CN109921464A - 配电网广义电源变电可信容量评估方法、装置和计算设备 - Google Patents
配电网广义电源变电可信容量评估方法、装置和计算设备 Download PDFInfo
- Publication number
- CN109921464A CN109921464A CN201910229408.9A CN201910229408A CN109921464A CN 109921464 A CN109921464 A CN 109921464A CN 201910229408 A CN201910229408 A CN 201910229408A CN 109921464 A CN109921464 A CN 109921464A
- Authority
- CN
- China
- Prior art keywords
- power
- model
- distribution network
- power supply
- load
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000009466 transformation Effects 0.000 title claims abstract description 44
- 238000004146 energy storage Methods 0.000 claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000010248 power generation Methods 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 238000004088 simulation Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000003442 weekly effect Effects 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims 2
- 230000006735 deficit Effects 0.000 claims 1
- 230000002123 temporal effect Effects 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 18
- 238000012546 transfer Methods 0.000 description 14
- 230000035699 permeability Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000009977 dual effect Effects 0.000 description 4
- 238000013486 operation strategy Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000000342 Monte Carlo simulation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012614 Monte-Carlo sampling Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000007723 transport mechanism Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网广义电源变电可信容量评估方法，适于在计算设备中执行，该方法包括：建立配电网的广义电源出力模型，该模型包括风电机组模型、光伏发电系统模型、储能系统模型和可控负荷模型；基于预定模拟算法，以年期望缺供电量为可靠性水平的评价指标，根据高压配电网的接线模式建立配电网的可靠性计算时序模型，该模型分别生成了风电机组模型、光伏发电系统模型和储能系统模型的时序变化序列；分别计算广义电源接入配电网前后的第一、第二可靠性水平，并通过调整配电网的负荷大小，使得第二可靠性水平等于第一可靠性水平，此时所增加的负荷大小即为所述变电可信容量。本发明还公开了对应的评估装置和用于执行该方法的计算设备。
Description
技术领域
本发明涉及电力系统领域，尤其涉及一种配电网广义电源变电可信容量评估方法、装置和计算设备。
背景技术
随着分布式电源、储能及需求侧响应(DG)资源渗透率的不断提高，其可作为配电网中的电源代替变电容量承担部分负荷，因此将配电网中的分布式能源统称为广义电源(Generalized Power Source，GPS)。评估配电网中广义电源替代变电容量的容量价值，不仅可以为主动配电网中变电站规划提供支撑，从而提高电网资产设备利用率，而且可以有效评估广义电源对电力系统的贡献，为市场机制和电价政策的制定提供决策支持。如何能在变电容量规划阶段考虑到分布式电源的替代容量，根据扣除后的变电站容量进行选址和定容将会适应更大规模分布式能源并网的规划场景，其中可信容量的求解技术方法具有重要研究意义。
近年来，国内外针对用可信容量来评估间歇性能源对系统容量充裕度所做贡献的研究取得了一定的成果，但目前已有的研究大多是在大电网层面考察间歇性能源替代常规发电机组的有效容量，可靠性不变是指发电系统充裕性不变，缺乏对可信容量在配电网层面的研究。而且，针对配电网层面，在一个变电站供电范围内，分布式能源能够替代的变电容量的研究方法是把容载比作为可靠性指标。分布式能源接入后，在容载比不变的情况下，将能够多增加的负荷量定义为可信容量，并在变电站容量中扣除可信容量。这样会导致同一区域内的变电站规模不同，不利于故障下的负荷转移，且未考虑高压配网结构。
发明内容
为此，本发明提供一种配电网广义电源变电可信容量评估方法、装置和计算设备，以力图解决或至少缓解上面存在的问题。
根据本发明的一个方面，提供了一种配电网广义电源变电可信容量评估方法，适于在计算设备中执行，所述方法包括：建立配电网的广义电源出力模型，所述广义电源出力模型包括风电机组模型、光伏发电系统模型、储能系统模型和可控负荷模型；基于预定模拟算法，以年期望缺供电量为可靠性水平的评价指标，根据高压配电网的接线模式建立配电网的可靠性计算时序模型，该模型分别根据风电机组模型、光伏发电系统模型和储能系统模型生成对应的时序变化序列；计算广义电源接入配电网前的第一可靠性水平，并根据可靠性计算时序模型计算初始负荷下广义电源接入配电网后的第二可靠性水平；以及通过调整配电网的负荷大小，使得第二可靠性水平等于第一可靠性水平，此时所增加的负荷大小即为该配电网内广义电源的变电可信容量。
可选地，在根据本发明的方法中，配电网的负荷量L(t)为：
L(t)＝Ly×Pwk×Pd×Ph(t)
其中，Ly是年峰荷，Pwk是52周的平均峰荷，Pd是日平均峰荷占周峰荷百分比，Ph(t)为运行天24小时平均峰荷占日峰荷百分比。
可选地，在根据本发明的方法中，可靠性计算时序模型还通过对配电网中的电源元件和非电源元件进行序贯模拟来生成故障状态序列。
可选地，在根据本发明的方法中，年期望缺供电量RG为：
其中，N代表总模拟年数，Ens.n代表一次故障状态下的缺供电量；q和p分别为电源元件和非电源元件的故障状态模拟次数。
可选地，在根据本发明的方法中，风电机组模型包括风电机组出力与风速之间的关系：
其中，vci，vr，v co 及Pr分别为风电机组的切入风速、额定风速、切出风速及风电机组的额定功率，f(v)是风速在vci和vco之间时风电机组风速与风电功率之间的函数关系。
可选地，在根据本发明的方法中，光伏发电系统模型包括光伏发电系统的有功出力与太阳光辐射强度之间的关系：
其中，S为光伏电池板的有效面积，I(t)为t时刻电池板接收到的光强，ηc为太阳能电源板的转换效率；Kc为阈值常数。
可选地，在根据本发明的方法中，储能系统模型包括储能系统的充放电功率函数：
其中，与分别表示t时刻储能电池的充电功率与放电功率，pex为净交换功率，即负荷需求与需求侧响应出力的差值，ηc、ηd分别为储能系统的充放电效率，γc、γd分别为单位时间内充、放电的最大功率与储能电池额定容量的比值，Snom为额定容量。
可选地，在根据本发明的方法中，当出现故障时，
其中，pload.t，ploss.t，pDG.i.t分别为t时刻停电区域内的总负荷功率、网损功率和第i组需求侧响应的上网功率；pT.t为停电区域可转供的负荷量；NDG为停电区域内需求侧响应的总数量。
可选地，在根据本发明的方法中，储能系统模型还包括储能系统的充放电功率约束和荷电状态约束：
Soc.min≤Soc.t≤Soc.max
其中，Soc.t、Soc.mmin、Soc.max分别是t时刻储能系统的荷电状态、荷电状态最小值和荷电状态最大值，ΔT为时间差。
可选地，在根据本发明的方法中，当出现停电故障且需要储能系统执行故障策略时，系统所需削减的可控负荷总量pIL.t为：
其中，Tout为停电时间。
可选地，在根据本发明的方法中，接线模式包括直接接线、单侧电源T型接线、双电源T型接线、双电源π型接线。
根据本发明的又一方面，提供了一种配电网广义电源变电可信容量评估装置，适于驻留在计算设备中执行，该装置包括：第一模型构建模块，适于建立配电网的广义电源出力模型，该模型包括风电机组模型、光伏发电系统模型、储能系统模型和可控负荷模型；第二模型构建模块，适于基于预定模拟算法，以年期望缺供电量为可靠性水平的评价指标，根据高压配电网的接线模式建立配电网的可靠性计算时序模型，该模型分别根据风电机组模型、光伏发电系统模型和储能系统模型生成对应的时序变化序列；以及可信容量计算模块，适于计算广义电源接入配电网前的第一可靠性水平，根据可靠性计算时序模型计算初始负荷下广义电源接入配电网后的第二可靠性水平，并通过调整配电网的负荷大小，使得第二可靠性水平等于第一可靠性水平，此时所增加的负荷大小即为该配电网内广义电源的变电可信容量。
可选地，在根据本发明的装置中，配电网的负荷量L(t)为：
L(t)＝Ly×Pwk×Pd×Ph(t)
其中，Ly是年峰荷，Pwk是52周的平均峰荷，Pd是日平均峰荷占周峰荷百分比，Ph(t)为运行天24小时平均峰荷占日峰荷百分比。
可选地，在根据本发明的装置中，可靠性计算时序模型还通过对配电网中的电源元件和非电源元件进行序贯模拟来生成故障状态序列。
可选地，在根据本发明的装置中，年期望缺供电量RG为：
其中，N代表总模拟年数，Ens.n代表一次故障状态下的缺供电量，q和p分别为电源元件和非电源元件的故障状态模拟次数。
可选地，在根据本发明的装置中，风电模型包括风电机组出力与风速之间的关系：
其中，vci，vr，v co 及Pr分别为风电机组的切入风速、额定风速、切出风速及风电机组的额定功率，ff(v)是风速在vci和vco之间时风电机组风速与风电功率之间的函数关系。
根据本发明的又一方面，提供了一种计算设备，包括：一个或多个处理器；存储器；和一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行如上所述的配电网广义电源变电可信容量评估方法的指令。
根据本发明的又一方面，提供了一种存储一个或多个程序的可读存储介质，所述一个或多个程序包括指令，所述指令当计算设备执行时，使得所述计算设备执行如上所述的配电网广义电源变电可信容量评估方法。
根据本发明的技术方案，首先建立了广义电源出力模型，以独立控制为例，分别设定风电、光伏、储能系统和可控负荷模型。之后进行了计及供电模式的高压配电网可靠性计算，其中高压配电网接线模式包括直接接线、单侧电源T型接线、双电源T型接线、双电源π型接线。可靠性评估方法基于序贯蒙特卡罗模拟法，在考虑上述四种不同供电模式的基础上，建立配电网可靠性计算时序模型，可靠性评价指标选用年期望缺供电量。最后对配电网广义电源变电可信容量进行计算，通过该计算结果评估不同接线模式下广义电源变电可信容量。本发明提出的考虑不同供电模式的变电可信容量评估方法可可用于评估配电网中广义电源替代变电容量的价值，为广义电源接入配电网的变电容量规划提供参考。
附图说明
为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施例的计算设备100的结构框图；
图2示出了根据本发明一个实施例的配电网广义电源变电可信容量评估方法200的流程图；
图3示出了根据本发明一个实施例的配电网广义电源变电可信容量评估方法的详细流程图；
图4示出了根据本发明一个实施例的配电网广义电源变电可信容量评估装置400的结构框图；
图5示出了根据本发明一个实施例的供电分区示意图；
图6A-6D分别示出了根据本发明一个实施例的四种接线模式的示意图；
图7示出了根据本发明一个实施例的变电站地理位置示意图；以及
图8示出了根据本发明一个实施例的不同供电模式下的变电可信容量结果对比图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1是示例计算设备100的框图。在基本的配置102中，计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。
取决于期望的配置，处理器104可以是任何类型的处理，包括但不限于：微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用，或者在一些实现中，存储器控制器118可以是处理器104的一个内部部分。
取决于期望的配置，系统存储器106可以是任意类型的存储器，包括但不限于：易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统120、一个或者多个应用122以及程序数据124。在一些实施方式中，应用122可以布置为在操作系统上利用程序数据124进行操作。程序数据124包括指令，在根据本发明的计算设备100中，程序数据124包含用于执行配电网广义电源变电可信容量评估方法200的指令。
计算设备100还可以包括有助于从各种接口设备(例如，输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160，其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
计算设备100可以实现为服务器，例如文件服务器、数据库服务器、应用程序服务器和WEB服务器等，也可以实现为小尺寸便携(或者移动)电子设备的一部分，这些电子设备可以是诸如蜂窝电话、个人数字助理(PDA)、个人媒体播放器设备、无线网络浏览设备、个人头戴设备、应用专用设备、或者可以包括上面任何功能的混合设备。计算设备100还可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。在一些实施例中，计算设备100被配置为执行根据发明的配电网广义电源变电可信容量评估方法200。
关于变电可信容量，其主要是指在高压配电网层面，考虑主变压器和110kV线路及断路器等元件故障的情况下，根据等可靠性原则，配电网中接入的广义电源能够等效的变电容量的大小。
图2示出了根据本发明一个实施例的配电网广义电源变电可信容量评估方法200的流程图，适于在计算设备中执行。如图2所述，该方法始于步骤S220。
在步骤S220中，建立配电网的广义电源出力模型，该广义电源出力模型包括风电机组模型、光伏发电系统模型、储能系统模型和可控负荷模型。
根据一个实施例，风电机组模型包括风电机组出力与风速之间的关系：
其中，vci，vr，v co 及Pr分别为风电机组的切入风速、额定风速、切出风速及风电机组的额定功率，f(v)是风速在vci和vco之间时风电机组风速与风电功率之间的函数关系。
根据另一个实施例，光伏发电系统模型包括光伏发电系统的有功出力与太阳光辐射强度之间的关系：
其中，S为光伏电池板的有效面积，I(t)为t时刻电池板接收到的光强，ηc为太阳能电源板的转换效率；Kc为阈值常数。
根据又一个实施例，储能系统模型包括储能系统的充放电功率函数：
其中，与分别表示t时刻储能电池的充电功率与放电功率，pex为净交换功率，即负荷需求与需求侧响应出力的差值，ηc、ηd分别为储能系统的充放电效率，γc、γd分别是单位时间内充、放电的最大功率与储能电池额定容量的比值，Snom为额定容量。
与系统正常运行状态时不同的是，故障时停电区域内的净交换功率pex需考虑转供负荷量，此时其表达式为：
其中，pload.t，ploss.t，pDG.i.t分别为t时刻停电区域内的总负荷功率、网损功率和第i组需求侧响应的上网功率；pT.t为停电区域可转供的负荷量；NDG为停电区域内需求侧响应的总数量。也就是出现故障时储能系统的充放电功率由式(3)和式(4)共同决定。
此外，储能系统模型还包括储能系统的充放电功率约束和荷电状态约束：
其中，Soc.t、Soc.min、Soc.max分别是t时刻储能系统的荷电状态、荷电状态最小值和荷电状态最大值，ΔT为时间差。
图5为供电分区内一个变电站的局部示意图，表明广义电源在站内的位置。假设同一个变压器下的负荷属于一个分区，当故障出现停电时对同一供电分区内的可控负荷具有直接控制能力，能够及时削减。优先保证需求侧响应DG供电，其次考虑可转供的负荷大小，当该两项措施仍无法满足故障区域的全部负荷用电时，储能执行故障运行策略，此时计算系统所需削减的可控负荷总量pIL.t为：
其中，Tout为停电时间。当该区域的可控负荷总量大于pIL.t时，不会造成负荷停电；反之，当该区域可控负荷总量小于pIL.t时，即所有可控负荷实施直接负荷控制削减负荷后将仍存在部分负荷失电，系统停电负荷为：
其中，ND为停电区域内可控负荷的总组数，pD.i.t为t时刻可控负荷i可以削减的负荷总量，设系统中各负荷点的时变规律与负荷总量相同，由时变负荷模型确定，则配电网的负荷量L(t)为：
L(t)＝Ly×Pwk×Pd×Ph(t) (8)
其中，Ly是年峰荷，Pwk是52周的平均峰荷，Pd是日平均峰荷占周峰荷百分比，Ph(t)为运行天24小时平均峰荷占日峰荷百分比。
随后，在步骤S240中，基于预定模拟算法，以年期望缺供电量为可靠性水平的评价指标，根据高压配电网的接线模式建立配电网的可靠性计算时序模型，该模型在模拟总时长范围内，分别根据风电机组模型、光伏发电系统模型和储能系统模型生成对应的时序变化序列。
根据一个实施例，高压配电网的接线模式包括以下四种：直接接线、单侧电源T型接线、双电源T型接线、双电源π型接线，其电气接线图分别如图6A-6D所示。当高压配电网发生故障造成负荷失电时，失电负荷首先由高压配电网转供；转供线路故障或转供负荷越限时，通过中压侧站间联络转供。高压转供与中压转供共同决定了系统的可靠性水平。
可靠性评估方法基于序贯蒙特卡罗模拟法，在考虑上述四种不同供电模式的基础上，建立配电网可靠性计算时序模型，其中年期望缺供电量RG为：
其中，N代表总模拟年数，Ens.n代表一次故障状态下的缺供电量；q和p分别为电源元件和非电源元件的故障状态模拟次数。具体计算步骤如下：
1)生成时序变化序列。根据风电机组和光伏发电系统的出力模型，在模拟总时长T范围内，生成风电机组和光伏发电系统的时序变化序列；根据储能正常运行状态下的运行策略，生成储能系统荷电状态的时序变化序列；规定DG出力的可控负荷序列恒定。
2)生成故障状态序列。对系统中的电源元件和非电源元件同时进行序贯模拟，不考虑双重及以上故障，当非电源元件故障状态出现时，进行3)故障评估时选择非电源元件故障情况，p加1；当电源元件故障状态出现时，进行3)故障评估时选择电源元件故障情况，q加1。
3)进行故障评估，其根据故障元件的不同有两种故障评估方式：
(a)对于非电源元件故障情况，查询故障模式分析表库，确定失负荷区域，进而根据1)中所得DG出力序列，确定失负荷区域内DG在系统故障期间的出力情况。确定需转供的负荷大小及转供路径；无法完成转供时，失负荷区域内的储能实施故障运行策略，供给部分负荷；仍无法满足所有负荷用电时，确定需削减用电的可控负荷量。实施了上述所有措施后仍无法实现供电的负荷即为此次故障的失电负荷，记录该次故障状态的缺供电量Ens.n。
(b)对于电源元件故障情况，确定故障区域，除去故障电源，根据步骤1)中所得DG出力序列，确定故障区域剩余DG在故障过程中的出力情况。确定需转供的负荷大小及转供路径；无法完成转供时，失负荷区域内的储能实施故障运行策略，供给部分负荷；仍无法满足所有负荷用电时，确定需削减用电的可控负荷量。实施了上述所有措施后仍无法实现供电的负荷即为此次故障的失电负荷，记录该次故障状态的缺供电量Ens.n。
4)指标评价。如式(9)所示将电源元件及非电源元件故障状态计算指标统一，求得广义电源接入后的系统可靠性指标。
随后，在步骤S260中，计算广义电源接入配电网前的第一可靠性水平R0，并根据可靠性计算时序模型计算初始负荷L0下广义电源接入配电网后的第二可靠性水平RG。
随后，在步骤S280中，通过调整配电网的负荷大小，使得第二可靠性水平等于第一可靠性水平R0，此时所增加的负荷大小即为该配电网内广义电源的变电可信容量。
以上两步主要是对配电网广义电源变电可信容量进行计算，其计算结果可评估不同接线模式下广义电源变电可信容量。具体他，可以先输入系统高压配电网网架结构及变电站站间联络约束，由线性最优规划求得该接线结构下系统的最大安全负荷，也就是初始负荷。通过计算机自动遍历，建立所有非电源元件的故障模式影响分析表库并确定转供方式。之后计算未配置广义电源时原始系统中的可靠性水平R0，其具体计算方法为利用序贯蒙特卡罗法抽样得到电力不足概率LOLP、缺电时间期望LOLE、负荷削减频率LOLF，和期望缺供电量EENS四个可靠性指标。同样可选期望缺供电量为系统可靠性水平指标，其序贯蒙特卡罗法抽样计算方法已经非常成熟，本领域技术人员根据现有技术即可计算得到，这里不再赘述。
之后采用蒙特卡洛模拟法计算含广义电源的配电网可靠性水平RG，并利用弦截法，不断调整负荷大小(初始负荷为最大安全负荷)，使得广义电源加入后系统的可靠性水平RG等于原始系统可靠性水平R0，此时系统增加的负荷大小ΔL即为该区域内广义电源的变电可信容量。图3示出了配电网广义电源变电可信容量评估方法的详细流程图，结合图2和图3及现有技术，本领域技术人员可以清楚地对配电网广义电源的变电可信容量进行评估。
图4示出了根据本发明一个实施例的一种配电网广义电源变电可信容量评估装置400，适于驻留在计算设备中。如图4所示，该装置包括第一模型构建模块420、第二模型构建模块440和可信容量计算模块460。
第一模型构建模块420适于建立配电网的广义电源出力模型，该广义电源出力模型包括风电机组模型、光伏发电系统模型、储能系统模型和可控负荷模型。根据一个实施例，风电机组模型包括风电机组出力与风速之间的关系：
其中，vci，vr，v co 及Pr分别为风电机组的切入风速、额定风速、切出风速及风电机组的额定功率，f(v)是风速在vci和vco之间时风电机组风速与风电功率之间的函数关系。
第二模型构建模块440适于基于预定模拟算法，以年期望缺供电量为可靠性水平的评价指标，根据高压配电网的接线模式建立配电网的可靠性计算时序模型，该模型分别根据风电机组模型、光伏发电系统模型和储能系统模型生成对应的时序变化序列。可选地，可靠性计算时序模型还通过对配电网中的电源元件和非电源元件进行序贯模拟来生成故障状态序列。其中，年期望缺供电量RG为：
其中，N代表总模拟年数，Ens.n代表一次故障状态下的缺供电量，q和p分别为电源元件和非电源元件的故障状态模拟次数。
可信容量计算模块460适于计算广义电源接入前配电网的可靠性水平R0，根据所述可靠性计算时序模型计算当前配电网负荷下广义电源接入后的可靠性水平RG，并通过调整配电网的负荷大小，使得广义电源接入后配电网的可靠性水平等于R0，此时所增加的负荷大小即为该配电网内广义电源的变电可信容量。
根据一个实施例，配电网的负荷量L(t)为：
L(t)＝Ly×Pwk×Pd×Ph(t)
其中，Ly是年峰荷，Pwk是52周的平均峰荷，Pd是日平均峰荷占周峰荷百分比，Ph(t)为运行天24小时平均峰荷占日峰荷百分比。
根据本发明的配电网广义电源变电可信容量评估装置400，其具体细节已在基于其他附图的描述中详细公开，在此不再赘述。
在某具体实例中，选取规划占地面积为8.41km2的开发区，将其划分为4个小区进行负荷预测，每个小区年负荷峰值定为25.0MW。假设该区域110kV/10kV变电站的容量均为2*40MVA，负荷在四个小区平均分配。站内联络约束为40MVA，站间联络约束为10MVA。站内转供若采用备自投，转供时间可忽略不计，站间转供时间设置为1小时。四个实例分别对应四种典型供电接线模式：直接接线、单侧电源T型接线、双电源T型接线、双电源π型接线。各实例中，220kV和110kV共计四座变电站按照图7的地理位置进行线路连接，以保证每个实例的线路长度基本相等。
规划本区域光伏发电额定装机容量为100MW，风力发电机数量为358台，额定容量均为335kW。风力发电机的切入风速、额定风速、切出风速分别为：2，12，25m/s，平均风速为13.75km/h。非电源元件分为四类，110kV架空线、10kV断路器、110kV断路器、110/10kV变压器，其故障率分别设定为0.01/次·(a·km)-1、0.005次·(a·台)-1、0.02次·(a·台)-1、0.005次·(a·台)-1；其故障后修复时间分别为12、4、7.5、48小时。
设定各实例计算中，以实例二在不含GPS，负荷为25MW时的可靠性指标R0为基准，计算不同GPS渗透率下，各实例对应的可信容量变化情况。同时，风电、光伏、储能，每种电源渗透率迭代计算的步长均为5％。可控负荷为定值10％，不计入总渗透率。四个实例在不同GPS渗透率下的可信容量仿真结果对比如图8，以30％为间隔，取上图中GPS渗透率分别为0％、30％、60％、90％、120％、150％、180％、210％、240％、270％时，得到四种供电模式可信容量的数据对比，如下表所示，从表中可看出需要考虑不同供电模式对配电网中广义电源的变电可信容量的影响作用。
根据本发明的技术方案，以独立控制策略分别设定分布式电源(风电、光伏)模型、储能系统模型以及可控负荷模型。其中风电模型用风电机组出力与风速之间的关系表示，光伏模型以光伏发电系统有功出力与太阳光辐射强度之间的关系表示。储能系统模型用充放电功率及荷电状态表示，系统故障时停电区域内的净交换功率pex需考虑转供负荷量。本发明以配电区域为对象，在规划水平年广义电源渗透率预测值一定且分散分布的情况下，考虑广义电源的不确定性和控制策略，提出一种考虑供电模式的配电网广义电源变电可信容量评估方法，可用于评估配电网中广义电源替代变电容量的价值，为广义电源接入配电网的变电容量规划提供参考。
A8、如A7所述的方法，其中，当出现故障时，
其中，pload.t，Ploss.t，PDG.i.t分别为t时刻停电区域内的总负荷功率、网损功率和第i组需求侧响应的上网功率；pT.t为停电区域可转供的负荷量；NDG为停电区域内需求侧响应的总数量。
A9、如A7所述的方法，其中，所述储能系统模型还包括储能系统的充放电功率约束和荷电状态约束：
Soc.min≤Soc.t≤Soc.max
其中，Soc.t、Soc.min、Soc.max分别是t时刻储能系统的荷电状态、荷电状态最小值和荷电状态最大值，ΔT为时间差。
A10、如A8所述的方法，其中，当出现停电故障且需要储能系统执行故障策略时，系统所需削减的可控负荷总量pIL.t为：
其中，Tout为停电时间。
A11、如A1所述的方法，其中，所述接线模式包括直接接线、单侧电源T型接线、双电源T型接线、双电源π型接线。
B13、如B12所述的装置，其中，配电网的负荷量L(t)为：
L(t)＝Ly×Pwk×Pd×Ph(t)
其中，Ly是年峰荷，Pwk是52周的平均峰荷，Pd是日平均峰荷占周峰荷百分比，Ph(t)为运行天24小时平均峰荷占日峰荷百分比。
B14、如B12或B13所述的装置，其中，所述可靠性计算时序模型还通过对配电网中的电源元件和非电源元件进行序贯模拟来生成故障状态序列。
B15、如B14所述的方法，其中，年期望缺供电量RG为：
其中，N代表总模拟年数，Ens.n代表一次故障状态下的缺供电量，q和p分别为电源元件和非电源元件的故障状态模拟次数。
B16、如B12所述的装置，其中，所述风电模型包括风电机组出力与风速之间的关系：
其中，vci，vr，v co 及Pr分别为风电机组的切入风速、额定风速、切出风速及风电机组的额定功率，f(v)是风速在vci和vco之间时风电机组风速与风电功率之间的函数关系。
这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的配电网广义电源变电可信容量评估方法。
以示例而非限制的方式，计算机可读介质包括计算机存储介质和通信介质。计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。
在此处所提供的说明书中，算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以任意的组合方式来使用。
此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。
Claims (10)
1.一种配电网广义电源变电可信容量评估方法，适于在计算设备中执行，所述方法包括：
建立配电网的广义电源出力模型，所述广义电源出力模型包括风电机组模型、光伏发电系统模型、储能系统模型和可控负荷模型；
基于预定模拟算法，以年期望缺供电量为可靠性水平的评价指标，根据高压配电网的接线模式建立配电网的可靠性计算时序模型，该模型分别根据所述风电机组模型、光伏发电系统模型和储能系统模型生成对应的时序变化序列；
计算广义电源接入配电网前的第一可靠性水平，并根据所述可靠性计算时序模型计算初始负荷下广义电源接入配电网后的第二可靠性水平；以及
通过调整配电网的负荷大小，使得第二可靠性水平等于第一可靠性水平，此时所增加的负荷大小即为该配电网内广义电源的变电可信容量。
2.如权利要求1所述的方法，其中，配电网的负荷量L(t)为：
L(t)＝Ly×Pwk×Pd×Ph(t)
其中，Ly是年峰荷，Pwk是52周的平均峰荷，Pd是日平均峰荷占周峰荷百分比，Ph(t)为运行天24小时平均峰荷占日峰荷百分比。
3.如权利要求1或2所述的方法，其中，所述可靠性计算时序模型还通过对配电网中的电源元件和非电源元件进行序贯模拟来生成故障状态序列。
4.如权利要求3所述的方法，其中，年期望缺供电量RG为：
其中，N代表总模拟年数，Ens.n代表一次故障状态下的缺供电量；q和p分别为电源元件和非电源元件的故障状态模拟次数。
5.如权利要求1所述的方法，其中，所述风电机组模型包括风电机组出力与风速之间的关系：
其中，vci，vr，v co 及Pr分别为风电机组的切入风速、额定风速、切出风速及风电机组的额定功率，f(v)是风速在vci和vco之间时风电机组风速与风电功率之间的函数关系。
6.如权利要求1所述的方法，其中，所述光伏发电系统模型包括光伏发电系统的有功出力与太阳光辐射强度之间的关系：
其中，S为光伏电池板的有效面积，I(t)为t时刻电池板接收到的光强，ηc为太阳能电源板的转换效率；Kc为阈值常数。
7.如权利要求1-6中任一项所述的方法，其中，所述储能系统模型包括储能系统的充放电功率函数：
其中，与分别表示t时刻储能电池的充电功率与放电功率，pex为净交换功率，即负荷需求与需求侧响应出力的差值，ηc、ηd分别为储能系统的充放电效率，γc、γd分别为单位时间内充、放电的最大功率与储能电池额定容量的比值，Snom为额定容量。
8.一种配电网广义电源变电可信容量评估装置，适于驻留在计算设备中执行，所述装置包括：
第一模型构建模块，适于建立配电网的广义电源出力模型，所述广义电源出力模型包括风电机组模型、光伏发电系统模型、储能系统模型和可控负荷模型；
第二模型构建模块，适于基于预定模拟算法，以年期望缺供电量为可靠性水平的评价指标，根据高压配电网的接线模式建立配电网的可靠性计算时序模型，该模型分别根据所述风电机组模型、光伏发电系统模型和储能系统模型生成对应的时序变化序列；以及
可信容量计算模块，适于计算广义电源接入配电网前的第一可靠性水平，根据所述可靠性计算时序模型计算初始负荷下广义电源接入配电网后的第二可靠性水平，并通过调整配电网的负荷大小，使得第二可靠性水平等于第一可靠性水平，此时所增加的负荷大小即为该配电网内广义电源的变电可信容量。
9.一种计算设备，包括：
至少一个处理器；以及
包括计算机程序指令的至少一个存储器；
所述至少一个存储器和所述计算机程序指令被配置为与所述至少一个处理器一起使得所述计算设备执行如权利要求1-7中任一项所述的方法。
10.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由服务器执行时，使得所述服务器执行根据权利要求1-7中所述的方法中的任一方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910229408.9A CN109921464A (zh) | 2019-03-25 | 2019-03-25 | 配电网广义电源变电可信容量评估方法、装置和计算设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910229408.9A CN109921464A (zh) | 2019-03-25 | 2019-03-25 | 配电网广义电源变电可信容量评估方法、装置和计算设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109921464A true CN109921464A (zh) | 2019-06-21 |
Family
ID=66966755
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910229408.9A Pending CN109921464A (zh) | 2019-03-25 | 2019-03-25 | 配电网广义电源变电可信容量评估方法、装置和计算设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109921464A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110417057A (zh) * | 2019-08-01 | 2019-11-05 | 河海大学常州校区 | 一种考虑系统容量可信度的光伏出力波动平抑方法 |
| CN110970912A (zh) * | 2019-12-09 | 2020-04-07 | 国网新疆电力有限公司 | 一种含储能的新能源电力系统运行模拟方法 |
| CN111753437A (zh) * | 2020-07-06 | 2020-10-09 | 国网山西省电力公司电力科学研究院 | 风储发电系统的可信容量评估方法及装置 |
| CN113609686A (zh) * | 2021-08-09 | 2021-11-05 | 国网浙江省电力有限公司经济技术研究院 | 一种新能源置信容量分析方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109149555A (zh) * | 2017-06-15 | 2019-01-04 | 华北电力大学 | 考虑供电模式的配电网广义电源变电可信容量评价方法 |
| CN109245155A (zh) * | 2018-09-30 | 2019-01-18 | 国网河北省电力有限公司经济技术研究院 | 基于不确定理论的配电网广义电源变电可信容量评估方法 |
-
2019
- 2019-03-25 CN CN201910229408.9A patent/CN109921464A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109149555A (zh) * | 2017-06-15 | 2019-01-04 | 华北电力大学 | 考虑供电模式的配电网广义电源变电可信容量评价方法 |
| CN109245155A (zh) * | 2018-09-30 | 2019-01-18 | 国网河北省电力有限公司经济技术研究院 | 基于不确定理论的配电网广义电源变电可信容量评估方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘译聪 等: "广义电源高压配网替代容量的评估方法", 《现代电力》 * |
| 梁惠施 等: "基于蒙特卡罗模拟的含微网配电网可靠性评估", 《电网技术》 * |
| 葛少云 等: "含分布式风光蓄的配电系统可靠性评估", 《电力系统自动化》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110417057A (zh) * | 2019-08-01 | 2019-11-05 | 河海大学常州校区 | 一种考虑系统容量可信度的光伏出力波动平抑方法 |
| CN110417057B (zh) * | 2019-08-01 | 2020-10-09 | 河海大学常州校区 | 一种考虑系统容量可信度的光伏出力波动平抑方法 |
| CN110970912A (zh) * | 2019-12-09 | 2020-04-07 | 国网新疆电力有限公司 | 一种含储能的新能源电力系统运行模拟方法 |
| CN110970912B (zh) * | 2019-12-09 | 2023-08-04 | 国网新疆电力有限公司 | 一种含储能的新能源电力系统运行模拟方法 |
| CN111753437A (zh) * | 2020-07-06 | 2020-10-09 | 国网山西省电力公司电力科学研究院 | 风储发电系统的可信容量评估方法及装置 |
| CN113609686A (zh) * | 2021-08-09 | 2021-11-05 | 国网浙江省电力有限公司经济技术研究院 | 一种新能源置信容量分析方法及系统 |
| CN113609686B (zh) * | 2021-08-09 | 2023-08-29 | 国网浙江省电力有限公司经济技术研究院 | 一种新能源置信容量分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Basaran et al. | Energy management for on‐grid and off‐grid wind/PV and battery hybrid systems | |
| Chen et al. | Peak shaving benefit assessment considering the joint operation of nuclear and battery energy storage power stations: Hainan case study | |
| Li et al. | Multiobjective sizing optimization for island microgrids using a triangular aggregation model and the levy-harmony algorithm | |
| Gush et al. | Optimal smart inverter control for PV and BESS to improve PV hosting capacity of distribution networks using slime mould algorithm | |
| Elsied et al. | Optimal economic and environment operation of micro-grid power systems | |
| Saboori et al. | Multistage distribution network expansion planning considering the emerging energy storage systems | |
| CN109921464A (zh) | 配电网广义电源变电可信容量评估方法、装置和计算设备 | |
| Shen et al. | Low-carbon electricity network transition considering retirement of aging coal generators | |
| Sedghi et al. | Optimal storage planning in active distribution network considering uncertainty of wind power distributed generation | |
| Kavousi-Fard et al. | Reliability-oriented reconfiguration of vehicle-to-grid networks | |
| CN109245155A (zh) | 基于不确定理论的配电网广义电源变电可信容量评估方法 | |
| Bukar et al. | Energy management strategy and capacity planning of an autonomous microgrid: Performance comparison of metaheuristic optimization searching techniques | |
| Roy Ghatak et al. | Optimised planning of distribution network with photovoltaic system, battery storage, and DSTATCOM | |
| Vellingiri et al. | Maximum hosting capacity estimation for renewables in power grids considering energy storage and transmission lines expansion using hybrid sine cosine artificial rabbits algorithm | |
| CN109149555B (zh) | 考虑供电模式的配电网广义电源变电可信容量评价方法 | |
| Abid et al. | Techno-economic and environmental assessment of renewable energy sources, virtual synchronous generators, and electric vehicle charging stations in microgrids | |
| Bonkile et al. | Effects of sizing on battery life and generation cost in PV–wind battery hybrid systems | |
| Liu et al. | A decomposition-coordination planning method for flexible generation resources in isolated microgrids | |
| CN115841187A (zh) | 柔性配电网运行策略的优化方法、装置、设备及存储介质 | |
| Yuan et al. | Bess aided renewable energy supply using deep reinforcement learning for 5g and beyond | |
| Long et al. | Impact of EV load uncertainty on optimal planning for electric vehicle charging station | |
| Cui et al. | An optimal energy co-scheduling framework for smart buildings | |
| Luo et al. | Load management for multiple datacenters towards demand response in the smart grid integrating renewable energy | |
| Kaewdornhan et al. | Electric distribution network with multi-microgrids management using surrogate-assisted deep reinforcement learning optimization | |
| CN111325423A (zh) | 一种区域多能源互联运营优化方法和计算设备 |
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: 20190621 |
|
| WD01 | Invention patent application deemed withdrawn after publication |