CN111144608A - 一种基于蚁群算法的配电网网架优化规划方法 - Google Patents
一种基于蚁群算法的配电网网架优化规划方法 Download PDFInfo
- Publication number
- CN111144608A CN111144608A CN201911098273.3A CN201911098273A CN111144608A CN 111144608 A CN111144608 A CN 111144608A CN 201911098273 A CN201911098273 A CN 201911098273A CN 111144608 A CN111144608 A CN 111144608A
- Authority
- CN
- China
- Prior art keywords
- line
- ant
- planning
- calculating
- planning scheme
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000009826 distribution Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 241000257303 Hymenoptera Species 0.000 claims abstract description 16
- 239000003016 pheromone Substances 0.000 claims description 26
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 230000008020 evaporation Effects 0.000 claims description 4
- 238000001704 evaporation Methods 0.000 claims description 4
- 239000005556 hormone Substances 0.000 claims description 4
- 229940088597 hormone Drugs 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 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
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明为一种基于蚁群算法的配电网网架优化规划方法,包括:首先将规划区域内n条可行待选线路从l到n编号;求出每条待选线路的转换概率Pi k;在迭代过程中,蚂蚁每次从这n个元素中按每个元素的转换概率选取一个元素;对于每只蚂蚁最终形成一个线路集,该线路集形成一个规划方案;当一次循环完成后,从所有蚂蚁形成的规划方案中选择具有最小目标函数值的规划方案,并与当前保存的最优方案进行比较;如果新方案比当前保存的最优方案还要好,那么用新方案,否则维持当前最优方案。重复直至达到最大迭代次数,在保证新能源消纳盈亏平衡点的同时,配电网架的优化结果可以达到网架线路铺设距离的最短、线路的年综合费用和过负荷惩罚费用之和最小。
Description
技术领域
本发明属于配电网网架技术领域,具体地而言为一种基于蚁群算法的配电网网架优化规划方法。
背景技术
新能源是能源转型发展的重要力量,积极消纳新能源是贯彻能源生产和消费革命战略,建设清洁低碳、安全高效的现代能源体系的有力抓手,也是加快生态文明建设的关键环节。
目前,我国的能源战略形势发生了重大和深刻变化,为了解决社会经济发展过程中能源生产和能源消费产生的负外部性,以低碳和绿色能源的发展为重点、以能源技术革命为先导的能源转型,正如火如荼地展开。新能源作为一种清洁持续的能源,新能源发电正在能源结构转型中将发挥重要作用。新能源消纳工作作为可再生能源发展的首要条件,是影响配电网规划有效与否的重要条件。为了提高新能源的消纳水平并实现资源的有效配置,需要综合考虑新能源消纳对配电网的影响,为配电网网架的优化提供优化依据和规划方向。
发明内容
本发明所要解决的技术问题在于提供一种基于蚁群算法的配电网网架优化规划方法,在保证新能源消纳盈亏平衡点的同时,配电网架的优化结果可以达到网架线路铺设距离的最短、线路的年综合费用和过负荷惩罚费用之和最小。
本发明是这样实现的,
一种基于蚁群算法的配电网网架优化规划算法,该方法包括:
首先将规划区域内n条可行待选线路从l到n编号;
求出每条待选线路的转换概率Pi k;
在迭代过程中,蚂蚁每次从这n个元素中按每个元素的转换概率选取一个元素;
对于每只蚂蚁,该过程同时重复的次数为nodenum-subnum-oldlinenum,其中nodenum为节点数目,subnum为变电站数目,oldlinenum为老线路数目,最终每只蚂蚁形成一个线路集,该线路集形成一个规划方案;
当一次循环完成后,从所有蚂蚁形成的规划方案中选择具有最小目标函数值的规划方案,并与当前保存的最优方案进行比较;
如果新方案比当前保存的最优方案还要好,那么用新方案,否则维持当前最优方案。重复上述过程直至达到最大迭代次数。
进一步地,该方法还包括:
(1)每个元素的初始信息素是相等的,设信息素τi(0)=C(i=1,2,……n),其中C为常数,在寻优过程中,其信息素τi将随着蚁群过后留下的激素量的变化而变化;
(2)计算未被加入tabu表的待选线路的转换概率根据各待选线路的转换概率从上述线路中选取一条线路,采用基于前推回代的配电网潮流计算方法来求取负荷潮流,以确定其过负荷惩罚值,并计算每只蚂蚁所形成的规划方案的目标函数值;
(3)如果在步骤(2)中找到的规划方案的目标函数值比fmin小,用该值替换fmin,并记下该规划方案;否则转向步骤(4);
(5)令迭代次数N=N+1.若N<Nmax,则清空所有的tabu表,转向步骤(2),否则输出最好的规划方案,停止。
式中,allowedLk为蚂蚁k还没有访问过的元素集,若i和l不属于allowedLk,那么转换概率为0。α和β分别表示蚂蚁在运动过程中所积累的信息及启发式因子在蚂蚁选择元素中所起的不同作用;βi表示选择元素i的期望程度,且其数值定义为待选线路i的长度或投资的倒数。
进一步地,采用式(1)的数学模型计算每只蚂蚁所形成的规划方案的目标函数值:
数学模型可用下式表达:
式中X为N维决策矢量,代表问题的解;Xi是矢量X的元素,当待选线路i被选中时Xi=1,否则Xi=0,C1i=γi+αi,γi是投资回收率,αi是设备折旧维修率;C2i是电价单位为元、kW·h;ΔPi是线路i的有功损耗,单位是kW;τmaxi是相应的年最大损耗时间,单位为h;A1是过负荷惩罚系数;L是网络的过负荷的部分,其数值通过网络的负荷潮流求得。
式(3)表示为:完成一次迭代后,每条待选线路的信息素被更新为:
τi(t+n)=θτi(t)+Δτi(t,t+n) (3)
i=1,2,…,n
本发明与现有技术相比,有益效果在于:
(1)本方法能确保新能源具有合理的消纳比例,新能源往往具有较高的投资成本,因此新能源每年需要保证一定的发电利用小时数才能收回投资成本,即新能源的盈亏平衡点,本发明方法对新能源的消纳幅度至少需要达到新能源利用小时数的盈亏平衡点,并保证新能源的运行具有一定的利润空间。
(2)本方法在满足新能源利用小时数的同时,能够保持系统最优的运行格局,即不因为消纳新能源而产生大量切负荷、线路过载或常规机组出力受限、频繁调节导致成本急剧上升等不良运行状态;即系统在消纳新能源的同时,运行点并不偏离最优运行点太远,或超过系统的安全边界。
(3)本发明能够通过电力规划改善系统的薄弱环节,使系统达到新能源消纳的要求。
附图说明
图1为本发明方法优化配电网架结果图;
图2为本发明方法优化配电网架的平均距离和最短距离。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
本发明实施例公开的一种基于蚁群算法的配电网网架优化规划算法,该方法包括:
首先将规划区域内n条可行待选线路从1到n编号;
求出每条待选线路的转换概率Pi k;
在迭代过程中,蚂蚁每次从这n个元素中按每个元素的转换概率选取一个元素;
对于每只蚂蚁,该过程同时重复的次数为nodenum-subnum-oldlinenum,其中nodenum为节点数目,subnum为变电站数目,oldlinenum为老线路数目,最终每只蚂蚁形成一个线路集,该线路集形成一个规划方案;
当一次循环完成后,从所有蚂蚁形成的规划方案中选择具有最小目标函数值的规划方案,并与当前保存的最优方案进行比较;
如果新方案比当前保存的最优方案还要好,那么用新方案,否则维持当前最优方案。重复上述过程直至达到最大迭代次数。
具体的,(1)每个元素的初始信息素是相等的,设信息素τi(0)=C(i=1,2,……n),其中C为常数,在寻优过程中,其信息素τi将随着蚁群过后留下的激素量的变化而变化;
(2)计算未被加入tabu表的待选线路的转换概率根据各待选线路的转换概率从上述线路中选取一条线路,采用基于前推回代的配电网潮流计算方法来求取负荷潮流,以确定其过负荷惩罚值,并计算每只蚂蚁所形成的规划方案的目标函数值;
(3)如果在步骤(2)中找到的规划方案的目标函数值比fmin小,用该值替换fmin,并记下该规划方案;否则转向步骤(4);
(5)令迭代次数N=N+1.若N<Nmax,则清空所有的tabu表,转向步骤(2),否则输出最好的规划方案,停止。
其中,每个元素的初始信息素是相等的,设信息素τi(0)=C(i=1,2,……n),其中C为常数。在寻优过程中,其信息素τi将随着蚁群过后留下的激素量的变化而变化。
蚂蚁k在运动过程中是根据各个元素的转换概率来决定选取哪一个元素的,转换概率Pi k(t)表述如下:
式中,allowedLk为蚂蚁k还没有访问过的元素集,若i和l不属于allowedLk,那么转换概率Pi k(t)为0。α和β分别表示蚂蚁在运动过程中所积累的信息及启发式因子在蚂蚁选择元素中所起的不同作用;βi表示选择元素i的期望程度,且其数值定义为待选线路i的长度或投资的倒数。
完成一次迭代后,每条待选线路的信息素被更新为:
τi(t+n)=θτi(t)+Δτi(t,t+n) (3)
i=1,2,...,n
式中,allowedLk为蚂蚁k还没有访问过的元素集,若i和l不属于allowedLk,那么转换概率为0。α和β分别表示蚂蚁在运动过程中所积累的信息及启发式因子在蚂蚁选择元素中所起的不同作用;βi表示选择元素i的期望程度,且其数值定义为待选线路i的长度或投资的倒数。
进一步地,采用式(1)的数学模型计算每只蚂蚁所形成的规划方案的目标函数值:
数学模型可用下式表达:
式中X为N维决策矢量,代表问题的解;Xi是矢量X的元素,当待选线路i被选中时Xi=1,否则Xi=0,C1i=γi+αi,γi是投资回收率,αi是设备折旧维修率;C2i是电价单位为元、kW·h;ΔPi是线路i的有功损耗,单位是kW;τmaxi是相应的年最大损耗时间,单位为h;A1是过负荷惩罚系数;L是网络的过负荷的部分,其数值通过网络的负荷潮流求得。
式(3)表示为:完成一次迭代后,每条待选线路的信息素被更新为:
τi(t+n)=θτi(t)+Δτi(t,t+n) (3)
i=1,2,…,n
根据本溪市供电公司提供的基础数据信息,本报告以66千伏及以上变电站的数据信息为基础,进行配电网架的优化。本溪市共有87座变电站,其中500kV变电站2个,220kV变电站17个,66kV变电站68个,其相应的坐标位置如表1所示。
本发明利用蚁群算法进行配电网架的优化,利用Matlab软件运行之后,其优化方案如图1所示。
表1负荷点坐标位置
从图1可以看出,在保证新能源消纳盈亏平衡点的同时,配电网架的优化结果可以达到网架线路铺设距离的最短、线路的年综合费用和过负荷惩罚费用之和最小。
Claims (5)
1.一种基于蚁群算法的配电网网架优化规划算法,其特征在于,该方法包括:
首先将规划区域内n条可行待选线路从l到n编号;
在迭代过程中,蚂蚁每次从这n个元素中按每个元素的转换概率选取一个元素;
对于每只蚂蚁,该过程同时重复的次数为nodenum-subnum-oldlinenum,其中nodenum为节点数目,subnum为变电站数目,oldlinenum为老线路数目,最终每只蚂蚁形成一个线路集,该线路集形成一个规划方案;
当一次循环完成后,从所有蚂蚁形成的规划方案中选择具有最小目标函数值的规划方案,并与当前保存的最优方案进行比较;
如果新方案比当前保存的最优方案还要好,那么用新方案,否则维持当前最优方案。重复上述过程直至达到最大迭代次数。
2.按照权利要求1所述的方法,其特征在于,该方法还包括:
(1)每个元素的初始信息素是相等的,设信息素τi(0)=C(i=1,2,......n),其中C为常数,在寻优过程中,其信息素τi将随着蚁群过后留下的激素量的变化而变化;
(2)计算未被加入tabu表的待选线路的转换概率根据各待选线路的转换概率从上述线路中选取一条线路,采用基于前推回代的配电网潮流计算方法来求取负荷潮流,以确定其过负荷惩罚值,并计算每只蚂蚁所形成的规划方案的目标函数值;
(3)如果在步骤(2)中找到的规划方案的目标函数值比fmin小,用该值替换fmin,并记下该规划方案;否则转向步骤(4);
(5)令迭代次数N=N+1.若N<Nmax,则清空所有的tabu表,转向步骤(2),否则输出最好的规划方案,停止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911098273.3A CN111144608A (zh) | 2019-11-12 | 2019-11-12 | 一种基于蚁群算法的配电网网架优化规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911098273.3A CN111144608A (zh) | 2019-11-12 | 2019-11-12 | 一种基于蚁群算法的配电网网架优化规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111144608A true CN111144608A (zh) | 2020-05-12 |
Family
ID=70517031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911098273.3A Withdrawn CN111144608A (zh) | 2019-11-12 | 2019-11-12 | 一种基于蚁群算法的配电网网架优化规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144608A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116865A (zh) * | 2013-03-08 | 2013-05-22 | 华北电力大学 | 一种多维度协同电网规划的方法 |
WO2016095692A1 (zh) * | 2014-12-15 | 2016-06-23 | 江南大学 | 一种改进蚁群优化传感器网络簇头方法 |
CN109936136A (zh) * | 2019-04-24 | 2019-06-25 | 广东电网有限责任公司 | 一种配电网接线线路的规划方法、装置及设备 |
CN110110893A (zh) * | 2019-04-03 | 2019-08-09 | 国网新疆电力有限公司昌吉供电公司 | 大规模电采暖设备接入的配电网网架优化方法 |
-
2019
- 2019-11-12 CN CN201911098273.3A patent/CN111144608A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116865A (zh) * | 2013-03-08 | 2013-05-22 | 华北电力大学 | 一种多维度协同电网规划的方法 |
WO2016095692A1 (zh) * | 2014-12-15 | 2016-06-23 | 江南大学 | 一种改进蚁群优化传感器网络簇头方法 |
CN110110893A (zh) * | 2019-04-03 | 2019-08-09 | 国网新疆电力有限公司昌吉供电公司 | 大规模电采暖设备接入的配电网网架优化方法 |
CN109936136A (zh) * | 2019-04-24 | 2019-06-25 | 广东电网有限责任公司 | 一种配电网接线线路的规划方法、装置及设备 |
Non-Patent Citations (1)
Title |
---|
王志刚 等: "基于蚁群算法的配电网网架优化规划方法", 《电力系统及其自动化学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107301472B (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
CN106651628B (zh) | 基于图论的区域冷热电综合能源优化配置方法及装置 | |
CN109948868A (zh) | 高渗透率分布式可再生能源发电集群优化规划方法 | |
CN104636830A (zh) | 一种来水变化下省级电网水火电实时负荷调整方法 | |
CN109598377B (zh) | 一种基于故障约束的交直流混合配电网鲁棒规划方法 | |
CN111245032B (zh) | 一种计及风电场集电线路降损优化的电压预测控制方法 | |
CN115102159A (zh) | 计及碳排放流的共享储能优化运行方法 | |
CN107480885A (zh) | 基于非支配排序差分进化算法的分布式电源布点规划方法 | |
CN115754578A (zh) | 基于自适应蚁群算法的有源配电网故障定位方法及系统 | |
CN111144608A (zh) | 一种基于蚁群算法的配电网网架优化规划方法 | |
CN117134409A (zh) | 考虑电-氢-热互补的微网系统及其多目标优化配置方法 | |
CN105207255B (zh) | 一种适用于风电出力的电力系统调峰计算方法 | |
He et al. | Research on Instability of Distributed Renewable Energy Power Access to Distribution Network | |
CN114123175B (zh) | 考虑广义需求侧资源联盟特性的配电网分布式控制方法 | |
Qiang et al. | Research on self-healing strategy of smart distribution grid based on improved ant colony algorithm | |
CN111697607A (zh) | 一种多端柔性直流输电受端电网接入方法及系统 | |
CN113762622B (zh) | 一种虚拟电厂接入点及容量优化规划方法 | |
CN112036681B (zh) | 基于合作博弈和综合赋权的梯级水电站聚合降维补偿效益分配方法 | |
CN111786382B (zh) | 一种考虑加权潮流熵的配电网负荷恢复量计算方法 | |
CN115940284A (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
Xiangyu et al. | Regional power grid AGC control strategy research based on Q-learning algorithm under WACPB mode | |
CN112749843A (zh) | 用于区域电网新能源消纳的虚拟电厂可控热负荷调度方法 | |
CN112241604A (zh) | 概率匹配串并联耦合多模型的电网暴雨灾害预报订正方法 | |
CN113346501B (zh) | 基于头脑风暴算法的配电网电压优化方法及其系统 | |
Xu et al. | Event-driven low-carbon economic dispatch for multi-regional power grid considering power consumption behavior |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200512 |