CN111199492A - 一种基于云计算的新能源电力系统可靠性快速求解方法 - Google Patents
一种基于云计算的新能源电力系统可靠性快速求解方法 Download PDFInfo
- Publication number
- CN111199492A CN111199492A CN201811364062.5A CN201811364062A CN111199492A CN 111199492 A CN111199492 A CN 111199492A CN 201811364062 A CN201811364062 A CN 201811364062A CN 111199492 A CN111199492 A CN 111199492A
- Authority
- CN
- China
- Prior art keywords
- new energy
- power system
- load
- cloud computing
- duration
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000004088 simulation Methods 0.000 claims abstract description 13
- 238000005070 sampling Methods 0.000 claims abstract description 12
- 238000010248 power generation Methods 0.000 claims description 29
- 230000008439 repair process Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 description 8
- 238000000342 Monte Carlo simulation Methods 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/008—Reliability or availability 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
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开的基于云计算的新能源电力系统可靠性快速求解方法使用云计算技术分配多台虚拟计算机,再利用大数据技术的高速并行计算能力进行电力系统元件状态持续时间抽样。提出按照新能源电力系统元件进行抽样模拟的分类依据,将不同分类的抽样任务下发给虚拟计算机,各分布式虚拟机并行计算并将结果返回给主机,主机再根据各元件抽样模拟结果计算出系统状态和持续时间,最终快速计算出电力系统可靠性指标值。通过本方法能够更加快速实时地对新能源电力系统可靠性进行评估计算,也能为复杂大规模电力系统可靠性计算提供思路。
Description
技术领域
本发明涉及电力系统可靠性评估技术领域,特别是涉及基于云计算技术的新能源电力系统可靠性快速求解方法。
背景技术
随着综合能源系统建设的大力推进,新能源发电并网是大势所趋,含大规模新能源发电的新能源电力系统可靠性评估也越来越受到重视。由于中国特殊的能源禀赋,大量的风、光资源分布在西部地区,而东部经济发展较为发达,电能需求量大,导致新能源发电必须通过高压远距离输送才能得到有效消纳,目前大规模新能源发电并网对电力系统的影响主要体现在一下几个方面:
(1)新能源发电具有较强的随机性和波动性,且出力多具有反调节特性,同时目前新能源的发电出力预测还存在一定误差。为保证供电可靠性,大规模新能源并网,需要电网提供充足的备用电源和调峰容量;
(2)风电、光伏发电等新能源的发电功率具有波动性,且大多经电力电子器件并网,并网后产生电压波动、闪变以及谐波等问题;
(3)大规模新能源发电功率注入系统,将对电网的暂态稳定性和频率稳定性带来一定的影响;
(4)大规模新能源接入电网后为电网经济性带来一定的影响,主要体现在新能源接入后增加电网的投资成本和运行成本,同时也带来了一定的环境效益。
我国学者在对新能源发电并网下的电力系统可靠性评估方面取得了很多成果,比如大规模风电并网的可靠性评估、微电网的可靠性评估等,但在评估方法上仍然采用的是对传统电力系统可靠性评估的解析法或蒙特卡洛模拟法。解析法计算结果精确,但是无法应对大规模电力系统带来的超高计算量问题;蒙特卡洛法的收敛速度与问题的维数无关,使其对多维、高维问题的适用性增加,但是由于系统规模的增大,对每一系统状态评估时间明显增加,因此蒙特卡洛法的总计算时间也会随之增加,而且与解析法相比蒙特卡洛法计算结果精度较低。
综上所述,虽然以上两种方法都可以模拟出新能源发电对电力系统可靠性的影响,但是在应对大规模复杂电网时往往会产生计算量太大、计算时间过长,甚至无法计算出结果的情况。因此需要开发出一种新的可靠性计算方法,才能应对拥有更多元件、更大规模的新能源电网可靠性评估问题。
发明内容
本发明公开了一种基于云计算的新能源电力系统可靠性快速求解方法利用云计算的分布式存储和大数据的并行计算能力提高大规模新能源发电并网形成的复杂电力系统的可靠性计算速度以及计算结果准确度。
本发明公开的基于云计算的新能源电力系统可靠性快速求解方法,所述电力系统可靠性快速求解方法包括以下步骤:
步骤1:根据新能源电力系统的组成,对元件进行编号并按照元件类别进行分组,使用云计算平台分配若干虚拟计算机,在主机上配置分布式文件系统和大数据计算引擎;
步骤2:将电网拓扑结构、元件基本数据导入到虚拟计算机中去;
步骤3:设定每类元件最大抽样模拟次数NC,根据待抽样元件的分类下达步骤4的任务指令到空闲的虚拟计算机,虚拟计算机开始调用数据进行状态持续时间抽样,如果运行错误则返回错误信息到主机,对指令进行调整之后重新下达;
步骤4:重复步骤3直到所有虚拟计算机都处于工作状态,当某计算机完成任务后返回结果到主机,主机根据已有结果计算系统状态;
步骤5:重复步骤4直到所有虚拟计算机都完成计算任务并返回结果,计算出系统状态,并根据系统状态和持续时间计算出可靠性指标。
优选地,所述步骤2中的基本数据包括:电网拓扑结构关系矩阵、变压器故障率和修复时间数据、线路故障率和修复时间数据、分布式发电设备的故障率和修复时间数据、分布式发电数据和用户负荷数据。
优选地,所述步骤4具体包括以下步骤:
步骤4.1:按类别产生元件的故障前持续时间分布并产生元件时间序列状态;
步骤4.2:查看故障前持续时间是否超过了规定模拟年数Yn,如果超过则返回步骤4.1,如果没有则继续选择故障时间最短的元件;
步骤4.3:根据所述电网拓扑结构信息找出失效线路所影响的负荷点,并根据修复性将所述负荷点分为可被修复负荷点和不可修复负荷点,产生故障持续时间TTR并确定可被修复负荷点缺供电量;
步骤4.4:确定线路所连接的分布式发电总电量,并确定不可修复负荷点的总负荷,如果总发电量大于或等于不可修复负荷点总负荷则执行步骤4.6,否则执行步骤4.5;
步骤4.5:产生故障持续时间TTR并确定可被修复负荷点缺供电量;
步骤4.6:找出该类元件下一个最小的故障持续时间TTR,如果小于规定模拟年数Yn,则执行步骤4.3;
步骤4.7:重复步骤4.1-4.6,直到步骤4.1-4.6的执行次数等于所述最大模拟抽样次数NC。
优选地,所述步骤4.1中元件的故障前持续时间TTF的公式如下:
式中,λ为元件故障率,n为服从0到1均匀分布的随机数。
优选地,所述步骤5使用状态叠加法计算出所述系统状态。
优选地,所述步骤5中的可靠性指标公式为:
其中,SAIFI为系统平均停电频率,SAIDI为系统平均停电持续时间,EENS为期望电量不足期望,λi为负荷点i的故障率,Ni负荷点i的用户数,Ui为负荷点i的年不可用率或停电时间,Ei为负载点i平均中断能量的平均值。
本发明公开了基于云计算技术的新能源电力系统可靠性快速求解方法,该方法使用云计算技术分配多台虚拟计算机,再利用大数据技术的高速并行计算能力进行电力系统元件状态持续时间抽样。提出按照新能源电力系统元件进行抽样模拟的分类依据,将不同分类的抽样任务下发给虚拟计算机,各分布式虚拟机并行计算并将结果返回给主机,主机再根据各元件抽样模拟结果计算出系统状态和持续时间,最终快速计算出电力系统可靠性指标值。通过本方法能够更加快速实时地对新能源电力系统可靠性进行评估计算,也能为复杂大规模电力系统可靠性计算提供思路。
附图说明
图1是本发明的基于云计算技术的新能源电力系统可靠性快速求解方法流程图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
基于云计算的新能源电力系统可靠性快速求解方法,主要包括以下步骤:
1.可靠性计算前的准备
根据微电网系统组成,对馈线、分电线、变压器、光伏阵列、风力发电机组和负荷进行编号并按照类别进行分组,总共分为变压器、发电设备、线路和负荷四种。使用谷歌云计算平台分配8台虚拟计算机,配置Hadoop和Spark架构;
2.基本数据导入
电网拓扑结构数据包含了微电网各元件部分的相互关系,比如下面的矩阵表示发电设备和线路的关系,第1到4列分别表示编号、隶属分支线路编号、隶属馈线编号、发电设备编号。
变压器、分布式发电设备数据包括故障率(次/年)和修复时间(小时),线路数据故障率单位为(次/(年×千米))。分布式发电设备包括光伏、风电和柴油发电机,光伏发电数据依据地区月度光照强度按如下公式计算:
式中,Pout为光伏发电功率;ηc为光伏材料发电效率;S为光伏阵列面积;I(t)为t时刻光照强度,K为阈值。
风力发电数据则根据威尔分布产生。用户负荷数据包括月负荷系数和每天的小时负荷系数,还有负荷点的平均负荷、峰荷数据以及用户数。
3.元件分组抽样模拟
设定状态持续时间抽样次数为NC=50万次,下发指令代码,虚拟机开始调用数据进行状态持续时间抽样,如果运行错误则返回错误信息到主机。虚拟主机执行任务步骤为
(1)按类别产生元件的TTF分布并产生元件时间序列状态,计算方法为:
式中,TTF为故障前持续时间;λ为元件故障率;n为服从0到1均匀分布的随机数。
(2)查看TTF持续时间是否超过了规定模拟小时数8760(Yn=1),如果没有则继续,有则返回步骤(1)并选择故障时间最短的元件;
(3)根据电力系统拓扑结构信息找出失效馈线所影响的负荷点,将负荷点分为两类。一类是可以被修复的,另一类是不可修复的,产生故障持续时间TTR并确定第一类负荷点缺供电量;
(4)确定使用DG馈线所连接的分布式发电总电量,并确定第二类负荷点的总负荷,如果总发电量大于等于第二类负荷点总负荷,转步骤(6);
(5)产生故障持续时间TTR并确定第一类负荷点缺供电量;
(6)找出该类元件下一个最小的故障持续时间TTR,如果小于Yn,转步骤(3);
(7)重复步骤(1)到(6),直到达到最大模拟抽样次数NC;
(8)将模拟结果返回至主机。
4:重复步骤3直到虚拟计算机将所有分类元件都完成相应状态持续时间抽样计算任务并返回结果后,按照状态叠加法计算出系统状态,并根据系统状态和持续时间计算出可靠性指标,指标计算公式如下。
其中,SAIFI为系统平均停电频率;SAIDI为系统平均停电持续时间;EENS为期望电量不足;λi为负荷点i的故障率;Ni为负荷点i的用户数;Ui为负荷点i的年不可用率或停电时间;Ei为负载点i平均中断能量的平均值。
通过以上步骤,即可快速得到新能源电力系统可靠性计算指标的值。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种基于云计算的新能源电力系统可靠性快速求解方法,其特征在于,所述电力系统可靠性快速求解方法包括以下步骤:
步骤1:根据新能源电力系统的组成,对元件进行编号并按照元件类别进行分组,使用云计算平台分配若干虚拟计算机,并在主机上配置分布式文件系统和大数据计算引擎;
步骤2:将电网拓扑结构、元件基本数据导入到虚拟计算机中去;
步骤3:设定每类元件最大抽样模拟次数,根据待抽样元件的分类下达步骤4的任务指令到空闲的虚拟计算机,虚拟计算机开始调用数据进行状态持续时间抽样,如果运行错误则返回错误信息到主机,对指令进行调整之后重新下达;
步骤4:重复步骤3直到所有虚拟计算机都处于工作状态,当某计算机完成任务后返回结果到主机,主机根据已有结果计算系统状态;
步骤5:重复步骤4直到所有虚拟计算机都完成计算任务并返回结果,计算出系统状态,并根据系统状态和持续时间计算出可靠性指标。
2.根据权利要求1所述的基于云计算的新能源电力系统可靠性快速求解方法,其特征在于:所述步骤2中的基本数据包括:电网拓扑结构关系矩阵、变压器故障率和修复时间数据、线路故障率和修复时间数据、分布式发电设备的故障率和修复时间数据、分布式发电数据和用户负荷数据。
3.根据权利要求2所述的基于云计算的新能源电力系统可靠性快速求解方法,其特征在于:所述步骤4具体包括以下步骤:
步骤4.1:按类别产生元件的故障前持续时间分布并产生元件时间序列状态;
步骤4.2:查看故障前持续时间是否超过了规定模拟年数,如果超过则返回步骤4.1,如果没有则继续选择故障时间最短的元件;
步骤4.3:根据所述电网拓扑结构信息找出失效线路所影响的负荷点,并根据修复性将所述负荷点分为可被修复负荷点和不可修复负荷点,产生故障持续时间并确定可被修复负荷点缺供电量;
步骤4.4:确定线路所连接的分布式发电总电量,并确定不可修复负荷点的总负荷,如果总发电量大于或等于不可修复负荷点总负荷则执行步骤4.6,否则执行步骤4.5;
步骤4.5:产生故障持续时间并确定可被修复负荷点缺供电量;
步骤4.6:找出该类元件下一个最小的故障持续时间,如果小于规定模拟年数,则执行步骤4.3;
步骤4.7:重复步骤4.1-4.6,直到步骤4.1-4.6的执行次数等于所述最大模拟抽样次数。
5.根据权利要求1所述的基于云计算的新能源电力系统可靠性快速求解方法,其特征在于:所述步骤5使用状态叠加法计算出所述系统状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811364062.5A CN111199492B (zh) | 2018-11-16 | 2018-11-16 | 一种基于云计算的新能源电力系统可靠性快速求解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811364062.5A CN111199492B (zh) | 2018-11-16 | 2018-11-16 | 一种基于云计算的新能源电力系统可靠性快速求解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111199492A true CN111199492A (zh) | 2020-05-26 |
CN111199492B CN111199492B (zh) | 2023-09-08 |
Family
ID=70746149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811364062.5A Active CN111199492B (zh) | 2018-11-16 | 2018-11-16 | 一种基于云计算的新能源电力系统可靠性快速求解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111199492B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102097808A (zh) * | 2011-01-31 | 2011-06-15 | 天津大学 | 一种含分布式风电、光伏及储能的配电系统可靠性评估方法 |
WO2016026355A1 (zh) * | 2014-08-18 | 2016-02-25 | 国家电网公司 | 一种有源配电网电压跌落仿真与评估方法 |
CN106487010A (zh) * | 2016-11-25 | 2017-03-08 | 国网浙江省电力公司温州供电公司 | 一种配电网可靠性评估方法及系统 |
CN106980918A (zh) * | 2017-02-16 | 2017-07-25 | 广西电网有限责任公司电力科学研究院 | 一种发输电系统可靠性评估系统 |
CN107305648A (zh) * | 2016-04-25 | 2017-10-31 | 云南电网有限责任公司昭通供电局 | 配电网运行、供电可靠性评估方法及系统 |
CN107634844A (zh) * | 2017-03-28 | 2018-01-26 | 广东工业大学 | 一种电力广域通信系统可靠性评估方法及装置 |
CN108306285A (zh) * | 2018-01-08 | 2018-07-20 | 厦门大学 | 基于topsis法的含分布式电源的主动配电网可靠性评估方法 |
US20180240202A1 (en) * | 2015-08-19 | 2018-08-23 | China Electric Power Research Institute Company Limited | Method of predicting distribution network operation reliability |
-
2018
- 2018-11-16 CN CN201811364062.5A patent/CN111199492B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102097808A (zh) * | 2011-01-31 | 2011-06-15 | 天津大学 | 一种含分布式风电、光伏及储能的配电系统可靠性评估方法 |
WO2016026355A1 (zh) * | 2014-08-18 | 2016-02-25 | 国家电网公司 | 一种有源配电网电压跌落仿真与评估方法 |
US20180240202A1 (en) * | 2015-08-19 | 2018-08-23 | China Electric Power Research Institute Company Limited | Method of predicting distribution network operation reliability |
CN107305648A (zh) * | 2016-04-25 | 2017-10-31 | 云南电网有限责任公司昭通供电局 | 配电网运行、供电可靠性评估方法及系统 |
CN106487010A (zh) * | 2016-11-25 | 2017-03-08 | 国网浙江省电力公司温州供电公司 | 一种配电网可靠性评估方法及系统 |
CN106980918A (zh) * | 2017-02-16 | 2017-07-25 | 广西电网有限责任公司电力科学研究院 | 一种发输电系统可靠性评估系统 |
CN107634844A (zh) * | 2017-03-28 | 2018-01-26 | 广东工业大学 | 一种电力广域通信系统可靠性评估方法及装置 |
CN108306285A (zh) * | 2018-01-08 | 2018-07-20 | 厦门大学 | 基于topsis法的含分布式电源的主动配电网可靠性评估方法 |
Non-Patent Citations (1)
Title |
---|
郭振斌;梁志瑞;程林;宋福龙;高艺;: "基于环辐网解耦算法的大电网可靠性快速评估" * |
Also Published As
Publication number | Publication date |
---|---|
CN111199492B (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rodríguez et al. | Predicting solar energy generation through artificial neural networks using weather forecasts for microgrid control | |
CN104376504B (zh) | 一种基于解析法的配电系统概率可靠性评估方法 | |
CN108306285B (zh) | 基于topsis法的含分布式电源的主动配电网可靠性评估方法 | |
CN106354985B (zh) | 一种考虑分布式电源的配电系统可靠性评估方法 | |
Alam et al. | A SAX-based advanced computational tool for assessment of clustered rooftop solar PV impacts on LV and MV networks in smart grid | |
CN107145707A (zh) | 一种计及光伏出力不确定性和全寿命周期成本的配电网变压器规划方法 | |
Jia et al. | A fast contingency screening technique for generation system reliability evaluation | |
Conti et al. | Modelling of microgrid-renewable generators accounting for power-output correlation | |
CN104794580A (zh) | 一种逐机组逐月电力电量平衡计算方法 | |
CN105301421A (zh) | 一种同期线损测量平台及方法 | |
CN111835003A (zh) | 多电源供电下中压配电网理论线损实时计算方法及系统 | |
CN111199492B (zh) | 一种基于云计算的新能源电力系统可靠性快速求解方法 | |
CN105260789B (zh) | 一种面向风电功率超短期预测的风电数据时间尺度优选方法 | |
CN111509744B (zh) | 一种储能多功能应用布局方法及系统 | |
Du et al. | Hosting capacity assessment in distribution networks considering wind–photovoltaic–load temporal characteristics | |
CN110909916B (zh) | 一种基于熵权法的风力发电月度电量区间预测方法 | |
Yamayee et al. | Production simulation for power system studies | |
CN106097141A (zh) | 光伏发电系统置信容量的三元区间数评估方法 | |
Dhayalini | Optimal allocation of distributed solar photovoltaic generation on electrical distribution system under uncertainties. | |
Lai et al. | Wide-area frequency security event detection | |
da Rosa et al. | Reliability impact on bulk generation system considering high penetration of electric vehicles | |
Wagner et al. | Robust Probabilistic Analysis of Transmission Power Systems based on Equivalent Circuit Formulation | |
CN117713043A (zh) | 一种含分布式电源配电网的概率风险评估方法和系统 | |
Qiao et al. | Multiple-Stage Inter-temporal Flexibility for Planning: A Non-sequential Probabilistic Production Simulation Approach | |
CN111293701B (zh) | 含分布式光伏的配电网凹陷域的预估方法及装置 |
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 |