CN110350527A - 一种含分布式电源的增量配电网双层优化配置方法 - Google Patents

一种含分布式电源的增量配电网双层优化配置方法 Download PDF

Info

Publication number
CN110350527A
CN110350527A CN201910635250.5A CN201910635250A CN110350527A CN 110350527 A CN110350527 A CN 110350527A CN 201910635250 A CN201910635250 A CN 201910635250A CN 110350527 A CN110350527 A CN 110350527A
Authority
CN
China
Prior art keywords
power
distribution network
formula
increment
layer
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
Application number
CN201910635250.5A
Other languages
English (en)
Inventor
宁亮
姚玉永
万向欣
袁天梦
郭忠涛
齐斐
焦扬
刘淼
刘子明
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.)
State Grid Corp of China SGCC
Tangshan Power Supply Co of State Grid Jibei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Tangshan Power Supply Co of State Grid Jibei 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 State Grid Corp of China SGCC, Tangshan Power Supply Co of State Grid Jibei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910635250.5A priority Critical patent/CN110350527A/zh
Publication of CN110350527A publication Critical patent/CN110350527A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H02J3/383—
    • H02J3/386—
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • 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
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (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

本发明涉及一种含分布式电源的增量配电网双层优化配置方法，属于电力系统规划技术领域。技术方案是：获取增量配电网区域风速以及日光照强度等分布式资源在一定时序的数据，对配电网的DG和负荷进行分析和建模；对DG的不确定性因素进行分类，在模糊数学理论和层次分析法的基础上，通过构建综合模糊评估方法来对分布式发电不确定性进行评估；基于双层优化理论建立增量配电网系统规划设计数学模型，确定上层容量优化模型和下层调度优化模型及相关约束条件；系统选取最优解。本发明构建的一种含分布式电源的增量配电网双层优化配置方法，能为增量配电业务开展提供计划和决策提供较好的参考。

Description

一种含分布式电源的增量配电网双层优化配置方法
技术领域
本发明涉及一种含分布式电源的增量配电网双层优化配置方法，属于电力系统规划技术领域。
背景技术
随着《关于进一步深化电力体制改革的若干意见》(中发[2015]9号)的下发，标志着新电改拉开序幕，我国电力行业的方方面面都将迎来崭新的发展。经过三年多的推进，新一轮电力体制改革已全面进入深水区攻坚期，作为最大亮点的增量配网改革，陆续有三批试点落地，项目达320个。2018年3月国家能源局出台《关于进一步推进增量配电业务改革的通知》，通知明确增量配电业务试点项目规划应与分布式电源、微电网、综合能源等方面的发展相协调，允许符合政策且纳入规划的分布式电源以适当电压等级就近接入增量配电网。根据相关信息可以预测分布式光伏和储能的发展将成为增量配电网获得更高收益重要的电源配置。所以亟待一套考虑分布式电源接入的增量配电网的科学规划方法。传统情况下的配电网统一规划方法已经不再适应新电改情况下的增量配网规划问题，根据分布式电源的特性，构建双层优化的增量配电网规划模型，是一个适应配电网发展的有效思路。
对于分布式电源在配电网中配置优化问题，以往的相关研究主要存在以下缺陷或不足：未考虑分布式电源在全时序上的分布特征，使得DG在配电网选址和定容的优化结果产生一定的误差；部分研究只考虑定点情况下的容量配置或者只考虑容量固定的选址问题，虽然在一定程度上降低了问题的难度和算法的复杂性，但其应用的场景受到较大的局限，所得到的解不够精确；针对DG在配电网中的选址优化问题，需要对选取的智能寻优算法进行适当的改进，以加快收敛且不丢失解的可行性和可靠性；大部分研究只考对单个优化目标展开分析和研究，考虑到实际需要，通常需要对多个优化目标进行处理，以便于决策和应用。
发明内容
本发明目的是提供一种含分布式电源的增量配电网双层优化配置方法，可对增量配电网系统进行优化，上层为容量优化模块，用于寻找系统最优配置，下层为调度优化模块，用于计算系统最优运行方案，能为增量配电业务开展提供计划和决策提供较好的参考，解决已有技术存在的上述问题。
本发明的技术方案是：
一种含分布式电源的增量配电网双层优化配置方法，包含如下步骤：
步骤S1：通过时序分析法对分布式发电和负荷进行建模；
步骤S2：基于模糊理论和层次分析法对分布式发电进行不确定性分析；
步骤S3：基于双层优化理论建立增量配电网系统规划设计数学模型，确定上层容量优化模型和下层调度优化模型和约束条件；
步骤S4：系统选取最优解，上层容量优化模块采用基于NSGA-II的多目标遗传算法计算系统最优配置，下层调度优化模块采用混合整数线性规划算法(MILP)计算系统最优运行方案；
步骤S5：采用基于OWA算子多属性决策方法，筛选得到目标，最后提出增量配电网接入DG的评估指标及评估流程。
所述步骤S2中，基于模糊理论和层次分析法对分布式发电进行不确定性分析；研究的DG对象(风力发电技术、光伏发电技术、燃料电池)影响因素，分成三级不确定性因素，即自然环境、市场环境以及政策环境三类；其中自然环境包括风速以及光照强度，市场环境包括电价的波动性以及燃料电池的燃料成本不确定性。
所述步骤S2的基于双层优化理论建立增量配电网系统规划设计数学模型，确定了上层容量优化模型和下层调度优化模型；所述上层容量优化模型，目标函数选取配电网项目周期内系统经济性能全寿命周期经济现值和环保性能污染物排放作为评估系统优劣的指标，可描述为：J1＝min(F1,F2),
目标函数：
①全寿命周期经济现值:
式中CTANN指等年值费用；CRFl指资本回收系数,l表示年数,r表示资本的年利率。
②污染物排放：
式中，σCO、σHC、σNO、σS分别代表各污染物的排放系数(kg/L)；vF代表柴油发电机的年消耗燃料量(L)。
所述下层容量优化模型，目标函数为系统日运行费用最低，包括日购电费用、日燃料购买费用和日卖电收益J2＝min(Ce+Cf+Cs)；
式中：Ce指系统日购电费用；Cf指系统日燃料购买费用；Cs指系统日卖电收益；
约束条件包括：设备性能约束条件和系统运行约束条件。
所述下层容量优化模型的设备性能约束条件为：
①光伏发电性能约束
式中：fPV为光伏阵列降额因数，取0.9；PV,cap为光伏阵列的额定容量(kW)；IT为光照强度(kW/m2)；αP为功率温度系数(％/℃)规定无风，光照强度为1(kW/m2),IS和Tcell分别为标准测试条件下的光照强度和光伏电池温度，取值为1(kW/m2)和25℃；
②风机发电性能约束
式中，ν为风机轮毂高度处的实际风速；νci、νco为切入风速和切出风速，当实际风速低于或高于实际风速时，风机都不工作；P(v)为正常风速范围内风机出力，由风速-功率曲线线性插值得到；
③柴油发电机性能约束
F＝F0·Ygen+F1·Pgen
式中：F0是燃料曲线的截距系数(L/h/kW)；F1是燃料曲线的斜率(L/h/kW)；Ygen是发电机的额定容量(kW)；
④蓄电池性能约束
式中：Wt B和分别为t和t-1时段蓄电池储能状态；ηB,l指蓄电池自损耗率；Pt B,c和Pt B,d分别指蓄电池最大充电功率和最大放电功率；CB指蓄电池容量；
⑤变流器性能约束
式中：ηB，c、ηB，d分别指蓄电池充、放电效率；ηCON,rec、ηCON,mv分别指变流器整流、逆变效率。
所述下层容量优化模型的系统运行约束条件为：
①率平衡约束：
PG-PS+PDG+PCON＝PL-PPV-PWT
式中：PG指电网购电功率；PS指电网卖电功率；PDG指柴油发电机功率；PCON指变流器功率,整流为负，逆变为正；PL指负荷功率；PPV指光伏发电功率；PWT指风机发电功率；
②潮流等式约束：
式中：Pis和Qis分别为节点i注入的有功功率和无功功率；Ui为节点i的电压幅值；j∈i表示所有与节点i直接相连的节点；Gij和Bij分别为节点导纳矩阵的实部和虚部；θij为节点i和j之间的相角差；
③线路传输容量约束：
Sj≤Sj,max j∈Cline
式中：Sj为线路实际功率；Sj,max为线路最大允许容量；
④节点电压约束：
Ui,min≤Ui≤Ui,max i∈Cbus
式中，Ui,min和Ui,max分别为节点i电压的下限和上限；
⑤功率因数约束：
式中：为节点i的功率因数；为功率因数最小值；
⑥增量配电网系统从电网购电和售电应满足如下式的约束：
0≤PG≤PG,max
0≤PS≤PS,max
式中其中PG,max、PS,max分别指系统最大购电功率和最大卖电功率。同时，系统运行中各设备出力不能超过其额定功率限制。
所述基于双层优化理论建立增量配电网系统规划设计数学模型，确定了上层容量优化模型和下层调度优化模型的变量；
①上层容量优化模型选择系统机类型DGtype，柴油发电机台数DGnumber，风机类型WTtype，风机台数WTnumber，光伏电池容量PVcapacity，蓄电池容量BATcapacity和变流器容量CONcapacity为优化变量；定义优化变量为：
X＝[DGtype,DGnumber,WTtype,WTnumber,PVcapacity,BATcapacity,CONcapacity]
②下层调度优化模型选取系统中每小时购电功率PG、卖电功率(或弃能功率)PG、柴油发电机出力PDG、蓄电池充放电功率PB,C、PB,D为优化变量，可描述为：
X2＝[PG,PS,PDG,PB,C,PB,D]。
所述步骤S4，系统选取最优解，上层容量优化模块采用基于NSGA-II的多目标遗传算法计算系统最优配置；对初始种群个体进行运行模拟计算时，计算种群Pt目标函数值按下式计算各个体适应度函数值；
其中：f1,max(X)表示所有个体的第1个目标函数值中的最大值；f2,max(X)表示所有个体的第2个目标函数值中的最大值；Δ为不满足约束条件个体的相关约束的绝对值之和。
所述步骤S5的增量配电网接入DG的评估指标，增量配电网接入分布式电源的具体评估指标包括：内部收益率r、有功损耗比Ep,u、电压偏差比Up,u、能量渗透率Ep，具体计算如下：
①内部收益率r
式中：Cinv为总投资费用，Sdg,y为第y年现金总流入与流出的差值；
②有功损耗比Ep,u
式中：和Eloss分别为不安装DG和安装DG后的年平均有功损耗；
③电压偏差比Up,u
式中：Ud和分别为不安装DG和安装DG后的平均节点电压偏差；
④能量渗透率Ep
所述步骤S5的增量配电网接入DG的评估流程，评估指标从经济性、技术性和环保性上对帕累托解集进行评判；经济性上，r从盈利能力的角度对方案进行评估，旨在最大化经济效益、促进DG发展的同时兼顾投资商盈利能力；技术性上，有功损耗比Ep,u和电压偏差比Up,u，通过比较与1的大小，可直观地评判DG接入对配电网有功损耗和电压偏差的影响大小，若比值小于1，则说明DG的接入可以改善配电网运行状况；环保性上，能量渗透率从电量占比的角度反映了清洁能源在配电网中的渗透程度。
本发明的积极效果：采用模糊理论和层次分析法对分布式电源进行不确定性分析；采用双层优化模型进行多目标优化，明确上下层模型的目标函数和约束条件；采用改进的遗传算法，对分布式发电容量配置和系统运作规划问题进行求解；本发明构建的一种含分布式电源的增量配电网双层优化配置方法，能为增量配电业务开展提供计划和决策提供较好的参考。
附图说明
图1为本发明所提出的一种含分布式电源的增量配电网双层优化配置方法的流程图；
图2为本发明所提出的一种含分布式电源的增量配电网双层优化配置方法中分布式发电不确定性综合模糊评价流程图；
图3为本发明所提出的一种含分布式电源的增量配电网双层优化配置方法的多目标双层规划模型整体框图；
图4为本发明所提出的一种含分布式电源的增量配电网双层优化配置方法的双层优化算法流程图；
图5为本发明所提出的一种含分布式电源的增量配电网双层优化配置方法的最优解筛选流程图。
具体实施方式
下面结合附图，通过实施例对本发明做进一步说明。
一种含分布式电源的增量配电网双层优化配置方法，该方法包括：1)获取增量配电网区域风速以及日光照强度等分布式资源在一定时序的数据，对配电网的DG和负荷进行分析和建模；2)对DG的不确定性因素进行分类，在模糊数学理论和层次分析法的基础上，通过构建综合模糊评估方法来对分布式发电不确定性进行评估；3)基于双层优化理论建立增量配电网系统规划设计数学模型，确定上层容量优化模型和下层调度优化模型及相关约束条件；4)系统选取最优解，上层为容量优化模块，采用基于NSGA-II的多目标遗传算法计算系统最优配置，下层为调度优化模块，下层采用混合整数线性规划算法(MILP)计算系统最优运行方案；5)最后采用基于OWA算子的多属性决策方法，得到最优解。
具体步骤：
步骤S1、通过时序分析法对分布式发电和负荷进行建模。获取增量配电网区域风速以及日光照强度在24小时全时序上的数据分布，构建分布式发电出力和区域负荷模型。
S1.1光伏发电出力模型
光伏发电的出力易受多种因素影响，一般认为其主要受光照强度、温度和湿度的影响，其中光照强度是其主要影响因素。光照强度具有明显的日周期性，同一时段上可以利用Beta概率密度分布函数来描述:
式中：s为光照强度,α和β为概率密度函数的参数。
当光照小于额定光照强度时，光伏发电的出力与光照强度成正比，当光照强度大于额定光照强度时，光伏按最大功率输出，这样光伏输出功率模型为：
式中，sr为额定光照强度，Ps-max代表光伏最大出力。
S1.2风力发电出力模型。
风力发电的出力主要受自然因素影响，其中风速是主要因素，双参数Weibull分布模型可以较好地拟合实际风速，应用广泛。假设测得某风电场风速序列(V1、V2...Vn)服从双参数Weibull分布，则分布函数为：
其概率密度函数为：
式中c为风速，V为给定风速，双参数Weibull分布的尺度参数和形状参数分别用c和k表示。
风电的出力与风速大小及分布息息相关。风速与出力的关系为：
式中Vci为风机的切入风速，Vct为风机的额定风速，Vco为风机的切除风速。Pr为风机的额定功率
S1.3燃气机组与燃料电池模型
燃气机组与燃料电池的本质都是燃料与氧化剂产生化学反应，各自再转换成电能的分布式发电技术，两者属于一类分布式电源，属于可控分布式发电技术。燃气机组与燃料电池的出力数学模型是一致的，可以统一由下式表示：
PG＝ηCv
式中PG为燃气机组或燃料电池的输出功率；v为燃料进料速度；C为燃料的热值；η为转换效率。
S1.4负荷随机性模型。
负荷随机性的研究是配电网规划问题中的基础,配电网规划中文多采用高斯分布来模拟负荷模型的随机性。荷取值根据情况是有范围的，因此又提出了截断高斯分布(Truncated Gaussian Distribution)模型，其模型为：
式中μd与δd分别是负荷统计的均值与方差；lup与llow是负荷的上下阈值。
步骤S2、基于模糊理论和层次分析法对分布式发电进行不确定性分析。电力系统预测方面，其不确定性主要体现在外部因素影响。例如负荷预测中主要考虑天气、电价弹性、市场以及负荷特性等不确定因素。分布式发电的不确定性主要由不确定因素来表征，本发明主要研究的DG对象(风力发电技术、光伏发电技术、燃料电池)影响因素，分成三级不确定性因素，即自然环境、市场环境以及政策环境三类。其中自然环境包括风速以及光照强度，市场环境包括电价的波动性以及燃料电池的燃料成本不确定性。如图2所示，为分布式发电不确定性综合模糊评价流程。
S2.1 DG不确定性因素隶属度函数建模
风速隶属度函数建模，采用D.Dubois教授提出的随机模糊相容性原理，将风速概率分布模型转为模糊模型，从而得出风速的隶属度函数，其转换方法如下：令P为单峰连续概率函数，Q为转化后的隶属度函数,xm为P的峰值点，则对于任意x∈[-∞,xm]，均有：
式中，f(x)定义为对于任意x∈[-∞,xm]，f(x)＝y≥xm，p(x)＝p(y)
光照强度隶属度函数建模，在光照强度小于额定光照强度时，光伏出力与光照强度近似呈线性关系，当光照强度大于额定光照强度时，光伏出力达到最大出力值。但当光伏强度过大时，则需要考虑组件温度对其出力的影响，因此，光照强度的隶属度函数属于典型的梯形隶属度函数。燃料成本与并网电价当作一类模型去考虑，统统采用三角形隶属度函数来进行表征，因此可以得到燃料成本的隶属度函数。政策因素采用专家评分的方式。
S2.2不确定性因素权重计算
釆用层次分析法来确定各因素之间的权重关系。通过两两比较方式确定层次中诸因素的相对重要性，然后通过综合判断以决定诸因素相对重要性的排序。
S2.3不确定性的综合模糊评估方法
具体评估流程如下所述：
第一步：确定评价等级。根据综合评估结果可以将评估等级分为五级来表示不确定性程度，分别用优、良、中、差和极差来表示。
第二步：将不确定因素进行分级分类。将DG不确定性因素分成了三级因素：一级因素为目标因素，二级因素分为自然因素、市场因素和政策因素，三级因素根据二级因素再细分为风速、光照强度、并网电价和燃料电价。
第三步：对三级因素进行模糊隶属度建模，以风速与光照强度为例，分别得到其属于各级评价等级的隶属度μ31和μ32构建自然因素的评估矩阵：
第四步，利用层次分析法确定指标之间的权重。例如自然因素下的风速和光照强度之间的权重：A[31,32]＝[ω1,ω2]；
第五步，得到各级因素的评估结果。例如自然因素的隶属度值：μ21＝A31οR21
第六步，重复第四步－第五步，最终求出目标层的评估结果。例如可以得到最终的评估结果，即属于五个评价级的隶属度矩阵：B＝[B1,B2,B3,B4,B5]；
第七步，最大隶属度原则容易掩盖两个隶属之间的差距，因此为避免这一现象，可以将等级数量化，用数字大小来形象展示最终的评估结果，将五个评价集分别表示，根据V的大小来判断评估结果：
步骤S3、基于双层优化理论建立增量配电网系统规划设计数学模型，确定上层容量优化模型和下层调度优化模型和约束条件。上层为容量优化模块用于寻找系统最优配置，包括系统各设备类型、台数和容量，下层为调度优化模块，用于计算系统最优运行方案。如图3所示，为本发明所提出的一种含分布式电源的增量配电网双层优化配置方法的多目标双层规划模型整体框图。
S3.1上层容量优化模型
S3.1.1目标函数
选取配电网项目周期内系统经济性能和环保性能作为评估系统优劣的指标，
可描述为：J1＝min(F1,F2),
(1)全寿命周期经济现值:
式中CTANN指等年值费用；CRFl指资本回收系数,l表示年数,r表示资本的年利率。
系统等年值费用由设备投资等年值费用和系统年运行和设备维护费用组成。计算公式为：CTANN＝Cfac+Cope+COM
式中Cfac指设备投资等年值，Cope指系统年运行费用，COM指设备年维护费用。
设备投资等年值费用：
式中：CI,i指设备i初始投资费用；li为设备i运行寿命期望值。
系统年运行费用包括系统购电费用、燃料购买费用和卖电收益，计算公式为：
Cope＝CE+CF-CS式中：CE指系统年购电费用；CF指系统年购买燃料费用；CS指年卖电收益。
(2)污染物排放
柴油发电机以柴油作为主要燃料，其污染物包括CO、CO2、燃料中未燃烧尽的碳氢化合物、硫化物和一氧化氮。污染物的排放量与燃料消耗量直接相关。排放水平等于年燃料消耗量乘以其气体排放系数：
式中，σCO、σHC、σNO、σS分别代表各污染物的排放系数(kg/L)；vF代表柴油发电机的年消耗燃料量(L)。
S3.1.2约束条件
由于系统为多目标优化，为保证系统优化目标在可接受范围内，限制系统目标函数在一定区间内
(1)DG安装容量上限约束
Pi install≤Pi max
式中：Pi max为第i个接入点上的安装容量上限。
(2)DG安装容量的离散性约束
Pi install＝ωPi min
式中：Pi min为第i个接入点上的DG最小安装容量；ω为任意自然数
S3.1.3优化变量
选择系统机类型DGtype，柴油发电机台数DGnumber，风机类型WTtype，风机台数WTnumber，光伏电池容量PVcapacity，蓄电池容量BATcapacity和变流器容量CONcapacity为优化变量。定义优化变量为：
X＝[DGtype,DGnumber,WTtype,WTnumber,PVcapacity,BATcapacity,CONcapacity]
S3.2下层调度优化模型
S3.2.1目标函数
调度优化模型选取24h为调度尺度，实现系统的动态经济调度，以系统日运行费用最低为目标函数，包括日购电费用、日燃料购买费用和日卖电收益。
J2＝min(Ce+Cf+Cs)
式中：Ce指系统日购电费用；Cf指系统日燃料购买费用；Cs指系统日卖电收益。
S3.2.2约束条件
(1)设备性能约束
1.光伏发电性能约束
采用下式计算光伏阵列的输出功率：
式中：fPV为光伏阵列降额因数，表示光伏实际输出与额定条件输出的比值，用于计算由于光伏板表面污渍和雨雪的遮盖以及光伏板自身老化等引起的损耗，一般取0.9；PV,cap为光伏阵列的额定容量(kW)；IT为光照强度(kW/m2)；αP为功率温度系数(％/℃)；
规定无风，光照强度为1(kW/m2)，光伏电池温度25℃，为光伏标准测试条件(Standard Test Conditions,STC)；IS和Tcell分别为标准测试条件下的光照强度和光伏电池温度，取值为1(kW/m2)和25℃。室外环境温度对于光伏板的运行效率有影响，通常环境温度增高，光伏阵列的运行效率会下降。光伏电池温度Tcell可以通过下式进行计算：
式中:Tα是环境温度(℃)；规定光照强度为0.8(KW/m2),环境温度为20℃、风速为1m/s为光伏额定运行条件(Normal Operating Cell Temperature,NOCT)；IT和IT,NOCT分别表示额定运行条件的光照强度和环境温度，取值为0.8(kW/m2)和20℃；Tcel,lSTC是指在额定运行条件下光伏电池的表面温度，一般取值为45～48℃；ηmp,STC是标准测试条件下最大功率点效率，由于假设光伏系统运行在最大功率点处，使用该点的效率表示光伏运行效率；τ指光伏阵列遮盖物的太阳能透过率，一般取90％的默认值；α是PV阵列的太阳能吸收率，指表面能够吸收太阳能的比例，默认值90％。
2.风机发电性能约束
风机功率按下式计算：
式中，ν为风机轮毂高度处的实际风速；νci、νco为切入风速和切出风速，当实际风速低于或高于实际风速时，风机都不工作；P(v)为正常风速范围内风机出力，由风速-功率曲线线性插值得到。
3.柴油发电机性能约束
采用简化线性功率燃料曲线描述柴油发电机发电量和燃料消耗量之间的关系为:F＝F0·Ygen+F1·Pgen
式中：F0是燃料曲线的截距系数(L/h/kW)；F1是燃料曲线的斜率(L/h/kW)；Ygen是发电机的额定容量(kW)。
由于柴油发电机运行于低负载率时效率较低，为使燃气发电机以高效率运行，柴油发电机出力应满足下式约束：PDG,minuDG≤PDG≤PDG,maxuDG
式中：PDG,minuDG和PDG,max分别是柴油发电机出力的最小有功功率和最大有功功率(kW)；uDG是二进制变量，标志柴油发电机的启停(0表示关机，1表示开机)。
4.蓄电池性能约束
蓄电池作为储能设备，其能量存储就有时间上的耦合性，即本时刻的储能状态受上一时刻储能状态影响。即:
式中：Wt B和分别为t和t-1时段蓄电池储能状态；ηB,l指蓄电池自损耗率；Pt B,c和Pt B,d分别指蓄电池最大充电功率和最大放电功率；CB指蓄电池容量。
5.变流器性能约束
由于系统仅针对蓄电池用双向变流器进行容量优化，此处变流器指蓄电池用双向变流器，其运行约束为：
式中：ηB，c、ηB，d分别指蓄电池充、放电效率；ηCON,rec、ηCON,mv分别指变流器整流、逆变效率。
(2)系统运行约束
1.功率平衡约束：PG-PS+PDG+PCON＝PL-PPV-PWT
式中：PG指电网购电功率；PS指电网卖电功率；PDG指柴油发电机功率；PCON指变流器功率,整流为负，逆变为正；PL指负荷功率；PPV指光伏发电功率；PWT指风机发电功率。
2.潮流等式约束
式中：Pis和Qis分别为节点i注入的有功功率和无功功率；Ui为节点i的电压幅值；j∈i表示所有与节点i直接相连的节点；Gij和Bij分别为节点导纳矩阵的实部和虚部；θij为节点i和j之间的相角差。
3.线路传输容量约束
Sj≤Sj,max j∈Cline
式中：Sj为线路实际功率；Sj,max为线路最大允许容量。
4.节点电压约束
Ui,min≤Ui≤Ui,max i∈Cbus
式中，Ui,min和Ui,max分别为节点i电压的下限和上限。
5.功率因数约束
式中：为节点i的功率因数；为功率因数最小值。
6.增量配电网系统从电网购电和售电应满足如下式的约束：
0≤PG≤PG,max
0≤PS≤PS,max
式中其中PG,max、PS,max分别指系统最大购电功率和最大卖电功率。同时，系统运行中各设备出力不能超过其额定功率限制。
S3.2.3优化变量
选取系统中每小时购电功率PG、卖电功率(或弃能功率)PG、柴油发电机出力PDG、蓄电池充放电功率PB,C、PB,D为优化变量，可描述为：
X2＝[PG,PS,PDG,PB,C,PB,D]
步骤S4、系统选取最优解，上层容量优化模块采用基于NSGA-II的多目标遗传算法计算系统最优配置，下层调度优化模块采用混合整数线性规划算法(MILP)计算系统最优运行方案。如图4所示，是一种含分布式电源的增量配电网双层优化配置方法的双层优化算法流程图。
S4.1基于NSGA-II的多目标遗传算法求解上层容量优化问题
基于NSGA-II的多目标遗传算法求解上层优化问题的流程可描述如下:
(1)系统初始化。读取增量配电网相关运行模拟数据，包括各设备、负荷、日照、风速、遗传算法等参数。
(2)初始化父代种群P0，通过随机函数产生N个个体，作为初始种群P0，取t＝0。
(3)对初始种群个体进行运行模拟计算，计算种群Pt目标函数值
按下式计算各个体适应度函数值。
其中：f1,max(X)表示所有个体的第1个目标函数值中的最大值；f2,max(X)表示所有个体的第2个目标函数值中的最大值；Δ为不满足约束条件个体的相关约束的绝对值之和。
(4)从父代种群Pt中通过遗传操作(选择、交叉和变异)得到子代种群Qt。
(5)调用下层优化调度策略，计算种群Qt适应度值。
(6)将当前种群Pt与子代种群Qt合并得种群Rt，根据适应度函数值，计算各个体的支配关系和聚集距离，对个体进行Pareto排序。
(7)保留精英，从种群Rt中选择前N个个体作为父代中期Pt+1。
(8)终止条件。判断终止条件，若满足，则输出系统的优化结果，否则返回(4)。
S4.2基于混合整数线性规划算法求解下层调度优化问题
混合整数线性规划问题的完整数学描述，包括一个用于求解最大值或最小值的线性目标函数，一个联立线性方程组，以及各优化变量的约束条件。本发明所提混合整数线性规划问题可被写成：
min cx
xmin≤xi≤xmax i∈I
xj∈{0，1} j∈J
式中：cx指目标函数；A指联立线性方程组系数矩阵；b指联立线性方程组值；xi和xj分别指连续型变量和整形变量。
基于为混合整数线性规划算法求解下层优化问题的流程可描述如下:
(1)输入种群个体，个体数i＝1。
(2)个体变量分别进行赋值，增量配电网分别进行线性规划。
(3)令调压迭代数j＝1。
(4)对配电网进行潮流计算。
(5)判断节点电压是否越限制，若未越限，进行步骤(6)，若越限，调整分布式电源功率出力情况，更新配电网与电网交换频率，对配电网各部分重新进行线性规划，判断调压迭代数是否达到最大，若达到，标记为罚函数为可罚个体，若未达到，继续迭代。
(1)判断配电网倒送功率是否越限，若是，标记为罚函数可罚个体，若否，计算目标函数最大值。
(2)判断i是否达到最大个体数，若是，输出种群矩阵对应的目标函数矩阵，若否，进行步骤(2)。
步骤S5、采用OWA算子多属性决策方法，筛选得到目标，最后提出增量配电网接入DG的评估指标及评估流程。考虑分布式电源接入对系统运行和不同利益主体所带来的影响，为从多方面衡量各个方案，建立增量配电网接入DG的评估指标及评估流程。考虑配电网的各项运行指标。采用基于OWA算子多属性决策方法，筛选得到目标。如图5所示，为本发明所提出的一种含分布式电源的增量配电网双层优化配置方法的最优解筛选流程图。
基于OWA算子多属性决策方法：
(1)对于某一多属性问题，设X＝(x1,x2,...,xn)为方案集，U＝(u1,u2,...,um)为属性集，对于每个方案xi，按属性uj进行测度，得到属性值aij，从而构成决策矩阵A＝(aij)n×m。属性类型有效益型、成本型、固定型、偏离型、区间型等，根据属性值的类型进行不同的规范化处理，最后得到规范化矩阵R＝(rij)n×m。
(2)利用OWA算子对个方案xi(i∈N)进行集结，求得其综合属性值Zi(w)，计算公式如下：Zi(w)＝QWAw(ri1,ri2,...,rim)。
(3)按Zi(w)(1≤i≤n)的大小对方案进行排序并择优。
具体评估指标及评估流程如下所示：
(1)内部收益率r
内部收益率是指项目净现值为零时的折现率：
式中：Cinv为总投资费用，Sdg,y为第y年现金总流入与流出的差值。
(2)有功损耗比Ep,u
式中：和Eloss分别为不安装DG和安装DG后的年平均有功损耗。
(3)电压偏差比Up,u
式中：Ud和分别为不安装DG和安装DG后的平均节点电压偏差。
(4)能量渗透率Ep
能量渗透率反映DG全年提供的电量占负荷全年耗电总量的百分比：
评估指标从经济性、技术性和环保性上对帕累托解集进行评判。经济性上，r从盈利能力的角度对方案进行评估，旨在最大化经济效益、促进DG发展的同时兼顾投资商盈利能力；技术性上，有功损耗比Ep,u和电压偏差比Up,u，通过比较与1的大小，可直观地评判DG接入对配电网有功损耗和电压偏差的影响大小，若比值小于1，则说明DG的接入可以改善配电网运行状况；环保性上，能量渗透率从电量占比的角度反映了清洁能源在配电网中的渗透程度。

Claims (6)

1.一种含分布式电源的增量配电网双层优化配置方法，其特征在于包含如下步骤：
步骤S1：通过时序分析法对分布式发电和负荷进行建模；
步骤S2：基于模糊理论和层次分析法对分布式发电进行不确定性分析；
步骤S3：基于双层优化理论建立增量配电网系统规划设计数学模型，确定上层容量优化模型和下层调度优化模型和约束条件；
步骤S4：系统选取最优解，上层容量优化模块采用基于NSGA-II的多目标遗传算法计算系统最优配置，下层调度优化模块采用混合整数线性规划算法(MILP)计算系统最优运行方案；
步骤S5：采用基于OWA算子多属性决策方法，筛选得到目标，最后提出增量配电网接入DG的评估指标及评估流程。
2.根据权利要求1所述的一种含分布式电源的增量配电网双层优化配置方法，其特征在于：所述步骤S2中，基于模糊理论和层次分析法对分布式发电进行不确定性分析；研究的DG对象影响因素，分成三级不确定性因素，即自然环境、市场环境以及政策环境三类。
3.根据权利要求1或2所述的一种含分布式电源的增量配电网双层优化配置方法，其特征在于：所述步骤S2的基于双层优化理论建立增量配电网系统规划设计数学模型，确定了上层容量优化模型和下层调度优化模型；所述上层容量优化模型，目标函数选取配电网项目周期内系统经济性能全寿命周期经济现值和环保性能污染物排放作为评估系统优劣的指标，可描述为：J1＝min(F1,F2),
目标函数：
①全寿命周期经济现值:
式中CTANN指等年值费用；CRFl指资本回收系数,l表示年数,r表示资本的年利率。
②污染物排放：
式中，σCO、σHC、σNO、σS分别代表各污染物的排放系数(kg/L)；vF代表柴油发电机的年消耗燃料量(L)。
所述下层容量优化模型，目标函数为系统日运行费用最低，包括日购电费用、日燃料购买费用和日卖电收益J2＝min(Ce+Cf+Cs)；
式中：Ce指系统日购电费用；Cf指系统日燃料购买费用；Cs指系统日卖电收益；
约束条件包括：设备性能约束条件和系统运行约束条件。
4.根据权利要求3或所述的一种含分布式电源的增量配电网双层优化配置方法，其特征在于：所述下层容量优化模型的设备性能约束条件为：
①光伏发电性能约束
式中：fPV为光伏阵列降额因数，取0.9；PV,cap为光伏阵列的额定容量(kW)；IT为光照强度(kW/m2)；αP为功率温度系数(％/℃)规定无风，光照强度为1(kW/m2),IS和Tcell分别为标准测试条件下的光照强度和光伏电池温度，取值为1(kW/m2)和25℃；
②风机发电性能约束
式中，ν为风机轮毂高度处的实际风速；νci、νco为切入风速和切出风速，当实际风速低于或高于实际风速时，风机都不工作；P(v)为正常风速范围内风机出力，由风速-功率曲线线性插值得到；
③柴油发电机性能约束
F＝F0·Ygen+F1·Pgen
式中：F0是燃料曲线的截距系数(L/h/kW)；F1是燃料曲线的斜率(L/h/kW)；Ygen是发电机的额定容量(kW)；
④蓄电池性能约束
式中：Wt B和分别为t和t-1时段蓄电池储能状态；ηB,l指蓄电池自损耗率；Pt B,c和Pt B,d分别指蓄电池最大充电功率和最大放电功率；CB指蓄电池容量；
⑤变流器性能约束
式中：ηB，c、ηB，d分别指蓄电池充、放电效率；ηCON,rec、ηCON,mv分别指变流器整流、逆变效率。
5.根据权利要求3或所述的一种含分布式电源的增量配电网双层优化配置方法，其特征在于：所述下层容量优化模型的系统运行约束条件为：
①功率平衡约束：
PG-PS+PDG+PCON＝PL-PPV-PWT
式中：PG指电网购电功率；PS指电网卖电功率；PDG指柴油发电机功率；PCON指变流器功率,整流为负，逆变为正；PL指负荷功率；PPV指光伏发电功率；PWT指风机发电功率；
②潮流等式约束：
式中：Pis和Qis分别为节点i注入的有功功率和无功功率；Ui为节点i的电压幅值；j∈i表示所有与节点i直接相连的节点；Gij和Bij分别为节点导纳矩阵的实部和虚部；θij为节点i和j之间的相角差；
③线路传输容量约束：
Sj≤Sj,max j∈Cline
式中：Sj为线路实际功率；Sj,max为线路最大允许容量；
④节点电压约束：
Ui,min≤Ui≤Ui,max i∈Cbus
式中，Ui,min和Ui,max分别为节点i电压的下限和上限；
⑤功率因数约束：
式中：为节点i的功率因数；为功率因数最小值；
⑥增量配电网系统从电网购电和售电应满足如下式的约束：
0≤PG≤PG,max
0≤PS≤PS,max
式中其中PG,max、PS,max分别指系统最大购电功率和最大卖电功率。同时，系统运行中各设备出力不能超过其额定功率限制。
6.根据权利要求2或所述的一种含分布式电源的增量配电网双层优化配置方法，其特征在于：所述步骤S4，系统选取最优解，上层容量优化模块采用基于NSGA-II的多目标遗传算法计算系统最优配置；对初始种群个体进行运行模拟计算时，计算种群Pt目标函数值按下式计算各个体适应度函数值；
其中：f1,max(X)表示所有个体的第1个目标函数值中的最大值；f2,max(X)表示所有个体的第2个目标函数值中的最大值；Δ为不满足约束条件个体的相关约束的绝对值之和。
CN201910635250.5A 2019-07-15 2019-07-15 一种含分布式电源的增量配电网双层优化配置方法 Pending CN110350527A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910635250.5A CN110350527A (zh) 2019-07-15 2019-07-15 一种含分布式电源的增量配电网双层优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910635250.5A CN110350527A (zh) 2019-07-15 2019-07-15 一种含分布式电源的增量配电网双层优化配置方法

Publications (1)

Publication Number Publication Date
CN110350527A true CN110350527A (zh) 2019-10-18

Family

ID=68176221

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910635250.5A Pending CN110350527A (zh) 2019-07-15 2019-07-15 一种含分布式电源的增量配电网双层优化配置方法

Country Status (1)

Country Link
CN (1) CN110350527A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111027807A (zh) * 2019-11-12 2020-04-17 国网河北省电力有限公司经济技术研究院 一种基于潮流线性化的分布式发电选址定容方法
CN112084706A (zh) * 2020-09-02 2020-12-15 合肥工业大学 一种基于nsga-ii的电容模块组件配置多目标优化方法
CN112649740A (zh) * 2021-01-19 2021-04-13 上海理工大学 基于iowa算子的锂电池容量估计与寿命预测方法
CN113158547A (zh) * 2021-03-11 2021-07-23 上海电力大学 计及经济性和可靠性的区域综合能源系统优化配置方法
CN114142472A (zh) * 2021-12-06 2022-03-04 浙江华云电力工程设计咨询有限公司 基于混合高斯分布概率密度的风光容量配置方法及系统
CN115800306A (zh) * 2023-02-06 2023-03-14 华南理工大学 考虑风机故障的风光储无功补偿方法、装置及介质
CN117293900A (zh) * 2023-09-26 2023-12-26 国网江苏省电力有限公司扬州供电分公司 一种分布式电源接入电网运行的协同优化方法、设备及介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104362677A (zh) * 2014-11-19 2015-02-18 云南电网公司电力科学研究院 一种主动配电网优化配置结构及其配置方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104362677A (zh) * 2014-11-19 2015-02-18 云南电网公司电力科学研究院 一种主动配电网优化配置结构及其配置方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘振国等: "基于双层优化的微电网系统规划设计方法", 《电力系统保护与控制》 *
杨书强等: "应用场景压缩和计及电压调节策略的光伏接入规划", 《电力系统自动化》 *
王琛: "考虑分布式发电不确定性对配电网规划影响的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111027807A (zh) * 2019-11-12 2020-04-17 国网河北省电力有限公司经济技术研究院 一种基于潮流线性化的分布式发电选址定容方法
CN111027807B (zh) * 2019-11-12 2024-02-06 国网河北省电力有限公司经济技术研究院 一种基于潮流线性化的分布式发电选址定容方法
CN112084706A (zh) * 2020-09-02 2020-12-15 合肥工业大学 一种基于nsga-ii的电容模块组件配置多目标优化方法
CN112084706B (zh) * 2020-09-02 2023-11-07 合肥工业大学 一种基于nsga-ii的电容模块组件配置多目标优化方法
CN112649740A (zh) * 2021-01-19 2021-04-13 上海理工大学 基于iowa算子的锂电池容量估计与寿命预测方法
CN113158547A (zh) * 2021-03-11 2021-07-23 上海电力大学 计及经济性和可靠性的区域综合能源系统优化配置方法
CN113158547B (zh) * 2021-03-11 2022-10-18 上海电力大学 计及经济性和可靠性的区域综合能源系统优化配置方法
CN114142472A (zh) * 2021-12-06 2022-03-04 浙江华云电力工程设计咨询有限公司 基于混合高斯分布概率密度的风光容量配置方法及系统
CN114142472B (zh) * 2021-12-06 2023-08-08 浙江华云电力工程设计咨询有限公司 基于混合高斯分布概率密度的风光容量配置方法及系统
CN115800306A (zh) * 2023-02-06 2023-03-14 华南理工大学 考虑风机故障的风光储无功补偿方法、装置及介质
CN117293900A (zh) * 2023-09-26 2023-12-26 国网江苏省电力有限公司扬州供电分公司 一种分布式电源接入电网运行的协同优化方法、设备及介质

Similar Documents

Publication Publication Date Title
CN110350527A (zh) 一种含分布式电源的增量配电网双层优化配置方法
CN109508857B (zh) 一种主动配电网多阶段规划方法
Wu et al. A DEMATEL-TODIM based decision framework for PV power generation project in expressway service area under an intuitionistic fuzzy environment
Sawle et al. PV-wind hybrid system: A review with case study
Hamilton et al. Dispatch optimization of concentrating solar power with utility-scale photovoltaics
Georgilakis State-of-the-art of decision support systems for the choice of renewable energy sources for energy supply in isolated regions
CN106327006A (zh) 一种基于综合效益分析的微电网优化配置方法
Elnozahy et al. Efficient metaheuristic Utopia-based multi-objective solutions of optimal battery-mix storage for microgrids
Ahmad et al. Renewable energy integration/techno-economic feasibility analysis, cost/benefit impact on islanded and grid-connected operations: A case study
CN114219212B (zh) 一种计及泛在电力物联与边缘计算的需求侧资源柔性调度方法
CN111612244B (zh) 基于qra-lstm的日前光伏功率非参数概率预测方法
CN109038560A (zh) 基于运行策略的配电网分布式储能经济性评价方法和系统
Guo et al. Large-scale group decision-making framework for the site selection of integrated floating photovoltaic-pumped storage power system
Zhang et al. Grid-connected photovoltaic battery systems: A comprehensive review and perspectives
Li et al. Optimal planning of Electricity–Hydrogen hybrid energy storage system considering demand response in active distribution network
Varzaneh et al. Optimal energy management for PV‐integrated residential systems including energy storage system
CN105528668A (zh) 一种风电并网电力系统动态环境经济调度方法
Khemir et al. Real-world application of sustainable mobility in urban microgrids
Wen et al. Optimal intra-day operations of behind-the-meter battery storage for primary frequency regulation provision: A hybrid lookahead method
Miah et al. Energy storage controllers and optimization schemes integration to microgrid: an analytical assessment towards future perspectives
CN107767018A (zh) 基于改进vikor法的特高压电网综合效益评估方法
Zhang et al. Optimization configuration and application value assessment modeling of hybrid energy storage in the new power system with multi-flexible resources coupling
Li et al. Optimal design and operation method of integrated energy system based on stochastic scenario iteration and energy storage attribute evaluation
CN113947499A (zh) 基于分层优化模型的水、风、光规划方案集优选方法
Ding et al. Long-term operation rules of a hydro–wind–photovoltaic hybrid system considering forecast information

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: 20191018

RJ01 Rejection of invention patent application after publication