电可靠性服务,为将来可靠性市场、容量备用市场、储能市场的建立提供了评价参考。
附图说明
图1为典型家庭负荷春季工作日用电特性曲线。
图2为基于用户感知的停电事件严重性评估判断流程。
图3为算例图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步的说明,但下述实施例绝非对本发明有任何限制。
用户用电特性包括用户重要程度(本专利中采用我国传统的一级二级三级负荷加以区分)、用户用电要求(电能质量需求,可靠性需求,容量备用需求等)、用户用电特性曲线等方面。将停电时刻纳入到用户感知可靠性评估方法中,是考虑到现实中两次波及范围基本相当的停电事件,若发生在不同的时刻,则可能对配网中的同一负荷产生完全不同的影响。例如,附图1所示的是一个典型的单个家庭(以三口之家作为标准)春季某一工作日的用电特性曲线,可以看到工作时段(上午九点到晚上六点)以及深夜时段,家庭用电需求较低;而在早晨7到10点以及晚上7点到12点之间则属于用电高峰。
假设对于该家庭用户(家庭总额定负荷一定),某日一次停电发生在13点到15点,另一次停电发生在20点至21点。按照传统可靠性评价指标,发生在下午的停电事件因持续时间较长,在计算系统可靠性指标时将会产生更大的负面影响。但对于用户来讲,由于其用电习惯使得夜晚时段为用电高峰,则家庭成员对于晚上那次停电的负面感知更为强烈。因此倘若仅仅考虑停电时长而不考虑停电时刻和时段以及相应时段内的用户负荷曲线,则可能无法准确反映用户实际感知到的供电可靠性,造成系统可靠性评估指标结果与消费者实际用电感受相背离,影响可靠性评估的准确性和客观性。
通常,用户对于停电事件的负面感知主要来源于:停电故障造成的电能供应缺损与用户本身该时段的用电需求的矛盾冲突。冲突越大,用户感知的可靠性就越差,用户的电能使用体验就越差。
图2具体阐释了在某次停电事件发生后,基于受停电影响的ABC三个用户的可靠性感知,对于本次停电事件用户感知的严重程度的评估流程。
为使得基于用户感知可靠性的停电事件严重程度评估具有可操作性,同时考虑到大部分用户具有较为明显的工作、休息二元用电特征,本专利将故障发生的可能时间段分为两类:工作时间(work time,下文简称WT),休息时间(leisure time,下文简称LT)。对于周一到周五,WT为每天6:00到18:00,剩余为LT。对于周末,考虑到某些用户的用电设备并不会因为双休日而停歇,因此对于周六周日,WT依然为6:00到18:00,LT为剩余时间段。同时,每年被分为春夏秋冬四季,每季三个月,以此区分同一用户不同季节的用电特性。这样就将一年时间分割成若干具体时间段,每一时段针对几种典型类别的用户进行用电特性(主要针对用户的月负荷曲线与日负荷曲线)研究。然后,将不同类型用户的日负荷曲线加以拆分,分为WT负荷曲线以及LT负荷曲线。
本专利提供了一种基于用户感知的配电网可靠性评估分析方法,包括下列步骤:
1)搭建基于用户感知的配电网可靠性评估模块,该配电网可靠性评估模块包括配电网年平均停电频率统计模块、配电网年平均累计停电时长统计模块、配电网平均每次停电持续时长统计模块和配网年用户感知期望缺供电量统计模块;
2)利用步骤1)中搭建的配电网可靠性评估模块对配电网的可靠性进行评价。
所述的步骤1)中配电网年平均停电频率统计模块统计年平均停电次数的方法为:
SAAIFIaware表征该配网系统内,每个用户感知到的年平均停电次数,fx,aware用来表示用户x感知的故障率,该指标主要反映用户感知可靠性评估下,配网系统的故障频率;
用户x感知的故障率fx,aware的计算方法为:
其中,fx,aware主要表征用户x一年中所感知到的停电总次数,Nx为该用户x一年所经历的停电总次数,Sm,i,x表示用户x感知到的停电严重程度;
所述的本次停电事件对于用户x所感知的停电严重程度Sm,i,x的表示方法为:
Sm,i,x=λi,x/λmean,x
其中,λmean,x表示用户x的基于用户感知可靠性的停电严重程度平均值,其计算方法为:
λi,x表示本次停电事件对于用户x的停电影响严重程度,其计算方法为:
Ti,0为时间段i的开始时刻,Ti,x表示时间段i的持续时长,Pi,x为时间段i内的负荷实时功率,Px,total为该停电用户的额定总功率。
所述的步骤1)中配电网年平均累计停电时长统计模块统计年平均累计停电时长的方法为:
SAAIDIaware表征该配网中,每个用户感知到的年平均累计停电时长,该指标主要用来表征用户感知可靠性评估体系下,配网的停电时长;
用户x感知的年累计停电时间CAIDIx,aware的计算方法为:
其中,Tm为某次停电事件m的持续时长;用户x感知到的平均停电持续时间rx,aware的表示方法为:
所述的步骤1)中配电网平均每次停电持续时长统计模块统计平均每次停电持续时长的方法为:
该指标表征配网系统中,用户经历一次停电时的平均停电持续时长,主要用来反映该配电系统的故障恢复速度,本指标数值越小代表系统的故障恢复速度越高;
所述的步骤1)中配网年用户感知期望缺供电量统计模块统计年用户期望缺供电量的方法为:
缺电量指标也是可靠性评估中的一个重要指标。在引入了用户感知停电严重程度Sm,i,x之后,若某次停电事件m在时间段i内发生,持续时间为Tm,且造成了用户x的停电。假定全年用户x要经历Nx次这类停电事故,则用户x全年的用户感知期望缺供电量指标EENSaware,x为:
其中,Px,total为该停电用户的额定总功率,Sm,i,x表示用户x感知到的停电严重程度。
本节采用IEEE-RBTS中位于母线2的馈线4作为算例,对实现方式进行举例说明,其拓扑结构见附图3。在该配网中,一个包含有分布式光伏、分布式风机、储能装置以及小型燃气轮机机组的微网于PCC节点接入到配网中。分布式光伏(PV)、风机、储能(ESS)、燃气轮机机组的参数列在表1中,MTTF表示设备的平均无故障工作时间,MTTR为平均故障修复时间。LP16-LP22为几种典型的用户负荷类型,按照重要等级分为了一级、二级、三级负荷。表2列出了用户的基本信息,包括额定功率,用户重要等级,对于用户感知可靠性水平的要求,对于可靠性违约后的补偿要求等信息。算例中,当地风速、光照、大气透明度等气象及天气因素,取天津市2010年的相关数据。配网中,所接入的微网的孤岛转换成功率0.8。快速启动的燃气轮机机组可以在0.1h之内达到其额定功率。在可靠性计算分析过程中,运用了序贯蒙特卡洛法。
表1 DG及储能设备参数
表2用户负荷信息
首先,假设算例中的所有元件、设备、装置都运行在其原本的可靠性水平下,把此种情况记为情况1(S1)。然后选择储能装置ESS,将其MTTF提高25%(MTTF提高相当于增加其平均无故障工作时间,也就提高了元件可靠性),这种情况记为S2。对于以上两种情况,采用上文提出的用户感知可靠性评估方法,结合序贯蒙特卡洛法,可以得到每种情况下每个用户的fx,aware,CAIDIx,aware以及S2相比于S1情况下的EENSRRx,aware如表3所示。
表3基于用户感知的用户侧可靠性指标
通过分析LP16—LP20的电力消费特征,着力分析各负荷春夏秋冬工作日、休息日,工作时段、休息时段的日负荷曲线,再结合上文提出的针对用户感知可靠性评估的停电严重程度计算理论与公式(式(1)(2)(3)),我们可以得到每个用户全年各个时段的用户感知停电严重程度值以及全年的平均值。如表4所示。
表4用户感知的不同时段停电严重程度一览表
以表4数据为基础,对于S1、S2两种情况分别进行用户感知可靠性分析,结合序贯蒙特卡洛法,得到一系列传统可靠性指标(SAIFI,SAIDI,CAIDI,EENS)及与之对应的用户感知可靠性指标(SAAIFIaware,SAAIDIaware,CAIDIsystem,aware,EENSsystem,aware),如表5所示。
表5传统系统可靠性指标与基于用户感知的系统可靠性指标对比
根据以上计算结果对比分析,可得到以下几个结论:
1)负荷的功率,用户停电损失函数CDF,以及用户感知的年累计停电时长CAIDIx,aware共同构成了用户感知可靠性评估中的停电补偿多少的决定性因素;而传统的可靠性补偿计算中,往往忽略了用户对于停电时长的感知可能会和系统侧传统可靠性指标统计出来的用户平均年累计停电时长有出入,因为部分停电可能发生在用户不用电或者用电需求较低的时段,从而造成供电公司的可靠性补偿与用户的用电体验之间的偏差。
2)对于同一用户,某一持续时间相同的停电事件,若发生在不同的用电时间段,则可能造成完全不同的后果。
3)对于处于同一个负荷节点上的两个用户(如附图3中的LP16,LP17),由于其所处的拓扑位置完全相同,按照传统可靠性计算的结果,其故障率f(次/年),用户平均停电时间r(h/次)以及用户年平均停电累计时间U(h/年)三个指标应该相同;而在用户感知可靠性评估体系下,受同一停电事件影响的两个用户因为感知到的本次停电的严重程度不同,所以得到的相关指标的数值也不同(表3中LP16,LP17的用户感知可靠性指标是有区别的)。
4)结合S1、S2以及表3、表5表明,提高微网中储能设备的可靠性水平,有助于提升包括微网在内的配网全局的供电可靠性,且对于距离储能安装位置较近的负荷的用户感知可靠性提升更加明显;储能可靠性的提高,对于用户感知可靠性相关指标的提升幅度要大于传统可靠性指标的提升幅度,这说明一个稳定的、高可靠性的储能系统能够较好的改善用户感知的供电可靠性。
Claims (4)
1.一种基于用户感知的配电网可靠性评估分析方法,其特征在于,包括下列步骤:
1)搭建基于用户感知的配电网可靠性评估模块,该配电网可靠性评估模块包括配电网年平均停电频率统计模块、配电网年平均累计停电时长统计模块、配电网平均每次停电持续时长统计模块和配网年用户感知期望缺供电量统计模块;
2)利用步骤1)中搭建的配电网可靠性评估模块对配电网的可靠性进行评价。
2.根据权利要求1所述的基于用户感知的配电网可靠性评估分析方法,其特征在于,所述的步骤1)中配电网年平均停电频率统计模块统计年平均停电次数的方法为:
SAAIFIaware表征该配网系统内,每个用户感知到的年平均停电次数,fx,aware用来表示用户x感知的故障率;
配电网年平均累计停电时长统计模块统计年平均累计停电时长的方法为:
SAAIDIaware表征该配网中,每个用户感知到的年平均累计停电时长;
配电网平均每次停电持续时长统计模块统计平均每次停电持续时长的方法为:
该指标表征配网系统中,用户经历一次停电时的平均停电持续时长,主要用来反映该配电系统的故障恢复速度,本指标数值越小代表系统的故障恢复速度越高;
配网年用户感知期望缺供电量统计模块统计年用户期望缺供电量的方法为:
本指标对于配网系统的供电缺额估计,以及后续的配网改扩建、备用容量的规划、新增DG的选址定容、储能的选址定容具有重要参考意义。
3.根据权利要求2所述的基于用户感知的配电网可靠性评估分析方法,其特征在于,所述的用户x感知的故障率fx,aware的计算方法为:
其中,fx,aware主要表征用户x一年中所感知到的停电总次数,Nx为该用户x一年所经历的停电总次数,Sm,i,x表示用户x感知到的停电严重程度;
用户x感知的年累计停电时间CAIDIx,aware的计算方法为:
其中,Tm为某次停电事件m的持续时长;
用户x感知到的平均停电持续时间rx,aware的表示方法为:
用户感知期望缺供电量指标EENSaware,x的表示方法为:
其中,Px,total为该停电用户的额定总功率,Sm,i,x表示用户x感知到的停电严重程度。
4.根据权利要求3所述的基于用户感知的配电网可靠性评估分析方法,其特征在于,所述的本次停电事件对于用户x所感知的停电严重程度Sm,i,x的表示方法为:
Sm,i,x=λi,x/λmean,x
其中,λmean,x表示用户x的基于用户感知可靠性的停电严重程度平均值,其计算方法为:
λi,x表示本次停电事件对于用户x的停电影响严重程度,其计算方法为:
Ti,0为时间段i的开始时刻,Ti,x表示时间段i的持续时长,Pi,x为时间段i内的负荷实时功率,Px,total为该停电用户的额定总功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811562478.8A CN109584102A (zh) | 2018-12-20 | 2018-12-20 | 一种基于用户感知的配电网可靠性评估分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811562478.8A CN109584102A (zh) | 2018-12-20 | 2018-12-20 | 一种基于用户感知的配电网可靠性评估分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109584102A true CN109584102A (zh) | 2019-04-05 |
Family
ID=65930206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811562478.8A Pending CN109584102A (zh) | 2018-12-20 | 2018-12-20 | 一种基于用户感知的配电网可靠性评估分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109584102A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222809A (zh) * | 2020-03-30 | 2020-06-02 | 广东电网有限责任公司佛山供电局 | 基于模型驱动和数据驱动结合的用户用电可靠性分析方法 |
CN111553603A (zh) * | 2020-04-30 | 2020-08-18 | 深圳供电局有限公司 | 一种低压用户供电可靠性评估方法、装置及计算机可读存储介质 |
CN113112136A (zh) * | 2021-03-31 | 2021-07-13 | 国网经济技术研究院有限公司 | 一种配电网可靠性综合评估方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102437573A (zh) * | 2011-12-29 | 2012-05-02 | 广东电网公司深圳供电局 | 基于模糊建模的配电网可靠性评估调控方法及其系统 |
CN105406470A (zh) * | 2015-12-21 | 2016-03-16 | 国家电网公司 | 一种基于开关边界分区的有源配电网可靠性评估方法 |
CN105809322A (zh) * | 2016-02-22 | 2016-07-27 | 国网冀北电力有限公司 | 综合考虑发电、输电和配电系统的城市电网可靠性评估方法 |
CN106408206A (zh) * | 2016-10-10 | 2017-02-15 | 中国农业大学 | 一种含光伏发电构成微电网的配电网可靠性评估方法 |
-
2018
- 2018-12-20 CN CN201811562478.8A patent/CN109584102A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102437573A (zh) * | 2011-12-29 | 2012-05-02 | 广东电网公司深圳供电局 | 基于模糊建模的配电网可靠性评估调控方法及其系统 |
CN105406470A (zh) * | 2015-12-21 | 2016-03-16 | 国家电网公司 | 一种基于开关边界分区的有源配电网可靠性评估方法 |
CN105809322A (zh) * | 2016-02-22 | 2016-07-27 | 国网冀北电力有限公司 | 综合考虑发电、输电和配电系统的城市电网可靠性评估方法 |
CN106408206A (zh) * | 2016-10-10 | 2017-02-15 | 中国农业大学 | 一种含光伏发电构成微电网的配电网可靠性评估方法 |
Non-Patent Citations (1)
Title |
---|
SHOUXIANG WANG ET AL: ""User-Aware Reliability Assessment & Compensation Method in Distribution System"" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222809A (zh) * | 2020-03-30 | 2020-06-02 | 广东电网有限责任公司佛山供电局 | 基于模型驱动和数据驱动结合的用户用电可靠性分析方法 |
CN111553603A (zh) * | 2020-04-30 | 2020-08-18 | 深圳供电局有限公司 | 一种低压用户供电可靠性评估方法、装置及计算机可读存储介质 |
CN113112136A (zh) * | 2021-03-31 | 2021-07-13 | 国网经济技术研究院有限公司 | 一种配电网可靠性综合评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Strbac et al. | Strategic assessment of the role and value of energy storage systems in the UK low carbon energy future | |
Atherton et al. | Techno-economic analysis of energy storage systems for application in wind farms | |
Akpan et al. | Electricity consumption, carbon emissions and economic growth in Nigeria | |
Delfanti et al. | Dispersed generation impact on distribution network losses | |
Georgilakis et al. | Reliability and economic evaluation of small autonomous power systems containing only renewable energy sources | |
Haghdadi et al. | Impact of distributed photovoltaic systems on zone substation peak demand | |
CN109584102A (zh) | 一种基于用户感知的配电网可靠性评估分析方法 | |
Kennedy et al. | Reliability of islanded microgrids with stochastic generation and prioritized load | |
McHenry | Small-scale (≤ 6 kWe) stand-alone and grid-connected photovoltaic, wind, hydroelectric, biodiesel, and wood gasification system’s simulated technical, economic, and mitigation analyses for rural regions in Western Australia | |
CN105762793A (zh) | 计及分布式新能源的配网故障停电损失评估方法 | |
Cohen et al. | Economic Effects of Distributed PV Generation on California's Distribution System | |
Wang et al. | Co-optimization of a multi-energy microgrid considering multiple services | |
Huo et al. | A reliability-aware chance-constrained battery sizing method for island microgrid | |
Kjølle et al. | The OPAL methodology for reliability analysis of power systems | |
Karandeh et al. | Placement evaluation of distributed energy storage for integrating ev charging and pv solar infrastructure | |
Machado et al. | Multi-source distributed energy resources management system based on pattern search optimal solution using nonlinearized power flow constraints | |
CN113746105A (zh) | 电力需求响应的优化控制方法、装置、设备和存储介质 | |
Wu et al. | Techno-economic analysis of contingency reserve allocation scheme for combined UHV DC and AC receiving-end power system | |
Samper et al. | Assessments of battery storage options for distribution expansion planning using an OpenDSS-based framework | |
Tsikalakis et al. | Determining and exploiting the distribution function of wind power forecasting error for the economic operation of autonomous power systems | |
Ndawula et al. | Impact of the stochastic behaviour of distributed energy resources on MV/LV network reliability | |
CN109636232A (zh) | 一种基于用户感知可靠性的配网关键性元件识别方法 | |
Chowdhury et al. | A Monte Carlo simulation model for multi-area generation reliability evaluation | |
Alrushoud et al. | Impacts of PV capacity allocation methods on distribution planning studies | |
Dialynas et al. | Impact of microgrids on service quality |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190405 |
|
WD01 | Invention patent application deemed withdrawn after publication |