CN110119889B - 一种配电网节点灵活性评价与分区方法 - Google Patents

一种配电网节点灵活性评价与分区方法 Download PDF

Info

Publication number
CN110119889B
CN110119889B CN201910343762.4A CN201910343762A CN110119889B CN 110119889 B CN110119889 B CN 110119889B CN 201910343762 A CN201910343762 A CN 201910343762A CN 110119889 B CN110119889 B CN 110119889B
Authority
CN
China
Prior art keywords
flexibility
distribution network
power distribution
index
evaluation
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
Application number
CN201910343762.4A
Other languages
English (en)
Other versions
CN110119889A (zh
Inventor
孙建军
陈业伟
查晓明
余攀
杨勇
周自强
王朝亮
陆翌
许烽
王敏
丁超
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.)
Wuhan University WHU
State Grid Zhejiang Electric Power Co Ltd
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Wuhan University WHU
State Grid Zhejiang Electric Power Co Ltd
Electric Power Research Institute of State Grid Zhejiang 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 Wuhan University WHU, State Grid Zhejiang Electric Power Co Ltd, Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical Wuhan University WHU
Priority to CN201910343762.4A priority Critical patent/CN110119889B/zh
Publication of CN110119889A publication Critical patent/CN110119889A/zh
Application granted granted Critical
Publication of CN110119889B publication Critical patent/CN110119889B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及配电网灵活性评价，具体涉及一种配电网节点灵活性评价与分区方法，利用熵权法对新能源消纳率、负荷的满足情况、节点的电压偏差、网络净负荷波动、新能源爬坡速率进行加权求和，最终得到配电网节点灵活性综合评价矩阵。矩阵的行代表节点，列代表时间尺度，从评价矩阵中可以得到每个节点在每个时间尺度的灵活性，并且根据得到的灵活性将节点分为四个区域：向下灵活性不足、向下灵活性临界、向上灵活性不足和向上灵活性临界，电力电子设备接入配电网可以将灵活性充足区域与不足区域互联以保证系统在新能源接入的情况下保持稳定、灵活性的运行。该分区方法的节点灵活性评价比系统灵活性评价更为具体，加权后的评价指标比单一指标更加全面。

Description

一种配电网节点灵活性评价与分区方法
技术领域
本发明属于配电网灵活性评价技术领域，尤其涉及一种配电网节点灵活性评价与分区方法。
背景技术
全球能源系统正在加速迈向绿色低碳的未来，伴随这一转变可再生能源部署速度和规模不断增加，尤其是风力发电和光伏发电，使其在配电网中的占比不断增加。然而当前的电力系统无法同等消纳随之产生的可再生能源电力，同时可再生能源固有的波动性给电网稳定性带来了潜在的威胁。在此背景下，亟需有一套完整的配电网灵活性评价指标体系对现有的配电网进行全方位的灵活性评估，以应对日益增加的波动性可再生能源高比例并网带来的电网稳定性冲击问题。
目前对于输电网络大多采用AFD(Available Flexibility Distribution)作为评价其灵活性的指标，可用灵活性分布(AFD)即输电网中灵活性资源在一定时间尺度下所能提供的灵活性分布，这里的灵活性资源大多指发电机组所提供的功率裕度。而对于配电网，由于可以将平衡节点视为灵活性无穷大节点，单从容量裕度考虑配电网的灵活性显然是不全面的。现有的研究方法都是从单一某指标对配网灵活性进行评价，这样的评价方法过于片面，并未考虑网络重构等因素对灵活性的影响，无法反映配电网灵活性充足与否的真实情况，且目前存在的配网灵活性评价指标大多将其评价为一个综合指标，灵活性是根据网络的潮流变化而不断变化的，因此评价指标中要体现时间尺度、潮流变化等综合因素。
配电网灵活性评价与输电网不同，无法单纯的利用机组出力作为可用灵活性分布；目前存在的配电网灵活性评价指标过于单一，且均为针对整个网络的综合指标。
发明内容
本发明的目的是提供一种细化到每一时刻每一节点的配电网灵活性评价方法。
为实现上述目的，本发明采用的技术方案是：一种配电网节点灵活性评价与分区方法，包括以下步骤：
步骤1、输入系统运行的原始数据，包括节点数量、节点电压、负荷数量、负荷类型、负荷出力和运行数据、新能源出力、网络损耗；
步骤2、选择研究的时间尺度，包括样本时间尺度；
步骤3、在传统配电网模型中加入分布式电源，利用传统调控手段网络重构和无功优化，使系统达到传统调控手段下所能达到的最优潮流状态，进行潮流计算，得到系统运行数据，为后续的指标计算提供数据；
步骤4、利用步骤3得到的系统运行数据进行配电网灵活性评价子指标的计算，子指标包括新能源消纳率、负荷的满足情况、节点的电压偏差、网络净负荷波动、新能源爬坡速率；通过计算子指标，从多方面对配电网传统调控手段下的灵活性进行评价；
步骤5、根据步骤4得到的计算结果，形成灵活性评价指标子矩阵，每个子指标均形成一个指标子矩阵，矩阵中的行为节点编号，列为时间尺度，从而得到每个节点在每个场景下的每个子指标；
步骤6、利用熵权法对步骤5得到的子指标进行综合，在各个场景下变化小的指标可认为是配电网的固有属性，赋予其较高的权重，在各个场景下变化大的指标可认为是配电网的偶然属性，赋予其较低的权重；最后得到一个配电网灵活性评价指标综合矩阵，表示配电网每个节点在每个场景下的灵活性；
步骤7、根据步骤6生成的配电网灵活性评价指标综合矩阵中的元素大小及正负对配电网节点的灵活性进行评价，并将灵活性分为向上灵活性不足区、向下灵活性不足区和灵活性临界区，指标为正值时可视为向下灵活性不足，指标为负值时可视为向上灵活性不足，指标在-5％～0时可视为向上灵活性临界，指标在0～+5％时可视为向下灵活性临界。
本发明的有益效果：1.采用子指标加权的方法形成配电网节点灵活性综合评价指标，相较于其他单独指标的评价方法更为全面；2.综合评价矩阵中可以得到每个节点在每个时间尺度的灵活性，而非现有评价方法得到的整个系统综合灵活性；节点灵活性评价比系统灵活性评价更为具体，加权后的评价指标比单一指标更加全面，灵活性分区可用于电力电子设备接入提供重要参考依据。3.根据灵活性评价结果对节点分区，对未来新型配电网的运行调度及电力电子设备的选址定容具有指导意义。
附图说明
图1为本发明一个实施例配电网节点灵活性评价流程图；
图2为本发明一个实施例算例采用的IEEE33节点配电系统图；
图3为本发明一个实施例新能源(PV)节点24h出力与其弃光情况；
图4为本发明一个实施例24h内配电网节点电压偏差情况；
图5为本发明一个实施例配电网净负荷波动率与最大净负荷波动率；
图6为本发明一个实施例一年的某地风电出力实测数据；
图7为本发明一个实施例一天的某地风电出力实测数据；
图8为本发明一个实施例灵活性分区原则示意图；
图9为本发明一个实施例节点灵活性综合评价结果。
具体实施方式
下面结合附图对本发明的实施方式进行详细描述。
本实施例提出一种包含五种子指标的灵活性评价方法，分别为：新能源消纳率、负荷的满足情况、节点的电压偏差、网络净负荷波动、新能源爬坡速率，利用熵权法对其进行加权求和，最终得到配电网节点灵活性综合评价矩阵。矩阵的行代表节点，列代表时间尺度，从评价矩阵中可以得到每个节点在每个时间尺度的灵活性，并且根据得到的灵活性将节点分为四个区域：向下灵活性不足、向下灵活性临界、向上灵活性不足和向上灵活性临界，电力电子设备接入配电网可以将灵活性充足区域与不足区域互联以保证系统在新能源接入的情况下保持稳定、灵活性的运行。
本实施例是通过以下技术方案来实现的，如图1所示，一种配电网节点灵活性评价与分区方法，包括以下步骤；
(1)输入系统运行的原始数据，包括节点数量、节点电压、负荷数量、负荷类型、负荷出力和运行数据、新能源(风电、光伏)出力、网络损耗等；
(2)选择研究的时间尺度，包括样本时间尺度，要注意的是，时间尺度的选取跨度不宜过大，否则会接近传统问题。算例中选取的是配电网一天的运行数据，时间尺度为1h，即每隔1h记录一次数据；
(3)在传统配电网模型中加入分布式电源，利用传统调控手段，包括网络重构和无功优化等，使系统达到传统调控手段下所能达到的最优潮流状态，进行潮流计算，得到系统运行数据，为下面的指标计算提供数据；
(4)利用上一步中得到的系统运行数据进行配电网灵活性评价子指标的计算，包括新能源消纳率、负荷的满足情况、节点的电压偏差、网络净负荷的波动、新能源爬坡速率，分别计算这些指标，从多方面对配电网传统调控手段下的灵活性进行评价；
(5)根据上一步中得到的结果，形成灵活性评价指标子矩阵，即每个子指标均形成一个指标子矩阵，矩阵中的行为节点编号，列为时间尺度，这样便得到了每个节点在每个场景下的每个子指标；
(6)利用熵权法对上一步中得到的子指标进行综合，即在各个场景下变化小的指标可认为是配电网的固有属性，赋予其较高的权重，在各个场景下变化大的指标可认为是配电网的偶然属性，赋予其较低的权重。最后得到一个配电网灵活性评价指标综合矩阵，表示配电网每个节点在每个场景下的灵活性；
(7)根据上一步生成的配电网综合评价指标矩阵中的元素大小及正负对配电网节点的灵活性进行评价，并将灵活性分为向上灵活性不足区、向下灵活性不足区和灵活性临界区，指标为正值时可视为向下灵活性不足，指标为负值时可视为具有向上灵活性不足，指标在-5％～+5％时可视为灵活性临界。
步骤(4)中各详细子指标如下：
(4.1)新能源消纳率，分布式电源接入配电网中存在新能源消纳的问题，并非每个节点每时每刻都可将接入配电网的新能源全部消纳，而且风电、光伏等分布式电源存在出力不稳定的情况，会根据白天黑夜和四季不断变化，所以把新能源消纳作为配电网灵活性综合评价指标之一。
(4.2)负荷的满足情况，各种场景下配电网的首要目的都是满足负荷的需求，尤其是在负荷达到峰值时，以及未来配电网发展的规划灵活性。同时参考输电网灵活性评价，将负荷裕度作为配电网调整自身运行方式的必要条件，因此将负荷满足情况作为评价指标之一。
(4.3)节点的电压偏差，电能质量作为评价电网运行状态的重要指标，在灵活性评价中同等重要，灵活的配电网必然对电能质量有着高要求，而较高的电能质量必然会提高配电网的灵活性。配电网接入大量分布式电源对配电网造成的电能质量问题不可忽视，如何减少高渗透率分布式电源对配电网电能质量的影响也是评价配电网灵活性综合指标值不可或缺的一环。
(4.4)网络净负荷波动，净负荷波动率是指配电网净负荷单位时间的变化率，体现了净负荷单位时间内的波动剧烈程度，净负荷最大允许波动率反映了配电网自身调节能力，即爬坡能力。我们在指标中将两者的差作为此项子指标的评价标准，当净负荷波动小于最大净负荷波动时认为配电网是灵活的，反之则不灵活。
(4.5)新能源爬坡速率，配电网的灵活性由灵活性资源提供，灵活性资源一般包括DG和可中断负荷等。节点接收的灵活性资源在固定时间尺度下出力越多，即爬坡率越高，则可视为节点的灵活性越高。将灵活性资源爬坡速率加入灵活性评价指标中可以使指标评价体系更加完善。
步骤(6)中，熵原本是在热力学范畴内表征系统无序程度的概念，信息熵用以表征一组随机事件构成集合的无序程度。采用信息熵进行评估的基本思路是区别配电网在不同场景下的固有属性和偶然属性：挖掘出配电网在多个场景下保持近似不变的指标值，则其反映了配电网的固有属性，通过熵权对其赋予较高的权重；筛选出在个别场景下出现突变的指标值，则其反映了配电网的偶然属性，对其赋予较低的权重。
步骤(7)中，电力电子设备例如柔性多状态开关(Soft Normally Open Point,SNOP)在接入配电网时根据所得配电网节点灵活性分区结果，将灵活性充足区域与不足区域互联，使得灵活性不足区域的灵活性得到提升，使得电力系统安全稳定运行。
具体实施时，IEEE33节点配电系统如图2所示，五个灵活性评价指标、加权方法及分区方法具体为：
(1)新能源消纳率
Figure BDA0002041582300000071
rDG为新能源消纳指标；Ppv为第i号新能源在不计配电网约束下理论上可以输出的有功功率；Ppvi为第i号新能源实际能够被配电网消纳的有功功率。
选取一个新能源节点进行观察，图3所示为其24h内出力情况，可以看到在12h至14h时PV出力最大达到81MW，弃光最高为11MW。将新能源消纳加入配电网灵活性综合评价指标体系中可以更为全面的对配电网每个场景下的综合灵活性进行评价。
(2)节点的电压偏差
Figure BDA0002041582300000072
ΔV为节点的电压偏差，UN为额定电压，Ui为第i个节点的实测电压。
我们将电压偏差-5％～+5％作为电能质量合格指标，如图4所示，某节点在一天24h中存在电压越线的情况，这就表明在此场景下配电网的调节能力不足导致电压越线，即灵活性不足。
(3)负荷的满足情况
Figure BDA0002041582300000081
Ik为第k个节点上的实际电流量，Isk是第k个节点上的额定电流量。
(4)网络净负荷波动
净负荷波动率是指配电网净负荷单位时间的变化率，体现了净负荷单位时间内的波动剧烈程度：
Figure BDA0002041582300000082
其中，
Figure BDA0002041582300000083
为净负荷波动率；
Figure BDA0002041582300000084
为前一时刻净负荷。
净负荷最大允许波动率反映了配电网自身调节能力，即爬坡能力：
Figure BDA0002041582300000085
其中，
Figure BDA0002041582300000086
为净负荷在t时段最大允许波动率；
Figure BDA0002041582300000087
为当前时刻净负荷；
Figure BDA0002041582300000088
为可控DG允许爬坡率；
Figure BDA0002041582300000089
为储能允许爬坡率；
Figure BDA00020415823000000811
为配电网允许爬坡率；NGC为可控DG数量；NESS为储能数量。净负荷最大允许波动率越大，越能够适用DG及负荷的波动，配电网的灵活性越高。我们在指标中将两者的差，即
Figure BDA00020415823000000810
作为此项子指标的评价标准，当净负荷波动小于最大净负荷波动时认为配电网是灵活的，反之则不灵活。
如图5所示即为某一节点在24h内的净负荷波动率与最大净负荷波动率的比较情况，在14h与18h可以看到净负荷波动率存在越线的情况，即可认为此时配电网的灵活调节能力不足。
(5)新能源爬坡速率
图6所示为某地一年内风电出力实测数据，可以看出风力发电的随机性与波动性均较大，且规律性不强。图7为某地一天内风电出力实测数据，可以看出，3:00和4:00之间的1h内风电出力变化值为1.571-4.671＝-3.1MW，变化率为-3.1MW/h；15:00和16:00之间的1h内风电出力变化值为5.584-2.535＝3.049MW，变化率为3.049MW/h，即这两个时段风电所能提供的向下/向上灵活性爬坡率为3.1MW/h和3.049MW/h。这两个指标可以作为子指标加入综合指标评价体系中。认为灵活性资源在单位时间尺度内的爬坡速率越高所能提供的灵活性越高。
新能源爬坡率指标为：
Figure BDA0002041582300000091
其中Rramp表示灵活性资源单位时间尺度内的爬坡率，正表示向上爬坡，提供向上灵活性，负表示向下爬坡，提供向下灵活性；Pwt为灵活性资源在t时刻出力；Δt表示研究选取的时间尺度。
(6)综合指标
熵原本是在热力学范畴内表征系统无序程度的概念，信息熵用以表征一组随机事件构成集合的无序程度。采用信息熵进行评估的基本思路是甄别配电网在不同场景下的固有属性和偶然属性：挖掘出配电网在多个场景下保持近似不变的指标值，则其反映了配电网的固有属性，通过熵权对其赋予较高的权重；筛选出在个别场景下出现突变的指标值，则其反映了配电网的偶然属性，对其赋予较低的权重。上一章节详细介绍了熵权法的流程，这里最终加权得到的综合指标Si如下所示：
Figure BDA0002041582300000092
其中，M和N表示配电网在M各场景下的N个指标，rij表示第i个场景下第j个子指标的值。
(7)节点灵活性分区
根据评价结果对节点灵活性进行分区，如图8所示，将评价结果分为四个区域：向下灵活性不足、向下灵活性临界、向上灵活性不足、向上灵活性临界，其中临界区域都视为灵活性充足区域。电力电子设备接入时可根据评价结果进行选址定容，将向上/下灵活性不足的区域和灵活性临界区域连接，以提高某时刻灵活性不足区域的灵活性。
(8)约束条件
节点功率平衡：
Figure BDA0002041582300000101
Figure BDA0002041582300000102
式中，PGK、QGK分别为节点k的有功功率和无功功率；PLK、QLK分别为节点k的有功负荷和无功负荷；ΔPPK、ΔQPK分别为节点k的光伏有功变化和无功变化；VK为节点k的电压；Gkj、Bkj、θkj为节点k和j之间的电导、电纳和相角差。
电压约束：
Figure BDA0002041582300000103
线路约束：
Figure BDA0002041582300000104
式中，Pl、
Figure BDA0002041582300000105
分别为线路l的潮流值和限值，α为柔性系数，通常设为固定值。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
虽然以上结合附图描述了本发明的具体实施方式，但是本领域普通技术人员应当理解，这些仅是举例说明，可以对这些实施方式做出多种变形或修改，而不背离本发明的原理和实质。本发明的范围仅由所附权利要求书限定。

Claims (1)

1.一种配电网节点灵活性评价与分区方法，其特征是，包括以下步骤：
步骤1、输入系统运行的原始数据，包括节点数量、节点电压、负荷数量、负荷类型、负荷出力和运行数据、新能源出力、网络损耗；
步骤2、选择研究的时间尺度，包括样本时间尺度；
步骤3、在传统配电网模型中加入分布式电源，利用传统调控手段网络重构和无功优化，使系统达到传统调控手段下所能达到的最优潮流状态，进行潮流计算，得到系统运行数据，为后续的指标计算提供数据；
步骤4、利用步骤3得到的系统运行数据进行配电网灵活性评价子指标的计算，子指标包括新能源消纳率、负荷的满足情况、节点的电压偏差、网络净负荷波动、新能源爬坡速率；通过计算子指标，从多方面对配电网传统调控手段下的灵活性进行评价；
步骤5、根据步骤4得到的计算结果，形成灵活性评价指标子矩阵，每个子指标均形成一个指标子矩阵，矩阵中的行为节点编号，列为时间尺度，从而得到每个节点在每个场景下的每个子指标；
步骤6、利用熵权法对步骤5得到的子指标进行综合，在各个场景下变化小的指标认为是配电网的固有属性，赋予其较高的权重，在各个场景下变化大的指标认为是配电网的偶然属性，赋予其较低的权重；最后得到一个配电网灵活性评价指标综合矩阵，表示配电网每个节点在每个场景下的灵活性；
步骤7、根据步骤6生成的配电网灵活性评价指标综合矩阵中的元素大小及正负对配电网节点的灵活性进行评价，并将灵活性分为向上灵活性不足区、向下灵活性不足区和灵活性临界区，指标为正值时视为向下灵活性不足，指标为负值时视为向上灵活性不足，指标在-5％～0时视为向上灵活性临界，指标在0～+5％时视为向下灵活性临界。
CN201910343762.4A 2019-04-26 2019-04-26 一种配电网节点灵活性评价与分区方法 Active CN110119889B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910343762.4A CN110119889B (zh) 2019-04-26 2019-04-26 一种配电网节点灵活性评价与分区方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910343762.4A CN110119889B (zh) 2019-04-26 2019-04-26 一种配电网节点灵活性评价与分区方法

Publications (2)

Publication Number Publication Date
CN110119889A CN110119889A (zh) 2019-08-13
CN110119889B true CN110119889B (zh) 2023-04-28

Family

ID=67521467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910343762.4A Active CN110119889B (zh) 2019-04-26 2019-04-26 一种配电网节点灵活性评价与分区方法

Country Status (1)

Country Link
CN (1) CN110119889B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110555606B (zh) * 2019-08-21 2023-01-13 天津大学 一种基于总量提高配电网dg消纳水平的方法
CN110729765B (zh) * 2019-08-30 2024-03-22 四川大学 一种考虑sop的配电网灵活性评估指标体系和优化调度方法
CN110808612A (zh) * 2019-11-28 2020-02-18 国网辽宁省电力有限公司鞍山供电公司 含高比例分布式电源的配电系统运行灵活性评价方法
CN114048919A (zh) * 2021-11-25 2022-02-15 杭州众工电力科技有限公司 一种基于热网调节优化的综合能源系统灵活性评价方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103310307A (zh) * 2013-06-21 2013-09-18 南方电网科学研究院有限责任公司 基于概率风险评估的电力系统规划方案灵活性评估方法
CN104091291A (zh) * 2014-07-17 2014-10-08 上海交通大学 一种电力系统多尺度柔性评价方法
CN105790291A (zh) * 2014-12-26 2016-07-20 国家电网公司 一种基于灵活性评估的电力系统储能优化配置方法
CN107947165A (zh) * 2017-11-30 2018-04-20 国网浙江省电力公司经济技术研究院 一种面向调节需求的配电网灵活性评价方法
CN108281963A (zh) * 2018-01-17 2018-07-13 浙江大学 一种适用于含多个柔性多状态开关的配电网分区方法
CN109615245A (zh) * 2018-12-14 2019-04-12 国网山东省电力公司经济技术研究院 一种对电网规划整体评估的方法
CN109687448A (zh) * 2019-01-02 2019-04-26 天津大学 一种基于不确定域的有源配电网灵活性评估方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103310307A (zh) * 2013-06-21 2013-09-18 南方电网科学研究院有限责任公司 基于概率风险评估的电力系统规划方案灵活性评估方法
CN104091291A (zh) * 2014-07-17 2014-10-08 上海交通大学 一种电力系统多尺度柔性评价方法
CN105790291A (zh) * 2014-12-26 2016-07-20 国家电网公司 一种基于灵活性评估的电力系统储能优化配置方法
CN107947165A (zh) * 2017-11-30 2018-04-20 国网浙江省电力公司经济技术研究院 一种面向调节需求的配电网灵活性评价方法
CN108281963A (zh) * 2018-01-17 2018-07-13 浙江大学 一种适用于含多个柔性多状态开关的配电网分区方法
CN109615245A (zh) * 2018-12-14 2019-04-12 国网山东省电力公司经济技术研究院 一种对电网规划整体评估的方法
CN109687448A (zh) * 2019-01-02 2019-04-26 天津大学 一种基于不确定域的有源配电网灵活性评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
D. Y. Xiao等.Power source flexibility evaluation considering renewable energy generation uncertainty.《Electric Power Automation Equipment》.2015,第120-125页. *
J Zhao等.A Unified Framework for Defining and Measuring Flexibility in Power System.《 IEEE Transactions on Power Systems》.2016,第1218-1226页. *
孙伟卿 等.考虑灵活性需求时空特性的电网调度计划与评价.《电力自动化设备》.2018,第168-174页. *

Also Published As

Publication number Publication date
CN110119889A (zh) 2019-08-13

Similar Documents

Publication Publication Date Title
CN110119889B (zh) 一种配电网节点灵活性评价与分区方法
Branco et al. Battery energy storage systems as a way to integrate renewable energy in small isolated power systems
Javidsharifi et al. Multi-objective short-term scheduling of a renewable-based microgrid in the presence of tidal resources and storage devices
Yang et al. Weather data and probability analysis of hybrid photovoltaic–wind power generation systems in Hong Kong
Khatod et al. Analytical approach for well-being assessment of small autonomous power systems with solar and wind energy sources
Hemmati et al. System modeling and optimization for islanded micro-grid using multi-cross learning-based chaotic differential evolution algorithm
Bansal et al. Optimization of hybrid PV/wind energy system using Meta Particle Swarm Optimization (MPSO)
CN108565874B (zh) 一种基于负荷频率控制模型的源荷协同调频方法
CN101919134A (zh) 用于风力涡轮发电机的基于事件的控制系统
Xu et al. Implementation of repowering optimization for an existing photovoltaic‐pumped hydro storage hybrid system: A case study in Sichuan, China
Venayagamoorthy et al. Energy dispatch controllers for a photovoltaic system
Lee et al. Optimal optimisation‐based microgrid scheduling considering impacts of unexpected forecast errors due to the uncertainty of renewable generation and loads fluctuation
Ajeigbe et al. Towards maximising the integration of renewable energy hybrid distributed generations for small signal stability enhancement: A review
Elgamal et al. Day-ahead complex power scheduling in a reconfigurable hybrid-energy islanded microgrid with responsive demand considering uncertainty and different load models
CN106503865B (zh) 一种基于机会约束规划的混合储能容量优化配置方法
Zare et al. Performance analysis and design of FOPDF (1+ FOPI) robust controller using slim mould algorithm for frequency control in offshore fixed platform microgrid
Alrashidi et al. A bi-level optimization method for voltage control in distribution networks using batteries and smart inverters with high wind and photovoltaic penetrations
Akbari et al. Multiobjective capacity planning of photovoltaics in smart electrical energy networks: improved normal boundary intersection method
CN115660433A (zh) 一种基于飞虫寻光移动原理的光伏电站规划方法
Kazeem et al. Optimal placement of distributed generation in power distribution systems using neuro-genetic Algorithm
Santoso et al. Data mining and analysis techniques in wind power system applications: abridged
CN113410873A (zh) 考虑源荷多重不确定性的区域综合能源系统配置方法
Dhayalini Optimal allocation of distributed solar photovoltaic generation on electrical distribution system under uncertainties.
Zhu et al. Power system dynamic economic dispatch with multi-type renewable energy
Segera Economic Dispatch of PV-Integrated Power System with Optimally Sized Battery Energy Storage System using Particle Swarm Optimization

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