CN111382501A - 一种智能电表的配置方法、装置及计算设备 - Google Patents
一种智能电表的配置方法、装置及计算设备 Download PDFInfo
- Publication number
- CN111382501A CN111382501A CN202010107773.5A CN202010107773A CN111382501A CN 111382501 A CN111382501 A CN 111382501A CN 202010107773 A CN202010107773 A CN 202010107773A CN 111382501 A CN111382501 A CN 111382501A
- Authority
- CN
- China
- Prior art keywords
- fault
- distribution system
- line
- power distribution
- power
- 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 59
- 238000009826 distribution Methods 0.000 claims abstract description 86
- 238000004146 energy storage Methods 0.000 claims abstract description 26
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 238000009434 installation Methods 0.000 claims abstract description 16
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 42
- 239000003345 natural gas Substances 0.000 claims description 23
- 238000003860 storage Methods 0.000 claims description 18
- 230000001066 destructive effect Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 10
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 description 21
- 239000007789 gas Substances 0.000 description 16
- 238000005338 heat storage Methods 0.000 description 16
- 230000005540 biological transmission Effects 0.000 description 10
- 230000005611 electricity Effects 0.000 description 9
- 238000010248 power generation Methods 0.000 description 9
- 238000010438 heat treatment Methods 0.000 description 8
- 230000002829 reductive effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 150000001875 compounds Chemical class 0.000 description 5
- 238000007599 discharging Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000017525 heat dissipation Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000007723 transport mechanism Effects 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 239000002918 waste heat Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005229 chemical vapour deposition Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000002330 electrospray ionisation mass spectrometry Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012546 transfer 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
- 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)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种智能电表的配置方法,包括:确定目标区域的配电系统所包括的智能楼宇类型用户;确定智能楼宇中与分布式能源相关的出力设备和/或储能设备;计算在发生破坏性天气事件的情况下配电系统内线路的故障概率;基于线路的故障概率,生成配电系统的故障场景,故障场景指示出现故障的线路以及故障出现概率;以及基于故障场景、出力设备和/或储能设备的运行特性,利用二阶段优化模型确定智能电表的安装位置。本发明实施例还公开了相应的智能电表配置装置及计算设备。
Description
技术领域
本发明涉及电力系统技术领域,尤其涉及一种智能电表的配置方法、装 置及计算设备。
背景技术
电力系统作为重要公共基础设施,对于保障国家安全和社会经济稳定具 有关键作用。然而,近些年,随着全球各类极端破坏性天气事件(如台风、 地震、冰灾)的频繁发生,对电网安全稳定运行造成日趋严重的威胁。在这 一背景下,如何提高电力系统对破坏性天气事件的适应能力,建设坚强和富 有韧性的城市配电系统成为当前重要的研究课题。
目前针对上述问题的方案大多均立足于通过供应侧资源投资(包括线路 加固、额外配置应急发电机、储能等)来达到提升电力系统弹性及负荷保障 能力的目的,而忽略了终端需求侧用户对此可能起到的潜在作用和价值。
在实际配电网中,终端需求侧往往存在着大量具有各类分布式能源(distributed energy resources,DER)的智能楼宇型用户。在发生破坏性天气 事件时,智能楼宇(smart building,SB)中的供能系统由于有楼宇外墙作为 天然屏蔽,具有很高的存活率。如果能对智能楼宇中业已存在的各类DER加 以有效利用,就可以在破坏性天气事件发生后,引导用户侧的DER进行电能 倒送,有助于为电网灾后负荷快速恢复。而如果要充分挖掘需求侧资源的灾 后供能潜力,必须在智能楼宇处安装智能电表来作为配电网负荷与智能楼宇 的连接枢纽。
发明内容
为此,本发明实施例提供一种用于机械设备的数据处理方法、装置及系 统,以力图解决或至少缓解上面存在的问题。
根据本发明实施例的一个方面,提供了一种智能电表的配置方法,智能 电表用于改变智能楼宇中分布式能源的运行状态,向配电系统提供电能,该 方法包括:确定目标区域的配电系统所包括的智能楼宇类型用户;确定智能 楼宇中与分布式能源相关的出力设备和/或储能设备;计算在发生破坏性天气 事件的情况下配电系统内线路的故障概率;基于线路的故障概率,生成配电 系统的故障场景,故障场景指示出现故障的线路以及故障出现概率;以及基 于故障场景、出力设备和/或储能设备的运行特性,利用二阶段优化模型确定 智能电表的安装位置。
可选地,在根据本发明实施例的方法中,破坏性天气事件包括台风,计 算配电系统内线路的故障概率的步骤包括:对于配电系统内各条线路,基于 线路到台风的风眼的距离,计算台风的风速;基于风速,利用影响线路的威 布尔分布计算台风在目标区域的等效风速;基于等效风速,计算线路的故障 概率。
可选地,在根据本发明实施例的方法中,生成配电系统的故障场景的步 骤包括:基于线路的故障概率,采用蒙特卡洛方法进行模拟,以生成故障场 景。
可选地,在根据本发明实施例的方法中,生成配电系统的故障场景的步 骤还包括:对所生成的故障场景进行缩减,以使缩减前后的故障场景集合的 概率距离最小。
可选地,在根据本发明实施例的方法中,二阶段优化模型在第一阶段以 所述智能电表的投资成本最小为目标,二阶段优化模型在第二阶段以配电系 统的运行成本最小为目标。
可选地,在根据本发明实施例的方法中,二阶段优化模型的约束条件至 少包括以下之一:投资预算约束、设备运行约束、智能楼宇内部能量平衡约 束、可削减负荷约束、智能楼宇用户舒适度约束、配电系统运行约束、线路 电压降落约束、线路功率及电压限制约束。
可选地,在根据本发明实施例的方法中,二阶段优化模型的决策变量至 少包括以下之一:智能电表的安装位置、智能楼宇中分布式能源每小时的电 能变化量、热能变化量以及天然气购入量。
可选地,在根据本发明实施例的方法中,出力设备至少包括以下之一: 光伏发电设备、燃气锅炉、电锅炉、热电联产机组。
可选地,在根据本发明实施例的方法中,储能设备至少包括以下之一:: 储热罐、蓄电池。
根据本发明实施例的另一个方面,提供了一种智能电表配置装置,智能 电表用于改变智能楼宇中分布式能源的运行状态,向配电系统提供电能,该装 置包括:楼宇确定模块,适于确定目标区域的配电系统所包括的智能楼宇类 型用户;设备确定模块,适于确定智能楼宇中与分布式能源相关的出力设备 和/或储能设备;概率计算模块,适于计算在发生破坏性天气事件的情况下配 电系统内线路的故障概率;场景生成模块,适于基于线路的故障概率,生成 配电系统的故障场景,故障场景指示出现故障的线路以及故障出现概率;以 及位置确定模块,适于基于故障场景、出力设备和/或储能设备的运行特性, 利用二阶段优化模型确定智能电表的安装位置。
根据本发明实施例的另一个方面,提供了一种计算设备,包括:一个或 多个处理器;存储器;以及一个或多个程序,其中一个或多个程序存储在存 储器中并被配置为由一个或多个处理器执行,该一个或多个程序包括用于执 行根据本发明实施例的上述智能电表的配置方法的指令。
根据本发明实施例的还有一个方面,提供了一种存储一个或多个程序的 计算机可读存储介质,一个或多个程序包括指令,该指令当被计算设备执行 时,使得计算设备执行根据本发明实施例的上述智能电表的配置方法。
根据本发明实施例的智能电表的配置方案,充分考虑破坏性天气事件对 配电系统的影响,生成配电系统的故障场景,并基于该故障场景和配电系统 中智能楼宇类型用户的出力设备/储能设备,利用二阶段优化模型确定智能电 表的安装位置,保证了在破坏性天气事件下,可以利用这些智能电表灵活改 变出力设备/储能设备的运行状态,提高配电系统对外部风险的适应性及灾后 负荷恢复能力。并且,据本发明实施例的智能电表的配置方案所得到的智能 电表的安装位置可以在前期投资费用有限的情况下,最大限度地扩展智能楼 宇中分布式能源的灾后供电区域,达到降低电网负荷恢复成本的目的。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发 明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明 实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明实 施例的具体实施方式。
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的示意图;
图2示出了根据本发明一个实施例的智能电表的配置方法200的流程图;
图3示出了根据本发明一个实施例的配电系统的网络示意图;以及
图4示出了根据本发明一个实施例的智能电表配置装置400的示意图。
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示出了根据本发明一个实施例的计算设备100的示意图。如图1所 示,在基本的配置107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器,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 操作系统上由一个或多个处理器104利用程序数据124执行指令。
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或者 HDMI接口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、遥控输入设备)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 是这样的信号,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,也可以实现为包括桌面计算机和笔记本计算机配置的个人 计算机。当然,计算设备100也可以实现为小尺寸便携(或者移动)电子设 备。
在根据本发明的实施例中,计算设备100至少可以被实现为智能电表配 置装置400中的各部件,并被配置为执行根据本发明实施例的智能电表的配 置方法200。其中,计算设备100的应用122中包含执行根据本发明实施例的 智能电表的配置方法200的多条指令,而程序数据124还可以存储智能电表 配置装置400的配置信息等。
图2示出了根据本发明一个实施例的智能电表的配置方法200的流程图。 如图2所示,智能电表的配置方法200适于在智能电表配置装置400中执行, 并始于步骤S210。
在步骤S210中,确定目标区域的配电系统(也被称为配电网)所包括的 智能楼宇类型用户。图3示出了根据本发明一个实施例的配电系统的网络示 意图。如图3所示,该配电系统包括30个用户节点,共41条线路。其中, 用户节点6、10、18、21、24、27为智能楼宇类型用户。
在步骤S220中,确定智能楼宇类型用户对应的智能楼宇中与分布式能源 相关的设备,例如各种出力设备和/或储能设备。
在一些实施例中,出力设备至少包括以下之一:光伏发电(PV)设备、 燃气锅炉、电锅炉、热电联产机组(CHP)。其中,光伏发电(PV)是利用 半导体界面的光生伏特效应而将光能直接转变为电能的发电技术。PV设备最 大可输出功率通常与太阳能电池板的大小、日照强度等因素相关,可由式(1) 计算确定。在实际运行中,PV实际出力应小于等于其最大可输出功率,如式 (2)所示:
式中,表示太阳电池表面积(m2);表示光电转换总效率(%); Pt PV-pot、Pt PV -act分别表示太阳电池在时刻t的最大可输出功率和实际出力(kW); 表示时刻t的光照强度(kW/m2)。
燃气锅炉通过消耗天然气产生热功率。燃气锅炉的制热功率与消耗的天 然气功率、天然气热值、运行效率相关,可由式(3)确定。消耗天然气功率 上限约束如式(4)所示:
式中,表示燃气锅炉的制热功率(kW);ηGB表示燃气锅炉的运行效 率(%);GGB -max表示燃气锅炉可消耗天然气的最大功率(kW);HV表示天 然气的热值(MJ/m3);表示t时刻消耗的天然气功率(kW)。
电锅炉利用高阻抗管形电热元件,将电能转换为热能。制热功率与运行效 率和电功率有关,由式(5)确定。耗电功率上限约束如式(6)所示:
CHP机组则可以由燃气轮机和余热锅炉构成,通过消耗天然气产生电能 和热能。发电功率由消耗天然气功率和天然气热值及发电效率决定,发热功 率与此类似,如式(7)、(8)所示,功率上限约束如式(9)所示:
式中,Pt CHP、Ht CHP为CHP机组在t时刻的发电、发热功率(kW);Gt CHP为 t时刻消耗的天然气功率(kW);GCHP-max为消耗天然气的最大功率(kW);ηCHP-E、 ηCHP-H为CHP机组的发电、发热效率(%);HPR为CHP机组的热-电功率比。
在一些实施例中,储能设备至少包括以下之一:储热罐、蓄电池。储热 罐作为储存热能的高效设备,实现建筑调温、余热储存、辅助新能源消纳等 功能。公式(10)是储能状态方程,当前时刻的热储量由前一时刻热储量及 充、放热功率、散热损耗等因素决定;公式(11)是各类约束条件,依次为 最大热储量约束、最大充放热功率约束、充放热状态约束。
式中,是储热罐充、放热功率;是储热罐t时刻的热储量。是充、放热状态的0-1变量;ηTSch、ηTSdch是充、放热效率;ETS-max、 HTSch-max、HTSdch-max为储热装置最大储热量、最大充、放热功率;λTS为散热损耗。
蓄电池用来抑制预测波动,吸收系统多余电能,在紧急情况下能够为系 统提供电能支撑。公式(12)是储电状态方程,当前时刻的热储量由前一时 刻热储量及充、放热功率、散热损耗等因素决定;公式(13)是各类约束条 件,依次为最大电能容量约束、最大充放电功率约束、充放电状态约束。
式中,Pt ESch、Pt ESdch是蓄电池充、放电功率;Es ES是蓄电池的储能电量。αt Ech、 是充、放电状态的0-1变量;ηESch、ηESdch是充、放电效率;EES-max、 PESdh-max、PESdch-max为蓄电池最大储电量、最大充放电功率;λES为电能损耗。
智能楼宇与配电系统负荷节点之间传输的电功率,以配电系统向智能楼 宇注入电能的方向为正方向,其值大于零。对未安装智能电表的智能楼宇, 配电系统向智能楼宇单向送电;对于安装智能电表的智能楼宇,在发生破坏 性天气事件之后则可以向配电系统倒送电,如公式(14)所示,将其转化为 线性约束,为公式(15),公式(16)表示线路传输功率约束。
其中,Pt Inter表示配电系统负荷节点向智能楼宇注入的功率;表示未安 装智能电表时,配电系统向智能楼宇的输电功率;表示安装智能电表的智 能楼宇与配电系统间的传输功率;PTRA-max为最大传输功率。
此外,智能楼宇从天然气供应商处购买的天然气应不超过管道最大天然 气流量限制,如公式(17)所示:
可以理解地,智能楼宇中的各类出力设备和储能设备的存在,使得智能 楼宇具有了一定的电、热、气能流耦合互补特性,此类多能互补协调运行机 制极大地增强了楼宇的灵活性,例如燃气锅炉与电锅炉都可以作为热功率供 应设备,可以根据楼宇实时电/气能源需求互为补充,相比与单一供能模式具 有更大的裕度,在亟需外送功率情况下,可以根据要求调整智能楼宇中不同 设备的运行工况,合理优化系统调度。例如,在未发生破坏性天气事件时, 智能楼宇各出力设备正常运行,保障满足楼宇自身用户电、热负荷需求,同时由储能装置吸收盈余功率。在发生破坏性天气事件后,考虑尽量减小配电 系统负荷停电时间,通过储能设备的“高发低储”以及能源互补,尽量增大 智能楼宇外送功率,减小配电系统的失负荷成本。
而后,可以在步骤S230中,计算在发生破坏性天气事件的情况下该配电 系统内线路的故障概率。在一些实施例中,破坏性天气事件主要包括台风、 地震和冰灾等。下面以台风为例,说明发生台风时配电系统内线路的故障概 率的计算过程。其中,应当理解,台风期间,可能会造成输电线路杆塔倒塌, 引起线路断线。而对于通信线路和天然气线路,由于其分别通过无线通信系 统传输和通过地下天然气管道运输,可视为不受台风天气灾害的影响。
对于配电系统内各条线路,可以先基于该线路到台风风眼的距离,计算 台风的风速。
例如,某一条架空输电线路处遭遇的风速vl可以用该条线路到台风风眼的 距离函数来表示,其数学表达式如下:
其中,l代表此配电系统的线路序号,风速系数Kv=1.14;vm代表台风的 最大持续风速(以海里/小时为单位);dl代表台风风眼和线路l之间的距离;Rmw代表最大风速的半径(海里);Rs表示受台风影响的区域半径(海里);βmv表示指 定台风边界因子。在上述表达式中,随时间变化的台风参数,如vm、Rmw、Rs和台风风眼位置,可以通过文献“PiroozJavanbakht,Salman Mohagheghi,A risk-averse security-constrained optimal powerflow for a power grid subject to hurricanes,[J].Electric Power SystemsResearch,Volume 116,2014”提供的方法 模拟确定。此处不再赘述。
基于得到的风速,再利用影响该线路的威布尔分布计算台风在目标区域 的等效风速。可以理解地,当台风来临后,输电线路受到强风暴袭击,会产 生线路摆动,受该区域内的土壤性质、杆塔高度、杆塔材质等因素影响,有 一定概率出现杆塔倒塌现象。
等效风速可根据公式(18)所求得的vl,依据影响输电线路的威布尔分 布模拟风速的概率密度函数(probability density function,PDF)来进行计算, 具体方法在文献“Abdullahi M.Salman,Yue Li,Mark G.Stewart,Evaluating system reliability andtargeted hardening strategies of power distribution systems subjected tohurricanes,[J].Reliability Engineering&System Safety,Volume 144,2015”中有详细介绍,此处不再赘述。
其中,v1和v2是恒定风速(不失一般性:v1=110mph,v2=155mph)。
在得到配电系统内各条线路的故障概率之后,可以在步骤S240中,基于 线路的故障概率,生成配电系统的故障场景。故障场景指示出现故障的线路 以及故障出现概率。具体地,可以基于线路的故障概率,采用蒙特卡洛方法 进行模拟,以生成故障场景(下文也称为故障场景集合、场景集合)。
例如,可以使用蒙特卡洛法针对配电系统中每一条线路的状态进行抽样, 并通过组合所有线路的状态得到该配电系统的状态。此类蒙特卡洛法的模型 简单,内存占用少,所需原始数据也相对较少,并可以方便的计及、天气情 况、线路位置等其他因素,比较适合应用在破坏性天气事件的破坏力评估中 及对计算速度要求较高的场合下。
假设此配电系统包括L条线路。每条线路的断裂特性可以使用在区间[0,1] 的均匀分布来表示,则可以在区间内抽取一个随机数rl,来表示元件xl的断线 概率。每一条线路有故障失效和正常运行两个状态,并且每个元件的故障失 效是相互独立的。则有:
式中:Pl out为元件的故障概率。
对此,在区间[0,1]内抽取L个随机数r1,r2,……,rL。根据上述公式对xl的值 依次进行判定,则可以组合一个线路状态:
X'=(x1,x2,……,xl,……,xL)
重复上述过程N次,则可以得到包含N个故障场景的蒙特卡洛方法模拟 所得到的故障场景集合:
Xi={xi,1,xi,2,…xi,l……xi,L},(i=1,2……N)
其中,L代表此配电网总线路条数,N是蒙特卡洛方法模拟出的故障场景 数量,Xi代表该故障场景是第i个故障场景,xi,l代表第i个故障场景的第l条线 路的通/断状态。
在一些实施例中,在生成故障场景之后,还可以对所生成的故障场景进 行缩减,即去掉可以合并的故障场景,仅保留对后续计算更有意义的典型场 景,达到削减场景规模并提升计算速度的效果。场景缩减的要求是尽量使得 缩减前后的故障场景集合的概率距离最小,从而保证缩减后的场景能够最大 可能的保留了原来场景集合的特征。
可以采用向后场景缩减方法或者向前场景缩减方法来缩减场景。下面以 向后场景缩减方法为例来介绍场景缩减过程。
首先假设所生成的场景集合中的所有场景均是待保留场景,通过后续步 骤逐渐将场景集合中的场景数量消减至指定的个数。其中,假设蒙特卡洛方 法模拟所得到的原始故障场景集合可表述为
Xi={xi,1,xi,2,…xi,l……xi,L},(i=1,2……N) (20)
其中,L代表此配电网总线路条数,N是蒙特卡洛方法模拟出的场景数量, Xi代表该场景是第i个场景,xi,l代表第i个场景的第l条线路的通/断状态。
本文用KD(坎托洛维奇)距离来描述两个场景之间的相对距离。
式中,Xi表示场景i,Xj表示场景j,L表示每一个场景中包含的元素的 数量;xi,l、xj,l分别表示场景i、j中的第l个元素。
场景缩减的步骤可以如下:先对每个场景赋予相等的概率值。
接着,根据式(21),计算场景i、j之间的相对距离,1≤i≤L、1≤j≤L,i≠j。 其中,可以计算所有场景之间的相对距离,例如,对于场景i,找出与其相对 距离最小的场景j,并计算这对场景之间的概率距离。
接着,计算任意两个场景之间的概率距离PDi,并找出概率距离值最小的 一对场景。假设场景i、j的概率距离最小,那么两个场景之间的概率距离为 PD。
PDi=pi*KD(Xi,Xj) (23)
PD=min{PDi1≤i≤N} (24)
将场景i的概率值累加到场景j上,更新场景j的概率值,pj=pi+pj。同 时把场景i从原始场景集合中删除。此处,可能有多对场景的概率距离值相 等且都最小,其个数记为Nn。
接着,可以更新场景集合的个数,N=N-Nn。应当指出,可以重复上述 场景缩减步骤,直到保留在场景集合中的场景个数达到预先指定的场景个数 为止。
在实际电力系统中,由于不同智能楼宇类型用户的用能特性及供能设备 构成存在极大差异,在智能电表在配电系统中的安装位置将直接决定需求侧 资源的可用性及预期效益。因此,在得到(例如缩减后的)故障场景之后, 可以在步骤S250中,基于故障场景、智能楼宇中的出力设备和/或储能设备的 运行特性,利用二阶段优化模型确定智能电表的安装位置,也就是确定安装 智能电表的智能楼宇类型用户。
二阶段优化模型包括第一阶段和第二阶段,其中第一阶段为智能电表优 化配置阶段,第二阶段为配电系统灾后运行阶段。二阶段优化模型在第一阶 段以智能电表的投资成本CINV最小为目标,二阶段优化模型在第一阶段的基础 上,在第二阶段以配电系统的(灾后)运行成本COPT最小为目标。
智能电表的投资成本CINV为年值化投资成本。可以理解地,配置智能电表 将会产生一定的投资成本费用。对于中长期规划而言,由于设备具有较长的 服役期,因此为客观反映项目投资的真实收益水平,应将规划期内智能电表 的总投资成本进行年值化,以保证其与系统运行成本的统一性,相关计算式 如下:
配电系统的运行成本COPT则主要由智能电表的设备维护成本COPT-MAI、购 电费用COPT -PUR、灾害后因系统故障造成的停电损失费用,即失负荷成本(value of lost load,VOLL)COPT-VOLL共3方面构成,相关计算式如下:
COPT=COPT-MAI+COPT-PUR+COPT-VOLL (28)
其中,为单个智能电表的运营维护费用;cPUR为配电系统向智能楼 宇的每单位功率购电费用;cVOLL为单位功率的缺负荷造成的经济损失;表 示t时刻配电系统节点的失负荷有功功率;ρs表示场景s的实现概率;θ表示 年化系数;Δt为单个时段t的时长,通常可以取Δt=1h。
二阶段优化模型的约束条件至少可以包括以下之一:投资预算约束、设 备运行约束、智能楼宇内部能量平衡约束、可削减负荷约束、智能楼宇用户 舒适度约束、配电系统运行约束、线路电压降落约束、线路功率及电压限制 约束。其中,第一阶段以投资预算约束为约束条件,第二阶段以出力设备运 行约束、智能楼宇内部能量平衡约束、可削减负荷约束、智能楼宇用户舒适 度约束、配电系统运行约束、线路电压降落约束、线路功率及电压限制约束 为约束条件。
下面对各约束条件进行介绍。
投资预算约束要求智能电表的总投资成本不能超过总的可用预算CTOT, 即:
设备运行约束主要包括智能楼宇内各设备,如CHP、PV设备、燃气锅炉、 储热罐等元件的出力约束,如前文中公式(2)、(4)、(6)、(9)、(11)、 (13)、(16)、(17)所示。
智能楼宇内部能量平衡约束指的是,根据能量守恒定律,智能楼宇内不 同能源形式的供应与需求之间应保持平衡,具体表达式如下:
可削减负荷约束指的是在破坏性天气事件发生时,为了充分挖掘智能楼 宇资源灵活性,可暂时关闭电动汽车充电桩等可削减用能设施,降低楼宇电 能负荷,相关约束如下:
智能楼宇用户舒适度约束指的是在对智能楼宇中与分布式能源相关的各 设备的运行状态进行调控时,需优先保证满足智能楼宇内用户自身用能及舒 适度要求。依据能量守恒定律,室内热量的变化量等于室内温度的变化率乘 以室内空气的质量再乘以其比热容。如下式所示:
式中,ρ为空气密度(kg/m3);CAIR为空气比热容(kJ/(kg*K));V为 室内空气容量(m3);ΔQ为楼宇室内热量的变化量(J),第一项为室内外 温差造成的热耗散,kWALL、kWIN分别表示楼宇的建筑外墙、建筑外窗与室外传 热系数(J/(h*m2));FWALL、FWIN分别表示楼宇的建筑外墙、建筑外窗面积 (m2);Tt out、Tt in分别为t时刻室外、室内温度(K);第二项表示太阳热辐射传 递的热量,I为太阳辐射功率,表示与光照垂直照射时每平方米每秒接受的热 量;SC为遮阳系数,其取值与是否有遮阳板、玻璃材质等有关。具体计算方 法见文献“融合需求侧虚拟储能系统的冷热电联供楼宇微网优化调度方法[J]. 中国电机工程学报,2017”,此处不再赘述。第三项表示楼宇中热源的发热功 率。
对于楼宇内用户可承受室内温度舒适度约束,如下式:
其中,用户舒适度主要考虑灾害发生后楼宇内部供热温度与人体最佳体 感温度之间的匹配度,Tmin和Tmax分别为舒适度范围内的室内温度最低值和最 高值。
配电系统运行约束则主要包括:配电网线路潮流约束(公式(39)), 电网中节点的功率平衡及网络的连接关系(公式(40)-(41))、分布式电 源的有功和无功功率限制(公式(42)-(43))和节点电压约束(公式(44))。
下式表示配电网中某节点的有功、无功功率与线路流动的功率、智能楼 宇输送功率、负荷功率之间的关系。
线路电压降落约束指的是线性化的distflow模型要满足混合整数规划中 的计算要求。具体如下式:
式中,Ui,t表示节点i电压;为线路(i,j)在的开合状态;Rij、Xij、Zij分别表示线路ij的电阻、电抗和阻抗值;U0为系统参考电压幅值的平方;bij,t为引入的辅助变量,当线路状态为闭合时,其对应的线路状态变量可 得bij,t=0,即电压潮流约束式成立,反之,若线路断开,则即电压 潮流约束可由任意的bij,t∈[-U0,U0]成立。
线路功率及电压限制约束指的是对输电线路中有功、无功功率及节点电 压做出限制,防止越限。如下式:
二阶段优化模型的决策变量至少可以包括以下之一:智能电表的安装位 置智能楼宇中分布式能源每小时的电能变化量(Pt PV-act、Pt CHP、Pt EB、Pt ESdch、 Pt ESch、)、热能变化量以及天然气购入量 其中,二阶段优化模型在第一阶段以智能电表的安装位置为决策变量, 在第二阶段以智能楼宇中分布式能源每小时的电能变化量、热能变化量以及 天然气购入量为决策变量。
基于上述目标、约束以及决策变量,采用CPLEX求解器对二阶段优化模 型进行求解,可以得到智能电表的安装位置。
智能电表(smart energy meter,SEM)基于智能控制技术(intelligent controltechnology,ICT),能通过先进的通信技术与自动控制技术对智能楼宇的电、 热、气等多种相关设备进行监控与调节,从而能够有效地对负荷进行预测, 并根据实时的价格信息指引用户进行能源消费,提高用户的用能效益。
在配电系统遭遇突发性故障(例如破坏性天气事件)的情况下,利用预 先安装的智能电表向相关智能楼宇类型用户发布控制命令,对终端分布式能 源(即各种出力设备/储能设备)的运行状态进行重调度,使之能够向上级配 电系统提供必要的电能支撑,最大限度降低系统内重要负荷失电时间,从而 提升配电系统的恢复力。因此,在前期投资费用有限的情况下,通过优化智 能电表的安装位置,可以最大限度地扩展智能楼宇中分布式能源的灾后供电 区域,达到降低电网负荷恢复成本的目的。
图4示出了根据本发明一个实施例的智能电表配置装置400的示意图。 如图4所示,智能电表配置装置400包括楼宇确定模块410、设备确定模块 420、概率计算模块430、场景生成模块440以及位置确定模块450。
楼宇确定模块410适于确定目标区域的配电系统所包括的智能楼宇类型 用户。设备确定模块420适于确定智能楼宇中与分布式能源相关的出力设备 和/或储能设备。概率计算模块430适于计算在发生破坏性天气事件的情况下 配电系统内线路的故障概率;场景生成模块440适于基于线路的故障概率, 生成配电系统的故障场景,故障场景指示出现故障的线路以及故障出现概 率。位置确定模块450适于基于故障场景、上述出力设备和/或储能设备的运 行特性,利用二阶段优化模型确定智能电表的安装位置。智能电表可以用于改变智能楼宇中分布式能源的运行状态,向配电系统提供电能。
关于智能电表配置装置400中各模块的详细处理逻辑和实施过程可以参 见前文结合图1-图3对智能电表的配置方法200的相关描述,此处不再赘述。
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,本发明实施例的方法和设备,或者本发明实施例的方法和设备的某些方 面或部分可采取嵌入有形媒介,例如可移动硬盘、U盘、软盘、CD-ROM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,并被机器执行时,该机器变成实践本发明实施 例的设备。
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程序代码中的指令,执行本发 明实施例的方法。
以示例而非限制的方式,可读介质包括可读存储介质和通信介质。可读 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实施例的示例一起使 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 发明实施例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实施例的内容,并且上面对特定语言所做的描述是为 了披露本发明实施例的最佳实施方式。
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 发明实施例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,在上面对本发明实施例的示例性实施例的描述中,本发明实施例的 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实施例要 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实施例的单独实施例。
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。
本发明还包括:A8、如A1-7所述的方法,其中,所述出力设备至少包括 以下之一:光伏发电设备、燃气锅炉、电锅炉、热电联产机组。A9、如A1-7 所述的方法,其中,所述储能设备至少包括以下之一::储热罐、蓄电池。
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,尽管在此所描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实施例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以任意的组合 方式来使用。
此外,上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 者由执行上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 于实施上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描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实施例,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实施例的范围内, 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实施例的主 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 明实施例的范围,对本发明实施例所做的公开是说明性的而非限制性的,本发明实施例的范围由所附权利要求书限定。
Claims (10)
1.一种智能电表的配置方法,所述智能电表用于改变智能楼宇中分布式能源的运行状态,向配电系统提供电能,所述方法包括:
确定目标区域的配电系统所包括的智能楼宇类型用户;
确定所述智能楼宇中与分布式能源相关的出力设备和/或储能设备;
计算在发生破坏性天气事件的情况下所述配电系统内线路的故障概率;
基于所述线路的故障概率,生成所述配电系统的故障场景,所述故障场景指示出现故障的线路以及故障出现概率;以及
基于所述故障场景、所述出力设备和/或所述储能设备的运行特性,利用二阶段优化模型确定所述智能电表的安装位置。
2.如权利要求1所述的方法,其中,所述破坏性天气事件包括台风,计算所述配电系统内线路的故障概率的步骤包括:
对于所述配电系统内各条线路,基于所述线路到所述台风的风眼的距离,计算所述台风的风速;
基于所述风速,利用影响所述线路的威布尔分布计算所述台风在所述目标区域的等效风速;
基于所述等效风速,计算所述线路的故障概率。
3.如权利要求1所述的方法,其中,生成所述配电系统的故障场景的步骤包括:
基于所述线路的故障概率,采用蒙特卡洛方法进行模拟,以生成所述故障场景。
4.如权利要求3所述的方法,其中,生成所述配电系统的故障场景的步骤还包括:
对所生成的故障场景进行缩减,以使缩减前后的故障场景集合的概率距离最小。
5.如权利要求1所述的方法,其中,所述二阶段优化模型在第一阶段以所述智能电表的投资成本最小为目标,所述二阶段优化模型在第二阶段以所述配电系统的运行成本最小为目标。
6.如权利要求1所述的方法,其中,所述二阶段优化模型的约束条件至少包括以下之一:投资预算约束、设备运行约束、智能楼宇内部能量平衡约束、可削减负荷约束、智能楼宇用户舒适度约束、配电系统运行约束、线路电压降落约束、线路功率及电压限制约束。
7.如权利要求1所述的方法,其中,所述二阶段优化模型的决策变量至少包括以下之一:智能电表的安装位置、智能楼宇中分布式能源每小时的电能变化量、热能变化量以及天然气购入量。
8.一种智能电表配置装置,所述智能电表用于改变智能楼宇中分布式能源的运行状态,向配电系统提供电能,所述装置包括:
楼宇确定模块,适于确定目标区域的配电系统所包括的智能楼宇类型用户;
设备确定模块,适于确定所述智能楼宇中与分布式能源相关的出力设备和/或储能设备;
概率计算模块,适于计算在发生破坏性天气事件的情况下所述配电系统内线路的故障概率;
场景生成模块,适于基于所述线路的故障概率,生成所述配电系统的故障场景,所述故障场景指示出现故障的线路以及故障出现概率;以及
位置确定模块,适于基于所述故障场景、所述出力设备和/或所述储能设备的运行特性,利用二阶段优化模型确定所述智能电表的安装位置。
9.一种计算设备,包括:
一个或多个处理器;和
存储器;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根据权利要求1-7所述的智能电表的配置方法中的任一方法的指令。
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,所述指令当计算设备执行时,使得所述计算设备执行根据权利要求1-7所述的智能电表的配置方法中的任一方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010107773.5A CN111382501B (zh) | 2020-02-21 | 2020-02-21 | 一种智能电表的配置方法、装置及计算设备 |
PCT/CN2020/095646 WO2021164153A1 (zh) | 2020-02-21 | 2020-06-11 | 一种智能电表的配置方法、装置及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010107773.5A CN111382501B (zh) | 2020-02-21 | 2020-02-21 | 一种智能电表的配置方法、装置及计算设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111382501A true CN111382501A (zh) | 2020-07-07 |
CN111382501B CN111382501B (zh) | 2023-06-02 |
Family
ID=71217087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010107773.5A Active CN111382501B (zh) | 2020-02-21 | 2020-02-21 | 一种智能电表的配置方法、装置及计算设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111382501B (zh) |
WO (1) | WO2021164153A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021164153A1 (zh) * | 2020-02-21 | 2021-08-26 | 华北电力大学 | 一种智能电表的配置方法、装置及计算设备 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115690404B (zh) * | 2022-12-29 | 2023-03-14 | 天讯瑞达通信技术有限公司 | 一种基于目标检测的电线隐患检测方法 |
CN117993896A (zh) * | 2024-04-07 | 2024-05-07 | 浙江大学 | 极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130049764A1 (en) * | 2011-08-31 | 2013-02-28 | General Electric Company | Systems, Methods, and Apparatus for Locating Faults on an Electrical Distribution Network |
CN103698734A (zh) * | 2013-10-25 | 2014-04-02 | 广西电网公司电力科学研究院 | 智能电表基于仿真的虚拟故障测试方法 |
US20160364648A1 (en) * | 2015-06-09 | 2016-12-15 | Florida Power And Light Company | Outage prevention in an electric power distribution grid using smart meter messaging |
CN109066670A (zh) * | 2018-09-13 | 2018-12-21 | 福建省农村信用社联合社 | 一种基于物联网区块链的分布式电源管理方法 |
CN109784780A (zh) * | 2019-03-04 | 2019-05-21 | 广东工业大学 | 一种电力系统韧性的评估方法、装置及设备 |
CN109885592A (zh) * | 2019-01-29 | 2019-06-14 | 国电南瑞科技股份有限公司 | 一种基于NB-IoT的智能电表停电故障处理装置及方法 |
CN110245878A (zh) * | 2019-06-27 | 2019-09-17 | 华翔翔能电气股份有限公司 | 智能楼宇群体的分布式综合能源需求响应协同优化方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629294B (zh) * | 2011-12-31 | 2015-05-13 | 国电南瑞科技股份有限公司 | 台风引发输电线路故障的概率评估方法 |
US9933804B2 (en) * | 2014-07-11 | 2018-04-03 | Microsoft Technology Licensing, Llc | Server installation as a grid condition sensor |
CN108595872B (zh) * | 2018-05-07 | 2022-05-03 | 深圳供电局有限公司 | 一种电网在线安全稳定分析方法 |
CN108833144B (zh) * | 2018-05-30 | 2021-01-26 | 南京海兴电网技术有限公司 | 一种基于聚类统计模型的智能电表集中器选址方法 |
CN111382501B (zh) * | 2020-02-21 | 2023-06-02 | 华北电力大学 | 一种智能电表的配置方法、装置及计算设备 |
-
2020
- 2020-02-21 CN CN202010107773.5A patent/CN111382501B/zh active Active
- 2020-06-11 WO PCT/CN2020/095646 patent/WO2021164153A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130049764A1 (en) * | 2011-08-31 | 2013-02-28 | General Electric Company | Systems, Methods, and Apparatus for Locating Faults on an Electrical Distribution Network |
CN103698734A (zh) * | 2013-10-25 | 2014-04-02 | 广西电网公司电力科学研究院 | 智能电表基于仿真的虚拟故障测试方法 |
US20160364648A1 (en) * | 2015-06-09 | 2016-12-15 | Florida Power And Light Company | Outage prevention in an electric power distribution grid using smart meter messaging |
CN109066670A (zh) * | 2018-09-13 | 2018-12-21 | 福建省农村信用社联合社 | 一种基于物联网区块链的分布式电源管理方法 |
CN109885592A (zh) * | 2019-01-29 | 2019-06-14 | 国电南瑞科技股份有限公司 | 一种基于NB-IoT的智能电表停电故障处理装置及方法 |
CN109784780A (zh) * | 2019-03-04 | 2019-05-21 | 广东工业大学 | 一种电力系统韧性的评估方法、装置及设备 |
CN110245878A (zh) * | 2019-06-27 | 2019-09-17 | 华翔翔能电气股份有限公司 | 智能楼宇群体的分布式综合能源需求响应协同优化方法 |
Non-Patent Citations (1)
Title |
---|
周毅波 等: "高级量测体系下的双向互动智能用电系统设计" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021164153A1 (zh) * | 2020-02-21 | 2021-08-26 | 华北电力大学 | 一种智能电表的配置方法、装置及计算设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2021164153A1 (zh) | 2021-08-26 |
CN111382501B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Quantification of energy flexibility of residential net-zero-energy buildings involved with dynamic operations of hybrid energy storages and diversified energy conversion strategies | |
Jin et al. | Dynamic economic dispatch of a hybrid energy microgrid considering building based virtual energy storage system | |
Lu et al. | Short-term scheduling of battery in a grid-connected PV/battery system | |
Liu et al. | Renewable energy systems optimization by a new multi-objective optimization technique: A residential building | |
Zhang et al. | Global sensitivity analysis for key parameters identification of net-zero energy buildings for grid interaction optimization | |
Göransson et al. | Linkages between demand-side management and congestion in the European electricity transmission system | |
Vahidinasab | Optimal distributed energy resources planning in a competitive electricity market: Multiobjective optimization and probabilistic design | |
Nafeh | Optimal economical sizing of a PV-wind hybrid energy system using genetic algorithm | |
Chen et al. | Optimal allocation of distributed generation and energy storage system in microgrids | |
Iturriaga et al. | Optimal renovation of buildings towards the nearly Zero Energy Building standard | |
Ahmadian et al. | Optimal probabilistic based storage planning in tap-changer equipped distribution network including PEVs, capacitor banks and WDGs: A case study for Iran | |
Jing et al. | Planning urban energy systems adapting to extreme weather | |
CN111382501B (zh) | 一种智能电表的配置方法、装置及计算设备 | |
Vatanpour et al. | The impact of energy storage modeling in coordination with wind farm and thermal units on security and reliability in a stochastic unit commitment | |
Bukar et al. | Energy management strategy and capacity planning of an autonomous microgrid: Performance comparison of metaheuristic optimization searching techniques | |
Li et al. | Coordinated robust optimal design of building envelope and energy systems for zero/low energy buildings considering uncertainties | |
Iturriaga et al. | A general model for the optimization of energy supply systems of buildings | |
Behboodi et al. | Interconnection-wide hour-ahead scheduling in the presence of intermittent renewables and demand response: A surplus maximizing approach | |
Hemmati | Stochastic energy investment in off‐grid renewable energy hub for autonomous building | |
Liu et al. | A bi-level coordinated dispatch strategy for enhancing resilience of electricity-gas system considering virtual power plants | |
Keskin et al. | Distribution grid electrical performance and emission analysis of combined cooling, heating and power (CCHP)-photovoltaic (PV)-based data center and residential customers | |
Banik et al. | Developing an energy cost calculator for solar | |
Guerello et al. | Energy for off-grid homes: Reducing costs through joint hybrid system and energy efficiency optimization | |
Wu et al. | Co-optimization of building energy systems with renewable generations combining active and passive energy-saving | |
Gao et al. | A GA-based NZEB-cluster planning and design optimization method for mitigating grid overvoltage risk |
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 |