CN109685379B - 交直流设备供电分区方法、系统、设备及介质 - Google Patents
交直流设备供电分区方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN109685379B CN109685379B CN201811611639.8A CN201811611639A CN109685379B CN 109685379 B CN109685379 B CN 109685379B CN 201811611639 A CN201811611639 A CN 201811611639A CN 109685379 B CN109685379 B CN 109685379B
- Authority
- CN
- China
- Prior art keywords
- equipment
- partition
- partitioned
- partitioning
- matrix
- 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
- 238000000638 solvent extraction Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000005192 partition Methods 0.000 claims abstract description 155
- 239000011159 matrix material Substances 0.000 claims abstract description 77
- 239000013598 vector Substances 0.000 claims description 32
- 238000010276 construction Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 10
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000010606 normalization Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000012983 electrochemical energy storage Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- FESBVLZDDCQLFY-UHFFFAOYSA-N sete Chemical compound [Te]=[Se] FESBVLZDDCQLFY-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
-
- 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)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (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
本发明提供一种交直流设备供电分区方法、系统、设备及介质,包括:通过交直流混合配用电系统中每个设备的特征指标构建特征指标矩阵;根据系统代接入总负荷容量和系统最小分区单位容量确定最大分区数;根据特征指标矩阵通过模糊聚类分析将设备分配到隶属度大于置信水平的分区;判断是否有隶属度不大于置信水平的未分区设备;如果没有隶属度不大于置信水平的未分区设备,设备分区完成;如果有隶属度不大于置信水平的未分区设备,将所述未分区设备作为未分区集合,通过各分区的净负荷采用分支定界方法获得未分区集合中各设备的分区。上述方法、系统、设备及介质能满足交直流混合配用电系统中的多元接入需求。
Description
技术领域
本发明涉及交直流配用电系统规划技术领域,更具体地,涉及一种交直流设备供电分区方法、系统、设备及介质。
背景技术
交直流混合配用电系统通过电力电子设备的柔性调控,可提供多种交直流电压等级,适用于分布式可再生能源、电化学储能、电动汽车充电设施等设备的接入,可为用户提供定制化的供电方案。由于各类源荷储设备接入需求及物理特性的差异,在对交直流混合配用电系统的结构、供电形式、电压等级等有多样化的要求。因此,需要对各类设备的需求和差异性进行分析,为系统建立合理的供电分区,以进行交直流混合配用电系统规划设计。
现有配电网供电分区主要依据行政级别、负荷密度、可靠性要求进行划分,缺乏对用户差异性需求和设备特性的考虑,不适用于交直流混合配用电系统的规划设计。
发明内容
鉴于上述问题,本发明提供一种交直流混合配用电系统中的多元接入需求的交直流设备供电分区方法、系统、设备及介质。
根据本发明的一个方面,提供一种交直流设备供电分区方法,包括:
通过交直流混合配用电系统中每个设备的特征指标构建特征指标矩阵,
其中,xnm为第n个设备的第m个属性;
根据系统代接入总负荷容量和系统最小分区单位容量确定最大分区数
根据特征指标矩阵通过模糊聚类分析将设备分配到隶属度大于置信水平的分区;
判断是否有隶属度不大于置信水平的未分区设备;
如果没有隶属度不大于置信水平的未分区设备,设备分区完成;
如果有隶属度不大于置信水平的未分区设备,将所述未分区设备作为未分区集合,通过各分区的净负荷采用分支定界方法获得未分区集合中各设备的分区。
根据本发明的另一个方面,提供一种交直流设备供电分区系统,包括:
特征指标矩阵构建模块,通过交直流混合配用电系统中每个设备的特征指标构建特征指标矩阵,
其中,xnm为第n个设备的第m个属性;
最大分区数获得模块,根据系统代接入总负荷容量和系统最小分区单位容量确定最大分区数
第一分区模块,根据特征指标矩阵构建模块构建的特征指标矩阵和最大分区数获得模块确定的最大分区数通过模糊聚类分析将设备分配到隶属度大于置信水平的分区;
判断模块,判断是否有隶属度不大于置信水平的未分区设备,如果没有隶属度不大于置信水平的未分区设备,发送信号给第一分区模块,将聚类结果作为设备分区结果,设备分区完成;如果有隶属度不大于置信水平的未分区设备,发送信号给第二分区模块;
第二分区模块,将所述未分区设备作为未分区集合,通过各分区的净负荷采用分支定界方法获得未分区集合中各设备的分区。
另外,本发明还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有交直流设备供电分区程序,所述交直流设备供电分区程序被所述处理器执行时,实现上述交直流设备供电分区方法的步骤。
此外,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中包括有交直流设备供电分区程序,所述交直流设备供电分区程序被处理器执行时,实现上所述交直流设备供电分区方法的步骤。
上述交直流设备供电分区方法、系统、设备及介质适用于交直流混合配用电系统的供电分区方法,基于模糊聚类和资源优化配置实现交直流设备供电分区,通过对源荷储(分布式电源、用电负荷和储能设备)设备的基本需求进行聚类得到初始分区,基于源荷储互补运行特性进行优化分区,为交直流混合配用电系统的规划设计提供基础依据。
附图说明
图1是本发明所述交直流设备供电分区方法的流程图;
图2是本发明所述交直流设备供电分区系统构成框图;
图3是本发明所述交直流设备供电分区方法一个优选实施例的流程图。
具体实施方式
在下面的描述中,出于说明的目的,为了提供对一个或多个实施例的全面理解,阐述了许多具体细节。然而,很明显,也可以在没有这些具体细节的情况下实现这些实施例。在其它例子中,为了便于描述一个或多个实施例,公知的结构和设备以方框图的形式示出。
下面将参照附图来对根据本发明的各个实施例进行详细描述。
图1是本发明所述交直流设备供电分区方法的流程图,如图1所示,所述分区方法包括:
步骤S1,通过交直流混合配用电系统中每个设备的特征指标构建特征指标矩阵,
其中,xnm为第n个设备的第m个属性;
步骤S2,根据系统代接入总负荷容量和系统最小分区单位容量确定最大分区数
步骤S3,根据特征指标矩阵通过模糊聚类分析将设备分配到隶属度大于置信水平的分区;
步骤S4,判断是否有隶属度不大于置信水平的未分区设备;
如果有隶属度不大于置信水平的未分区设备,在步骤S5中,将所述未分区设备作为未分区集合,通过各分区的净负荷采用分支定界方法获得未分区集合中各设备的分区;
如果没有隶属度不大于置信水平的未分区设备,在步骤S6中,设备分区完成。
上述述特征指标可以按照接入需求设定,包括接入交流系统代价、接入直流系统代价、最低允许电压、最高允许电压及谐波或纹波中的一种或多种。
上述所述设备包括分布式电源、用电负荷和储能设备,可以进行包含可再生能源发电、电储能、负荷的交直流供电分区。
在一个可选实施例中,在步骤S1和S2之间还包括:对特征指标矩阵进行标准化处理,具体地:
根据下式(9)获得特征指标矩阵中各维特征向量的平均值
通过所述各维特征向量根据下式(10)获得各维特征向量的均方根
其中,σm为第m维特征向量的均方根;
通过各位特征向量的平均值和均方根根据下式(11)对特征指标矩阵进行标准化
其中,xi'm为经过标准化处理后的第i个设备的第m个属性。
在一个可选实施例中,上述步骤S3包括:
根据最大分区和特征指标矩阵设定各设备隶属于各分区的模糊隶属矩阵
其中,ucn为第n个设备隶属于第c个分区的隶属度;
初始化所述模糊隶属矩阵,获得初始模糊隶属矩阵;
通过下式(2)获得各分区的中心点向量
其中,ξf为f分区的中心点向量;
通过各设备与各中心向量的距离获得系统分区的加权距离和
其中,d(xk,ξf)为设备xi与f分区的中心点向量的距离,J为加权距离和;
根据各设备与各中心向量的距离更新模糊隶属矩阵
其中,u′fi为更新后设备xi隶属于f分区的隶属度;
判断所述加权距离和是否收敛;
如果所述加权距离和收敛,则将跟新后的模糊隶属矩阵作为最终模糊隶属矩阵;
如果所述加权距离和不收敛,则将更新后的模糊隶属矩阵作为初始模糊隶属矩阵重复上述步骤,直到加权距离和收敛,所述加权距离和收敛对应的模糊隶属矩阵作为最终模糊隶属矩阵;
将最终模糊隶属矩阵中大于置信水平的隶属度对应的设备分配到对应的分区。
优选地,所述加权距离和收敛的条件为:
|Jh+1-Jh|<εh+1 (5)
其中,h为迭代次数,ε为给定误差,迭代次数越多,允许的误差εh+1越大,加速了收敛。
在一个可选实施例中,上述步骤S5包括:
通过下式(6)获得各分区的净负荷
对未分区集合内的设备进行优化分区,包括:通过下式(7)和(8)构建优化目标及其约束
利用分支定界方法获得上述优化目标的整数规划,获得未分区集合中各设备的分区。
优选地,所述通过各分区的净负荷采用分支定界方法获得未分区集合中各设备的分区步骤之后还包括:根据公式(6)重新计算各分区的净负荷,对最终各分区的供电负荷进行确认,为后续的配电网规划提供基础。
图2是本发明所述交直流设备供电分区系统构成框图,如图2所示,所述供电分区系统包括:
特征指标矩阵构建模块10,通过交直流混合配用电系统中每个设备的特征指标构建特征指标矩阵,
其中,xnm为第n个设备的第m个属性;
最大分区数获得模块30,根据系统代接入总负荷容量和系统最小分区单位容量确定最大分区数
第一分区模块40,根据特征指标矩阵构建模块构建的特征指标矩阵和最大分区数获得模块确定的最大分区数通过模糊聚类分析将设备分配到隶属度大于置信水平的分区;
判断模块50,判断是否有隶属度不大于置信水平的未分区设备,如果没有隶属度不大于置信水平的未分区设备,发送信号给第一分区模块,将聚类结果作为设备分区结果,设备分区完成;如果有隶属度不大于置信水平的未分区设备,发送信号给第二分区模块;
第二分区模块60,将所述未分区设备作为未分区集合,通过各分区的净负荷采用分支定界方法获得未分区集合中各设备的分区。
优选地,还包括标准化处理模块20,对特征指标矩阵构建模块10构建的特征指标矩阵进行标准化处理,包括:
平均值获得单元,根据公式(9)获得特征指标矩阵中各维特征向量的平均值;
均方根获得单元,通过所述各维特征向量根据公式(10)获得各维特征向量的均方根;
标准化单元,通过各位特征向量的平均值和均方根根据公式(11)对特征指标矩阵进行标准化。
优选地,还包括净负荷获得模块70,分析第一分区模块40和第二分区模块60的各分区的净负荷,例如,根据公式(6)重新计算各分区的净负荷。
在一个可选实施例中,第一分区模块40包括:
模糊隶属矩阵构建单元,根据最大分区和特征指标矩阵设定各设备隶属于各分区的模糊隶属矩阵;
初始化单元,初始化所述模糊隶属矩阵,获得初始模糊隶属矩阵;
中心点向量获得单元,通过公式(2)获得各分区的中心点向量;
加权距离和获得单元,通过各设备与各中心向量的距离获得系统分区的加权距离和;
更新单元,根据各设备与各中心向量的距离更新模糊隶属矩阵;
判断单元,判断所述加权距离和是否收敛,如果所述加权距离和收敛,发送信号给更新单元,将跟新后的模糊隶属矩阵作为最终模糊隶属矩阵;如果如果所述加权距离和不收敛发送信号给初始化单元,将更新后的模糊隶属矩阵作为初始模糊隶属矩阵。
在一个可选实施例中,第二分区模块60包括:
净负荷获得单元,通过公式(6)获得第一分区模块40的各分区的净负荷;
优化单元,通过公式(7)和(8)构建为分区设备的优化目标及其约束;
求解单元,利用分支定界方法获得上述优化目标的整数规划,获得未分区集合中各设备的分区。
此外,本发明还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有交直流设备供电分区程序,所述交直流设备供电分区程序被所述处理器执行时,实现上述交直流设备供电分区方法的步骤。
此外,还可以提供一种计算机可读存储介质,所述计算机可读存储介质中包括有交直流设备供电分区程序,所述交直流设备供电分区程序被处理器执行时,实现上述交直流设备供电分区方法的步骤。
本发明之计算机设备、计算机可读存储介质的具体实施方式与上述交直流设备供电分区方法、分区系统的具体实施方式大致相同,在此不再赘述。
在本发明的一个优选实施例中,如图3所示,利用上述交直流设备供电分区方法进行交直流混合配用电系统源-荷-储供电分区,包括如下步骤:
1)建立待分区源-荷-储设备特性指标矩阵:将系统中的每个待分区的设备视为一个样本,每个样本包括若干特征,此处从设备的接入需求定义其特征,包括接入交流系统代价、接入直流系统代价、最低允许电压、最高允许电压、谐波(纹波)要求5种特征,每个样本记作xi={xi1,xi2,xi3,xi4,xi5},i=1...n,对于包含n个待分区设备的系统,形成n×5特征矩阵,例如,统共包含125个设备,即n=125。
3)对特征指标矩阵进行标准化。
4)求解模糊隶属矩阵:定义任两个待分区设备xk和xl的距离为:定义各设备与分区的模糊隶属矩阵Uc×n,初始化Uc×n中的元素为1;在最大分区数下求解系统的最优分区,具体步骤为:①首先计算各分区中心点向量ξf,②计算各设备与各中心向量的距离d(xk,ξf),获得系统分区的加权距离和J,③计算模糊隶属矩阵Uc×n,④反复步骤①至③,直至系统分区的加权距离和J收敛,收敛的判据为:|Jh+1-Jh|<εh+1,其中,Jh+1为第h+1次迭代所计算得到的加权距离和,Jh为第h次迭代所计算得到的加权距离和,ε为给定误差,例如,给定误差ε=1e-5,求得模糊隶属矩阵。
5)获得初步分区:依据模糊隶属矩阵,选择隶属度大于置信水平α=0.8的分区作为设备的分区,由此,获得系统各设备的初步分区,获得c个分区集合ψ1,ψ2ψ2,...ψc,每个分区集合内的样本为分配到该区的各设备。同时,不满足置信水平要求的设备归为未分区集合例如,根据模糊隶属矩阵的计算结果,获得分区集合:
ψ1={x6,x7,x8,x9,x10,x11,x12,x61,x62,x63,x64},
ψ2={x90,x91,x92,x93,x94,x95,x96,x97,x98,x99,x100,x101,x102,x103,x104,x105,x106}
ψ3={x13,x14,x18,x19,x20,x21,x22,x23,x23,x107,x108,x112,x113,x114,x115,x116,x117,x118}
ψ4={x37,x38,x39,x40,x41,x42,x43,x44,x45,x46,x47,x48,x49,x50,x51,x52,x53}
6)在初始供电分区基础上,对上述未分区设备进一步进行分配:具体步骤包括:①计算各分区的净负荷Pi net,其中pk为ψi集合中的第k个设备的可信容量,其中,f=1...c,s为f分区内设备的数量;②对未分区集合内的设备进行优化分区,优化目标为:约束为:(某个设备有且只能划入一个分区),其中,dsmfj为待决策变量,dsmfj∈{0,1},dsmfj=1表示设备j接入f分区,ss为未分区集合内设备的数量,若设备j为储能,则利用分支定界方法求优化目标描述的整数规划问题,获得各分区内的设备集,如上例,最终分区1中包含32个设备,分区2中包含36个设备,分区3中包含28个设备,分区四中包含29个设备。
本发明所述交直流设备供电分区方法、系统、设备及介质提供了一种客观的源-荷-储分区方法,通过模糊聚类得到了设备归属分区的不确定性程度,更能客观的反映实际设备接入需求,可有效应用于交直流混合配用电系统的供电分区设计。
尽管前面公开的内容示出了本发明的示例性实施例,但是应当注意,在不背离权利要求限定的范围的前提下,可以进行多种改变和修改。根据这里描述的发明实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外,尽管本发明的元素可以以个体形式描述或要求,但是也可以设想具有多个元素,除非明确限制为单个元素。
Claims (10)
1.一种交直流设备供电分区方法,其特征在于,包括:
通过交直流混合配用电系统中每个设备的特征指标构建特征指标矩阵,
其中,xnm为第n个设备的第m个属性;
根据系统待接入总负荷容量和系统最小分区单位容量确定最大分区数
根据特征指标矩阵通过模糊聚类分析将设备分配到隶属度大于置信水平的分区;
判断是否有隶属度不大于置信水平的未分区设备;
如果没有隶属度不大于置信水平的未分区设备,设备分区完成;
如果有隶属度不大于置信水平的未分区设备,将所述未分区设备作为未分区集合,采用分支定界方法通过各分区的净负荷获得未分区集合中各设备的分区。
2.根据权利要求1所述的交直流设备供电分区方法,其特征在于,所述根据特征指标矩阵通过模糊聚类分析将设备分配到隶属度大于置信水平的分区的步骤包括:
根据最大分区和特征指标矩阵设定各设备隶属于各分区的模糊隶属矩阵
其中,ucn为第n个设备隶属于第c个分区的隶属度;
初始化所述模糊隶属矩阵,获得初始模糊隶属矩阵;
通过下式(2)获得各分区的中心点向量
其中,ξf为f分区的中心点向量,ufi为第i个设备隶属于第f个分区的隶属度;
通过各设备与各中心向量的距离获得系统分区的加权距离和
其中,d(xk,ξf)为设备xi与f分区的中心点向量的距离,J为加权距离和;
根据各设备与各中心向量的距离更新模糊隶属矩阵
其中,u′fi为更新后设备xi隶属于f分区的隶属度;
判断所述加权距离和是否收敛;
如果所述加权距离和收敛,则将更新后的模糊隶属矩阵作为最终模糊隶属矩阵;
如果所述加权距离和不收敛,则将更新后的模糊隶属矩阵作为初始模糊隶属矩阵,重复上述步骤,直到加权距离和收敛,所述加权距离和收敛对应的模糊隶属矩阵作为最终模糊隶属矩阵;
将最终模糊隶属矩阵中大于置信水平的隶属度对应的设备分配到对应的分区。
3.根据权利要求2所述的交直流设备供电分区方法,其特征在于,所述加权距离和收敛的条件为:
|Jh+1-Jh|<εh+1 (5)
其中,h为迭代次数,ε为给定误差。
4.根据权利要求1所述的交直流设备供电分区方法,其特征在于,所述采用分支定界方法通过各分区的净负荷获得未分区集合中各设备的分区的步骤包括:
通过下式(6)获得各分区的净负荷
对未分区集合内的设备进行优化分区,包括:通过下式(7)和(8)构建优化目标及其约束
其中,ss为未分区集合内设备的数量,j为未分区集合中的设备索引,若设备xj为储能,则dsmfj为待决策变量,dsmfj∈{0,1},dsmfj=1表示设备xj接入f分区,pj为未分区的第j个设备的可信容量;
利用分支定界方法获得上述优化目标的整数规划,获得未分区集合中各设备的分区。
5.根据权利要求4所述的交直流设备供电分区方法,其特征在于,所述采用分支定界方法通过各分区的净负荷获得未分区集合中各设备的分区步骤之后还包括:
根据公式(6)重新计算各分区的净负荷。
7.根据权利要求1或6所述的交直流设备供电分区方法,其特征在于,所述特征指标按照接入需求设定,包括接入交流系统代价、接入直流系统代价、最低允许电压、最高允许电压及谐波或纹波中的一种或多种。
8.一种交直流设备供电分区系统,其特征在于,包括:
特征指标矩阵构建模块,通过交直流混合配用电系统中每个设备的特征指标构建特征指标矩阵,
其中,xnm为第n个设备的第m个属性;
最大分区数获得模块,根据系统待接入总负荷容量和系统最小分区单位容量确定最大分区数
第一分区模块,根据特征指标矩阵构建模块构建的特征指标矩阵和最大分区数获得模块确定的最大分区数通过模糊聚类分析将设备分配到隶属度大于置信水平的分区;
判断模块,判断是否有隶属度不大于置信水平的未分区设备,如果没有隶属度不大于置信水平的未分区设备,发送信号给第一分区模块,将聚类结果作为设备分区结果,设备分区完成;如果有隶属度不大于置信水平的未分区设备,发送信号给第二分区模块;
第二分区模块,将所述未分区设备作为未分区集合,采用分支定界方法通过各分区的净负荷获得未分区集合中各设备的分区。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有交直流设备供电分区程序,所述交直流设备供电分区程序被所述处理器执行时,实现如权利要求1至7中任一项权利要求所述交直流设备供电分区方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括有交直流设备供电分区程序,所述交直流设备供电分区程序被处理器执行时,实现如权利要求1至7中任一项权利要求所述交直流设备供电分区方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811611639.8A CN109685379B (zh) | 2018-12-27 | 2018-12-27 | 交直流设备供电分区方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811611639.8A CN109685379B (zh) | 2018-12-27 | 2018-12-27 | 交直流设备供电分区方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109685379A CN109685379A (zh) | 2019-04-26 |
CN109685379B true CN109685379B (zh) | 2020-11-20 |
Family
ID=66190463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811611639.8A Active CN109685379B (zh) | 2018-12-27 | 2018-12-27 | 交直流设备供电分区方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685379B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110137951B (zh) * | 2019-05-16 | 2021-06-08 | 广东电力交易中心有限责任公司 | 基于节点电价的市场分区方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103050970A (zh) * | 2013-01-15 | 2013-04-17 | 华北电力大学 | 一种适用于特高压电网分层分区的稳定性分析及优化方法 |
CN106026152B (zh) * | 2016-05-19 | 2017-06-06 | 合肥工业大学 | 一种电动汽车接入微电网的充放电调度方法 |
CN105932723B (zh) * | 2016-06-13 | 2018-05-18 | 国网浙江省电力公司电力科学研究院 | 一种交直流混合微电网的网架结构优化规划方法 |
CN107194526A (zh) * | 2017-03-29 | 2017-09-22 | 国网浙江省电力公司经济技术研究院 | 一种基于模糊聚类的售电侧市场化改革进度评估方法 |
CN107491621B (zh) * | 2017-09-01 | 2020-10-16 | 厦门亿力吉奥信息科技有限公司 | 基于社区和结构洞联合分析的大电网分割方法、存储介质 |
-
2018
- 2018-12-27 CN CN201811611639.8A patent/CN109685379B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109685379A (zh) | 2019-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dobbe et al. | Toward distributed energy services: Decentralizing optimal power flow with machine learning | |
Haghifam et al. | Optimal location and sizing of HV/MV substations in uncertainty load environment using genetic algorithm | |
Bhattacharyya et al. | PSO based bio inspired algorithms for reactive power planning | |
Chen et al. | Multi-objective enhanced PSO algorithm for optimizing power losses and voltage deviation in power systems | |
Chinnadurrai et al. | Dynamic economic emission dispatch considering wind uncertainty using non-dominated sorting crisscross optimization | |
Zhong et al. | Bayesian learning-based multi-objective distribution power network reconfiguration | |
Ali et al. | Solution of constrained mixed‐integer multi‐objective optimal power flow problem considering the hybrid multi‐objective evolutionary algorithm | |
CN103793612A (zh) | 一种适合于考虑风电随机特性的电力系统的电网规划方法 | |
Lakshmi et al. | Optimal placement of distribution generation in radial distribution system using hybrid genetic dragonfly algorithm | |
Wei et al. | Computing Moore-Penrose inverses of Toeplitz matrices by Newton's iteration | |
Madadi et al. | A data clustering based probabilistic power flow method for AC/VSC-MTDC | |
CN109685379B (zh) | 交直流设备供电分区方法、系统、设备及介质 | |
Eshragh et al. | A projection-adapted cross entropy (PACE) method for transmission network planning | |
Arya et al. | Modified shuffled frog leaping optimization algorithm based distributed generation rescheduling for loss minimization | |
Wang et al. | Fast optimal power flow with guarantees via an unsupervised generative model | |
Park et al. | DIP-QL: A novel reinforcement learning method for constrained industrial systems | |
Liu et al. | Multi-objective optimal allocation of TCSC for power systems with wind power considering load randomness | |
Lei et al. | A comparison of metaheuristic techniques for solving optimal sitting and sizing problems of capacitor banks to reduce the power loss in radial distribution system | |
Nguyen et al. | Optimal placement and sizing of Static Var Compensator using Cuckoo search algorithm | |
CN111047461A (zh) | 一种直流多微网的黑启动方法 | |
Zhang et al. | An efficient approach for robust SCOPF considering load and renewable power uncertainties | |
Khasanov et al. | Maximizing renewable energy integration with battery storage in distribution systems using a modified Bald Eagle Search Optimization Algorithm | |
Sen et al. | Optimal placement of UPFC based on techno-economic criteria by hybrid CSA-CRO algorithm | |
Bose et al. | Load restoration in islanded microgrids: Formulation and solution strategies | |
CN113689031A (zh) | 一种基于改进次梯度算法的配电网阻塞管理方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |