CN111639870B - 考虑源荷不确定性的输电网多目标柔性规划方法及系统 - Google Patents
考虑源荷不确定性的输电网多目标柔性规划方法及系统 Download PDFInfo
- Publication number
- CN111639870B CN111639870B CN202010498970.4A CN202010498970A CN111639870B CN 111639870 B CN111639870 B CN 111639870B CN 202010498970 A CN202010498970 A CN 202010498970A CN 111639870 B CN111639870 B CN 111639870B
- Authority
- CN
- China
- Prior art keywords
- power
- node
- model
- wind
- planning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
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
- G06Q10/067—Enterprise or organisation modelling
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
- 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
Abstract
本公开提出了考虑源荷不确定性的输电网多目标柔性规划方法及系统,方法包括:获取电源新建方案数据,建立输电网双层规划模型,上层建立以成本最小、可靠性最高和运行效率最高为多目标的多目标规划模型;下层根据典型场景建立多场景校验模型;对上层的多目标规划模型进行求解获得输电网配置方案,将求解结果发送至下层的多场景校验模型校验,下层模型校验结果返回给上层修正求解结果,直到满足迭代精度,输出最终的输电网配置方案。通过双层规划模型,上层模型求解结果通过下层模型利用典型场景进行校验,充分考虑了不确定因素对于输电网规划的影响,使得输电网规划方案更能承受风电和负荷的波动,上下层共同进化更适用于风电渗透率高的电网。
Description
技术领域
本公开涉及输电网相关技术领域,具体的说,是涉及考虑源荷不确定性的输电网多目标柔性规划方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,并不必然构成在先技术。
随着化石能源的日益紧缺以及环境问题的加重,风能等可再生能源发电得到了快速的发展,风力发电具有波动性与随机性的特点,急剧增加了未来电网的不确定性因素,仅考虑负荷侧不确定性的传统规划方法已无法满足未来电网的发展要求,需要电网规划方法更具柔性,并且兼顾考虑源荷不确定性。
在可再生能源渗透率较高的电网条件下,电网规划不能单纯满足可靠性、经济性的要求,还需考虑运行效率、大电网的安全等方面的要求。这些具有不同侧重点的规划要求相互联系,有的互为矛盾,而多目标电网规划需要协调好多个规划目标的实现。发明人发现,传统电网规划方法大多只考虑单一目标的电网规划;并且针对输电网规划模型,现有的求解方法大多利用直流潮流方法求解,但直流潮流忽略了线路电阻和并联支路,同时不考虑无功与电压之间的关系,其线性表达对于大型电力系统来说不够精确。
发明内容
本公开为了解决上述问题,提出了考虑源荷不确定性的输电网多目标柔性规划方法及系统,提出柔性规划方法,不仅考虑未来电网的多重不确定性,还兼顾电网运行效率、经济性与可靠性等目标,改进求解算法,同时兼顾计算精度和计算效率。
为了实现上述目的,本公开采用如下技术方案:
一个或多个实施例提供了考虑源荷不确定性的输电网多目标柔性规划方法,包括如下步骤:
获取电源新建方案数据,建立输电网双层规划模型,上层建立以成本最小、可靠性最高和运行效率最高为多目标的多目标规划模型;下层根据典型场景建立多场景校验模型;
对上层的多目标规划模型进行求解获得输电网配置方案,将求解结果发送至下层的多场景校验模型校验,下层模型校验结果返回给上层用于修正上层模型的求解结果,直到满足迭代精度,输出最终的输电网配置方案。
一个或多个实施例提供了考虑源荷不确定性的输电网多目标柔性规划系统,包括:
模型建立模块:被配置为用于获取电源新建方案数据,建立输电网双层规划模型,上层建立以成本最小、可靠性最高和运行效率最高为多目标的多目标规划模型;下层根据典型场景建立多场景校验模型;
迭代求解模块:被配置为用于对上层的多目标规划模型进行求解获得输电网配置方案,将求解结果发送至下层的多场景校验模型校验,下层模型校验结果返回给上层用于修正上层模型的求解结果,直到满足迭代精度,输出最终的输电网配置方案。
一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成上述方法所述的步骤。
与现有技术相比,本公开的有益效果为:
本公开的输电网规划模型为双层规划模型,上层为考虑经济性、可靠性和运行效率的多目标规划,对上层模型求解获得输电网规划方案,上层规划方案决策结果传递给下层进行校验。下层模型利用典型场景进行校验,充分考虑了不确定因素对于输电网规划的影响,使得输电网规划方案更能承受风电和负荷的波动,并将校验结果返回给上层的约束条件,上下层互相修正共同进化,使得规划决策方案更适用于风电渗透率越来越高的电网。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的限定。
图1是本公开实施例1的输电网多目标柔性规划方法流程图;
图2是本公开实施例1中采用NSGA-II算法求解上层模型流程图;
图3是本公开实施例1的示例输电网系统拓扑图示意图。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是,在不冲突的情况下,本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
实施例1
在一个或多个实施方式中公开的技术方案中,如图1所示,考虑源荷不确定性的输电网多目标柔性规划方法,包括如下步骤:
步骤1、获取电源新建方案数据,建立输电网双层规划模型,上层建立以成本最小、可靠性最高和运行效率最高为多目标的多目标规划模型;下层根据典型场景建立多场景校验模型;
步骤2、对上层的多目标规划模型进行求解获得输电网配置方案,将求解结果发送至下层的多场景校验模型校验,下层模型校验结果返回给上层修正求解结果,直到满足迭代精度,输出最终的输电网配置方案。
可选的,电源新建方案包括新建电源的规模和选址、输电走廊可扩建回数、系统线路参数、风电场系统负荷历史数据和风速历史数据等。
本实施例的双层规划模型,上层为考虑经济性、可靠性和运行效率的多目标规划,上层规划方案决策结果传递给下层进行校验。下层模型利用典型场景进行校验,充分考虑了不确定因素对于输电网规划的影响,使得输电网规划方案更具柔性。下层模型校验结果返回给上层的约束条件,不断修正改进上层决策方案,上下层相互约束,共同改进,直到满足迭代精度,从而获得输电网的最优规划方案。
步骤1中为模型的构建步骤,输电网双层规划模型的上层,建立的多目标规划模型,其中多目标可以包括投建和运行成本最小、可靠性最高和运行效率最高等,具体的,本实施例的输电网模型中综合考虑投资维护费用、系统年运行费用、可靠性和运行效率,多目标函数可以包括如下:
1)规划方案建设投资成本最小的目标函数,可以为:
式中:目标f1为规划方案的建设投资等年值费用;k1为资金回收系数,rd为贴现率,y为工程经济使用年限;k2为工程固定运行费用率;cmn为节点m与n间待建线路单位长度造价;xmn为节点m与n间新建线路回路数;lmn为节点m与n间待建线路的长度;Ω1为待选新建线路集合。
2)网损费用最小的目标函数,可以为:
式中:目标f2为线路的可变运行费用,用年网损费用表示;k3为年网损费用系数,ρ为网损电价,τ为最大负荷损耗时间,U为系统额定电压;rij为线路ij的电阻;Pij为正常情况下线路ij输送的有功功率;Ω2为网络中已有和新建的线路集合。
3)可靠性目标:可以采用电量不足期望值EENS来衡量输电网的可靠性,EENS表示给定时间区间内因发电容量短缺或电网约束造成负荷需求电量削减的期望数,可靠性目标函数如下:
minf3=EENS (5)
式中:Ui=λi/λi+μi为元件i的不可用度,λi为元件i故障停运率、μi为元件i强迫停运的修复率;NL为负荷水平分级数;A,B分别表示失效和正常运行的元件集合;F为失负荷事件集合;DNS(Fi)为失负荷事件Fi的负荷削减量;Tn为第n个负荷水平的时间长度。
4)运行效率目标:可以采用线路平均负载率指标衡量系统输电线路的运行效率,该指标反映线路年实际输送电量占理论最大经济输送电量的比例。对于某地区某电压等级共计N路输电线路,运行效率最大,则该地区该电压等级输电线路平均负载率最大,为了将所有的分目标优化统一为最小化问题,此分目标取运行效率的倒数最小,目标函数为:
式中,Ty=8760,Wi为第i条线路累计输送电量,Pi eco为第i条线路经济输送容量。
本实施例的双层模型中的上层多目标模型,设置四个目标函数是本实施例的一个示例,目标函数的数量可以根据具体的需求进行设置。
可选的,上层多目标模型的约束条件,可以包括:输电网系统潮流平衡约束;新建线路数目小于可用输电走廊数目;输电线路潮流不大于该线路潮流极限;发电机组出力在机组出力上下限范围内;弃风容量不能超过风电场实际出力,并小于下层模型返回的期望值;切负荷容量不能超过负荷功率需求,并且小于下层模型返回的期望值。
具体的,本实施例的上层规划以上述四个指标为目标,其目标函数及榆树条件为:
min(f1(x),f2(x),f3(x),f4(x)) (8)
s.t.
xmn∈{0,1,…,M},mn∈Ω1 (11)
式中:与/>分别表示节点i上的各发电机有功出力和与无功出力;/>与/>分别表示节点i上的有功负荷和无功负荷;/>和/>分别表示不考虑不确定性因素影响时节点i的弃风有功量和无功量,/>和/>分别表示不考虑不确定性因素影响时节点i的切负荷有功量和无功量;/>为节点i处电容或电抗器组注入的无功功率;Gij和Bij分别为导纳矩阵第i行第j列元素的实部和虚部;Vi和Vj分别为节点i和节点j的电压幅值;θij为节点i与节点j之间的电压相角差;xmn表示节点m和n之间待建线路,取值为0~M之间的整数,M表示该输电走廊可建线路的回数;fmn和fmnmax分别为位于节点m和n之间的线路的实际潮流和线路容量;/>为节点m和n间原有支路数;PGi为第i台发电机组有功出力,/>和/>分别表示第i台发电机组的出力上下限;R+和R-分别表示系统上下备用要求;/>和/>表示由下层问题返回的弃风容量和切负荷容量的期望值;PWi为第i台风电机组有功出力;Ω1、ΩG、ΩW、ΩD分别表示候选线路集合、常规发电机组集合、风电场节点集合以及含负荷节点集合。
上述约束条件中:式(9)-(10)表示系统潮流平衡约束。式(11)表示新建线路数目受可用输电走廊数目约束。式(12)-(16)表示系统不越限的安全约束,其中:式(12)表示线路潮流极限约束;式(13)表示常规机组出力约束;式(14)表示系统备用约束;式(15)表示弃风容量不能超过风电场实际出力,并且小于下层返回的期望值;式(16)表示切负荷容量不能超过负荷功率需求,并且小于下层返回的期望值。
步骤2中是对建立的模型求解,对上层的多目标规划模型进行求解获得输电网配置方案,可以采用带有精英保留策略的快速非支配排序遗传算法(Non-Dominated SortingGenetic Algorithm-II,NSGA-II)NSGA-II算法求解,得到输电网线路新建方案即为输电网络的规划方案,具体的算法流程图如图2所示,求解过程包括如下步骤:
步骤21、编码:初始化输电网新建线路方案,每条染色体代表一种新建线路方案,生成初始种群。
步骤22、对当前种群中的个体进行非支配排序和拥挤度计算;
步骤23、根据每个个体的非支配等级ranki和拥挤距离nd,i,执行选择、交叉和变异操作,生成子代种群;
步骤24、合并父代种群和子代种群形成新种群,执行精英保留策略,根据每个个体的非支配等级ranki和拥挤距离nd,i对新的种群排序,迭代执行步骤23和步骤24,直到满足迭代终止条件,输出最优个体,即为输电网规划方案。
下面详细说明采用NSGA-II算法求解具体步骤。
(1)编码:初始化输电网新建线路方案,每条染色体代表一种新建线路方案,生成初始种群;其中染色体的长度由待选的输电走廊条数决定,染色体上每一个基因取值可以有0和1两种情况,可以设置的,新建此线路则基因取值为1,否则取值为0,生成初始种群就是随机生成一定数量的染色体。
(2)确定种群中各个个体的Pareto支配关系:
步骤1-1计算每个个体的所有目标分量值:对于不符合模型各种等式和不等式约束条件的个体,给其目标函数值加入惩罚项;
步骤1-2比较任意两个个体的目标分量值大小,确定个体间的Pareto支配关系以及Pareto等级:对于最小化多目标问题中的m个目标分量,任意给定两个个体a与b,若个体a所有的目标分量均小于等于个体b对应的目标分量,且个体a至少存在一个目标分量小于个体b对应的目标分量,则a支配b。
(3)快速非支配排序:按照个体间的支配关系划分等级,获得每个个体的非支配等级即为Pareto等级;本实施例中,一个个体被其他个体支配的个体数量越少,说明计算的目标值越小,对于最小化多目标问题,该个体的目标值越优,非支配等级越高。可以设置非支配等级越高等级数越小,若—个个体不存在其他个体能够支配他,则该个体为非支配解,其Pareto等级为1。
具体的算法为:设种群大小为Npop,该算法需要计算每个个体p的被支配个数np和该个体支配的解的集合Sp这两个参数。遍历整个种群,计算出种群中每个个体的两个参数np和Sp。将种群中参数np为0的个体放入集合F1中,F1为Pareto等级为1的个体集合。再对集合F1中每个个体i支配的Si集合遍历,对集合Si中的每个个体l进行nl=nl-1操作,若nl=0,则把该个体放入集合F2中,集合F2包含Pareto等级2的全部个体,再对集合F2中的个体继续进行上述nl=nl-1操作,执行操作后nl=0,则把该个体放入集合F3中,依次类推直到整个种群全部被划分等级。
(4)计算每个个体的拥挤距离。
为保持个体的多样性,每个pareto等级就是作为一层,要对每层的个体计算拥挤距离以进行层内排序。对种群所有个体的拥挤距离nd初始化为0。对同层的个体按第m个目标函数值升序排列,并令排序后边界的拥挤距离为∞;记为个体目标函数值fm的最大值,/>为最小值,对排序中间的第i个体计算拥挤距离/>式中fm,i+1与fm,i-1分别是该个体排序后一位和前一位的第m个目标函数值。对所有目标函数都重复以上操作,获得对应每个目标函数的每个个体的拥挤距离。
(5)竞标赛选择:根据获得的每个个体的Pareto等级和拥挤距离nd,i,采用轮赛制选择算子对种群所有个体进行筛选,优先选择非支配等级高和稀疏区域的个体;
选择过程使优化朝Pareto最优解的方向进行并使解分布均匀。选择算子的作用是为了避免有效基因的损失。基于每个个体的Pareto等级ranki和拥挤距离nd,i两个属性,根据轮赛制选择算子对种群所有个体进行筛选,保留一个优良个体,淘汰另一较差个体。若个体i优于个体j,当且仅当ranki<rankj或ranki=rankj且nd,i>nd,j,即优先选择非支配等级高和稀疏区域的个体。
(6)交叉和变异:交叉和变异操作的交替运行由父代个体生成子代个体;
可选的,可以采用模拟二进制交叉算子(SBX)和多项式变异算子,交叉和变异操作的交替运行可以提高算法的搜索性能。
假设两个父代个体和/>n为染色体个体的维度,则使用SBX算子产生的两个后代个体/>和/>可以通过式(24)计算得到:
式中:γi是由分布因子η按照式(25)动态随机决定的:
式中:分布指数η是一个自定义的正参数,ui满足ui∈U(0,1)。
一个父代个体x(x1,…,xn)根据多项式变异产生一个子代个体c(c1,…,cn)的过程如式(26)-(27):
ci=xi+Δxi (19)
7)针对父代种群Ci交叉和变异后的获得的个体,执行精英保留策略,生成新的种群。精英保留政策的步骤如下:
首先将父代种群Xi和子代种群Ci合成种群Ri,种群大小为2Npop,根据以下规则从种群Ri生成新的父代种群Xi+1:
计算合成种群Ri每个个体的Pareto等级ranki和拥挤距离nd,i;
按照Pareto等级数从小到大的顺序,将整层种群放入新的父代种群Xi+1,直到某一层该层个体不能全部放入父代种群;
针对不能整层放入的整层,将该层个体根据拥挤距离从大到小排列,依次放入父代种群Xi+1中,直到父代种群Xi+1包含个体数为Npop。
经过以上步骤,即可由初始父代种群X1生成下一代父代种群X2,不断循环此过程,一代代的遗传进化,直到满足迭代终止条件。
本实施例的终止条件,可以为:种群的新建线路成本最小的前N名个体保持不变,且保持不变的迭代次数达到设定的迭代次数Gen。其中N为设定的数量,如可以设置为三个,保持不变的迭代次数设定值Gen可以设置为十次;本实施例的设置次数仅是为了说明,可以根据决策者偏好或求解精度等进行设置,本实施例的即为当种群的新建线路成本最小的前N名个体保持不变,开始计数保持不变的次数,达到十次迭代后仍保持不变,则满足迭代终止条件。
输电网中的电源节点包括常规火电机组节点和风电机组节点等,上层模型的求解过程中,约束条件的判断中包括计算输电网节点的实际潮流,现有的潮流计算方法按照节点为恒定功率节点计算,如潮流计算软件matpower只适用于含常规火电机组的系统的潮流计算,对于具有不确定性的风电机组节点,将风电机组处理为恒功率节点计算潮流不准确。
风电机组发出有功功率的同时要吸收无功功率,而吸收的无功功率大小和并网点电压有关,因此风电机组节点具有不确定性,在潮流计算中,风电场所在节点不能简单处理为功率恒定的节点,需要对获得的节点数据进行修正,以提高潮流计算的准确性。
为提高潮流计算的准确性,本实施例改进了风电机组节点的潮流计算方法:获取输电线路节点的电压幅值和相角;根据给定风速计算风电场有功出力,由转速特性求得风电机组的转差s,根据风电机组有功出力、节点电压初值和风电机相关参数计算风电场节点的无功功率;根据计算获得的无功功率,利用雅可比矩阵修正该节点电压和相角。
根据风电机组有功出力、节点电压初值和风电机组相关参数计算风电场节点的无功功率,风电场节点的无功功率的计算,可以通过如下公式计算:
其中:
式中,Pe为风力发电机注入输电系统的总有功功率,xss=xs+xm,xs为定子侧的漏抗,xm为激磁电抗,US为定子侧电压幅值。s为转差,发电机的同步转速为ω1,转子本身的旋转速度ω,则转差s计算公式为s=(ω1-ω)/ω1。
风力发电机注入输电系统的总有功功率Pe由定子绕组输出的有功功率Ps和转子绕组输出或吸收的有功功率Pr两部分组成。
式中,xss=xs+xm,xs为定子侧的漏抗,xm为激磁电抗,US为定子侧电压幅值。
计算中需要考虑双馈异步风电机组的转子转速控制规律,若发电机的同步转速为ω1,转子本身的旋转速度ω,则转差s计算公式为s=(ω1-ω)/ω1。
当采用恒功率因数控制时,若风电机组功率因数设定为则:
由于变流器吸收或输出的无功功率很小,可以近似认为双馈异步风电机组的无功功率Qe等于定子绕组的无功功率Qs。
通过公式(19)和(17)可以获得公式(20)-(23)。
步骤1中双层规划模型,还包括根据典型场景建立多场景校验模型,本实施例考虑风电作为远侧的不确定供电出力进行说明,可以理解的,输电网的源侧出力可以包括其他的任何新能源发电模式,本实施例以风电进行说明,其多场景校验模型的建立方法包括典型场景获得和模型建立步骤,其中典型场景获得方法,包括如下步骤:
步骤11、根据历史数据,建立拟合风速概率分布的风电出力概率分布模型和表征风电场负荷的分布特性的负荷概率分布模型;
步骤12、分别对风电出力概率分布模型和负荷概率分布模型进行蒙特卡洛抽样,获得大量风电与负荷数据,进行聚类获得风电典型场景和负荷典型场景,即为风电或负荷数据的数据集合。
本实施例同时考虑可再生能源出力和负荷波动的不确定性,采用蒙特卡洛技术生成大量风电与负荷数据,并且采用k-means聚类方法选取出少量具有代表性的典型场景集来校验规划方案,多场景技术的应用使得规划方案对于风电波动性以及负荷波动性的承受能力强,兼顾了计算效率与计算精度,并且使得规划方案更具柔性。
具体的,风电厂风速概率分布参数是体现风能资源统计特性的最重要指标之一,可以采用两参数威布尔分布模型拟合风速概率分布,威布尔分布模型的分布函数为:
威布尔分布模型的概率密度函数为:
式中:c和k分别为威布尔分布的尺度参数和形状参数,其中尺度参数c反映该风电场的平均风速,可由矩估计法进行参数估计,V是给定风速。
风电场的有功功率PW与风速v的函数关系可以写为:
式中:k1=PR/(vcr-vci);k2=-vciPR/(vcr-vci);vci、vcr、vco分别为切入风速、额定风速与切出风速;PR为风电场的额定有功功率。由原始风速数据计算风速服从的威布尔分布参数,得到威布尔分布模型。
风电系统负荷的分布特性近似服从正态分布:
式中:μP与σP为有功负荷概率分布的均值和标准差;μQ与σQ为无功负荷概率分布的均值和标准差。其值由历史的负荷需求数据对正态分布进行参数估计得到。
步骤12中,分别对风电出力概率分布模型和负荷概率分布模型进行蒙特卡洛抽样,获得大量风电与负荷数据,进行聚类获得风电典型场景和负荷典型场景的方法,具体为:
对威布尔分布模型进行蒙特卡洛抽样,将得到的随机样本按照分布函数反变换得到风速预测值,再通过公式(30)将风速数据转换成风电场的有功功率,通过k-means聚类分析形成多个风电典型场景。
对负荷正态分布模型进行蒙特卡洛抽样,并将随机抽样值反变换得到负荷预测值,通过k-means聚类分析形成多个负荷典型场景。
本实施例的双层规划模型中,下层规划用于校验上层所得规划方案对不确定性因素的承受能力。下层规划所考虑的不确定性因素主要包括风电场出力不确定性与节点负荷随机波动,可以构建以弃风惩罚与切负荷惩罚量之和最小为目标的优化模型,具体如下:
s.t.
式中:ρs为场景s发生的概率,N为典型场景数;和/>分别为场景s下节点i的弃风有功量和无功量,/>和/>分别为场景s下节点i的切负荷有功量和无功量;α和β分别为对应的惩罚因子;/>和/>分别表示由上层问题求解得到的规划方案下的系统导纳矩阵第i行第j列元素的实部和虚部,在下层问题中为已知量;fmn,s和/>表示基于上层模型所得规划方案中场景s中在节点m和n间的线路中的实际潮流和线路容量;PGi,s为场景s下第i台常规机组有功出力;PWi,s为场景s下第i个风电场发电有功出力;/>为场景s下节点i的有功负荷;/>和/>分别表示常规机组i的正负爬坡能力极限;η+和η-表示系统所需要的最小正负爬坡容量。
作为进一步地改进,下层模型中的公式(34)和(35)为输电网系统潮流平衡约束,输电网系统潮流平衡约束为非凸规划问题,非凸规划问题的收敛性较差,因此,为提高收敛速度,将输电网系统潮流平衡约束非凸的交流潮流方程转化为凸的二阶锥约束,建立交流潮流方程的二阶锥近似模型,获得二阶锥约束组如下:
式中:和/>分别为节点j流向节点k的线路有功和无功功率;/>和/>分别为节点i流向节点j的线路有功和无功功率;/>和/>分别为节点j的有功和无功负荷;/>和/>分别为节点j所有发电机组的有功出力和与无功出力和;rij和xij分别为支路i→j的电阻和电抗;gj和bj分别为节点j对地的电导和电纳;/>和/>为表示考虑节点i和节点j的电压幅值为常数的变量,而非优化变量;hij为支路i→j上流过电流的模平方。用式(41)-(45)替换下层规划模型中的(34)-(35),注意所有的变量都是对应于场景s下的,此处为方便说明省略下标s。
下层规划模型为二阶锥规划问题。可选的,可以采用求解器CPLEX求解下层的大规模不确定场景下的多约束规划问题。为了简化程序格式、提高程序可读性,先求解规划,即可快速得到最优解,获得对应上层模型所得规划方案在典型场景中进行校验获得的弃风容量和切负荷容量的期望值。
该二阶锥约束组充分计及了有功功率、无功功率、电压和相角等重要变量之间的耦合关系,更精确地考虑它们对输电网规划的影响,进行二阶锥松弛处理的下层多场景校验模型用求解器CPLEX求解,很大程度提高了模型求解精度和计算效率。
步骤2中,上下层模型迭代求解方法,具体如下:
对双层规划模型中上层的多目标规划模型求解,获得输电网规划方案,上层问题求解的获得的规划方案结果通过xmn变量向下层传递,把输电规划决策方案传达至下层。下层问题则在此决策方案的基础上利用典型场景校验,求取上层输电规划方案下的弃风量期望值和切负荷量期望值/>并向上层模型反馈,并修改上层模型中式(15)和(16)所表示的约束条件。
可以设定的,可以设置上下层迭代的终止条件为:当在两次迭代间弃风量期望和切负荷量期望的相对差值小于给定值时,终止迭代。
两次迭代间弃风量期望和切负荷量期望的相对差值较小,说明该方案在不确定性因素校验下,弃风量期望值和切负荷量期望值与在确定性环境下的相近,满足设定的安全校验要求;否则,说明该方案不满足安全校验要求,需要重新优化求解。上下层模型相互作用,互相反馈,反复迭代直到满足精度,流程图如附图1所示。
算例与计算结果:
利用调整后的IEEE39节点系统作为原有的系统,假设某一年系统的电源规划结果是在8号和26号节点新建两个风电场,系统拓扑图如附图3所示,负荷历史数据与风速历史数据采用某市2013年至2017年数据。
经过计算,新建线路的决策结果如表1所示。
表1线路决策结果
此决策方案兼顾经济性,运行效率和可靠性指标,并且将弃风和切负荷比例控制在一定范围内,该系统可以承受住源荷不确定性波动的校验。
本公开的输电网规划模型为双层规划模型,上层为考虑经济性、可靠性和运行效率的多目标规划,对上层模型求解获得输电网规划方案,上层规划方案决策结果传递给下层进行校验。下层模型利用典型场景进行校验,充分考虑了不确定因素对于输电网规划的影响,使得输电网规划方案更能承受风电和负荷的波动,并将校验结果返回给上层的约束条件。上层发挥了NSGA-II算法协同考虑多个目标的优势,下层利用CPLEX求解器和多场景技术解决计算精度与运算效率的矛盾问题,上下层互相修正共同进化,使得规划决策方案更适用于风电渗透率越来越高的电网。
实施例2
本实施例提供考虑源荷不确定性的输电网多目标柔性规划系统,包括:
模型建立模块:被配置为用于获取电源新建方案数据,建立输电网双层规划模型,上层建立以成本最小、可靠性最高和运行效率最高为多目标的多目标规划模型;下层根据典型场景建立多场景校验模型;
迭代求解模块:被配置为用于对上层的多目标规划模型进行求解获得输电网配置方案,将求解结果发送至下层的多场景校验模型校验,下层模型校验结果返回给上层修正求解结果,直到满足迭代精度,输出最终的输电网配置方案。
实施例3
本实施例提供一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例1的方法所述的步骤。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (7)
1.考虑源荷不确定性的输电网多目标柔性规划方法,其特征是,包括如下步骤:
获取电源新建方案数据,建立输电网双层规划模型,上层建立以成本最小、可靠性最高和运行效率最高为多目标的多目标规划模型;下层根据典型场景建立多场景校验模型;
对上层的多目标规划模型进行求解获得输电网配置方案,将求解结果发送至下层的多场景校验模型校验,下层模型校验结果返回给上层用于修正上层模型的求解结果,直到满足迭代精度,输出最终的输电网配置方案;
所述双层规划模型的上层多目标规划模型的目标函数包括:规划方案建设投资成本最小的目标函数、网损费用最小的目标函数、可靠性目标函数和运行效率最高的目标函数;
以上述四个指标为目标,其目标函数及约束条件为:
min(f1(x),f2(x),f3(x),f4(x))(8)
s.t.
xmn∈{0,1,…,M},mn∈Ω1(11)
式中:Pi g与分别表示节点i上的各发电机有功出力和与无功出力;Pi d与/>分别表示节点i上的有功负荷和无功负荷;/>和/>分别表示不考虑不确定性因素影响时节点i的弃风有功量和无功量,/>和/>分别表示不考虑不确定性因素影响时节点i的切负荷有功量和无功量;/>为节点i处电容或电抗器组注入的无功功率;Gij和Bij分别为导纳矩阵第i行第j列元素的实部和虚部;Vi和Vj分别为节点i和节点j的电压幅值;θij为节点i与节点j之间的电压相角差;xmn表示节点m和n之间待建线路,取值为0~M之间的整数,M表示输电走廊可建线路的回数;fmn和fmnmax分别为位于节点m和n之间的线路的实际潮流和线路容量;/>为节点m和n间原有支路数;PGi为第i台发电机组有功出力,/>和/>分别表示第i台发电机组的出力上下限;R+和R-分别表示系统上下备用要求;/>和/>表示由下层问题返回的弃风容量和切负荷容量的期望值;PWi为第i台风电机组有功出力;Ω1、ΩG、ΩW、ΩD分别表示候选线路集合、常规发电机组集合、风电场节点集合以及含负荷节点集合;
上述约束条件中:式(9)-(10)表示系统潮流平衡约束;式(11)表示新建线路数目受可用输电走廊数目约束;式(12)-(16)表示系统不越限的安全约束,其中:式(12)表示线路潮流极限约束;式(13)表示常规机组出力约束;式(14)表示系统备用约束;式(15)表示弃风容量不能超过风电场实际出力,并且小于下层返回的期望值;式(16)表示切负荷容量不能超过负荷功率需求,并且小于下层返回的期望值;
上层模型的求解过程中,为提高潮流计算的准确性,改进了风电机组节点的潮流计算方法:获取输电线路节点的电压幅值和相角;根据给定风速计算风电场有功出力,由转速特性求得风电机组的转差s,根据风电机组有功出力、节点电压初值和风电机相关参数计算风电场节点的无功功率;根据计算获得的无功功率,利用雅可比矩阵修正该节点电压和相角;
根据风电机组有功出力、节点电压初值和风电机组相关参数计算风电场节点的无功功率,风电场节点的无功功率的计算,可以通过如下公式计算:
其中:
式中,Pe为风力发电机注入输电系统的总有功功率,xss=xs+xm,xs为定子侧的漏抗,xm为激磁电抗,US为定子侧电压幅值;s为转差,发电机的同步转速为ω1,转子本身的旋转速度ω,则转差s计算公式为s=(ω1-ω)/ω1;
所述下层的多场景校验模型的建立方法,包括如下步骤:
根据历史数据,建立拟合风速概率分布的风电出力概率分布模型和表征风电场负荷的分布特性的负荷概率分布模型;
分别对风电出力概率分布模型和负荷概率分布模型进行蒙特卡洛抽样,获得大量风电与负荷数据,进行聚类获得风电典型场景和负荷典型场景;
构建以弃风惩罚与切负荷惩罚量之和最小为目标的多场景校验模型;
下层规划所考虑的不确定性因素主要包括风电场出力不确定性与节点负荷随机波动,构建以弃风惩罚与切负荷惩罚量之和最小为目标的优化模型,具体如下:
s.t.
式中:ρs为场景s发生的概率,N为典型场景数;和/>分别为场景s下节点i的弃风有功量和无功量,/>和/>分别为场景s下节点i的切负荷有功量和无功量;α和β分别为对应的惩罚因子;/>和/>分别表示由上层问题求解得到的规划方案下的系统导纳矩阵第i行第j列元素的实部和虚部,在下层问题中为已知量;fmn,s和/>表示基于上层模型所得规划方案中场景s中在节点m和n间的线路中的实际潮流和线路容量;PGi,s为场景s下第i台常规机组有功出力;PWi,s为场景s下第i个风电场发电有功出力;/>为场景s下节点i的有功负荷;/>和/>分别表示常规机组i的正负爬坡能力极限;η+和η-表示系统所需要的最小正负爬坡容量;
作为进一步地改进,下层模型中的公式(34)和(35)为输电网系统潮流平衡约束,输电网系统潮流平衡约束为非凸规划问题,非凸规划问题的收敛性较差,因此,为提高收敛速度,将输电网系统潮流平衡约束非凸的交流潮流方程转化为凸的二阶锥约束,建立交流潮流方程的二阶锥近似模型,获得二阶锥约束组如下:
式中:和/>分别为节点j流向节点k的线路有功和无功功率;/>和/>分别为节点i流向节点j的线路有功和无功功率;/>和/>分别为节点j的有功和无功负荷;/>和/>分别为节点j所有发电机组的有功出力和与无功出力和;rij和xij分别为支路i→j的电阻和电抗;gj和bj分别为节点j对地的电导和电纳;Vi (c)和/>为表示考虑节点i和节点j的电压幅值为常数的变量,而非优化变量;hij为支路i→j上流过电流的模平方;用式(41)-(45)替换下层规划模型中的(34)-(35),注意所有的变量都是对应于场景s下的,此处为方便说明省略下标s。
2.如权利要求1所述的考虑源荷不确定性的输电网多目标柔性规划方法,其特征是:所述多目标规划模型的约束条件包括:
输电网系统潮流平衡约束;
新建线路数目小于可用输电走廊数目;
输电线路潮流不大于该线路潮流极限;
发电机组出力在机组出力上下限范围内;
弃风容量不超过风电场实际出力,并且小于双层规划模型的下层模型返回的期望值;
切负荷容量不超过负荷功率需求,并且小于双层规划模型的下层模型返回的期望值。
3.如权利要求1所述的考虑源荷不确定性的输电网多目标柔性规划方法,其特征是:对上层的多目标规划模型进行求解获得输电网配置方案,采用带有精英保留策略的快速非支配排序遗传算法,具体步骤为:
步骤21、初始化输电网新建线路方案,每条染色体代表一种新建线路方案,生成初始种群;
步骤22、对当前种群中的个体进行非支配排序和拥挤度计算;
步骤23、根据每个个体的非支配等级和拥挤距离,执行选择、交叉和变异操作,生成子代种群;
步骤24、合并父代种群和子代种群形成新种群,执行精英保留策略,根据每个个体的非支配等级和拥挤距离对新的种群排序,迭代执行步骤23至步骤24,直到满足迭代终止条件,输出最优个体,即为输电网规划方案。
4.如权利要求1所述的考虑源荷不确定性的输电网多目标柔性规划方法,其特征是:风电出力概率分布模型具体为威布尔分布模型;
或者,进行聚类获得风电典型场景和负荷典型场景,其中聚类方法为k-means聚类方法;
或者,下层的多场景校验模型中的约束中,将输电网系统潮流平衡约束非凸的交流潮流方程转化为凸的二阶锥约束。
5.如权利要求1所述的考虑源荷不确定性的输电网多目标柔性规划方法,其特征是:双层规划模型中的上下层模型迭代求解方法,具体如下:
对双层规划模型中上层的多目标规划模型求解,获得输电网规划方案,把输电网规划方案传至下层;下层模型求解根据上层传输的输电网规划方案利用典型场景校验,求取上层输电规划方案下的弃风量期望值和切负荷量期望值,并向上层模型反馈,并修改上层模型中对应约束条件;当在两次迭代间弃风量期望和切负荷量期望的相对差值小于给定值时,终止迭代。
6.考虑源荷不确定性的输电网多目标柔性规划系统,其特征是,包括:
模型建立模块:被配置为用于获取电源新建方案数据,建立输电网双层规划模型,上层建立以成本最小、可靠性最高和运行效率最高为多目标的多目标规划模型;下层根据典型场景建立多场景校验模型;
迭代求解模块:被配置为用于对上层的多目标规划模型进行求解获得输电网配置方案,将求解结果发送至下层的多场景校验模型校验,下层模型校验结果返回给上层用于修正上层模型的求解结果,直到满足迭代精度,输出最终的输电网配置方案;
所述双层规划模型的上层多目标规划模型的目标函数包括:规划方案建设投资成本最小的目标函数、网损费用最小的目标函数、可靠性目标函数和运行效率最高的目标函数;
以上述四个指标为目标,其目标函数及约束条件为:
min(f1(x),f2(x),f3(x),f4(x))(8)
s.t.
xmn∈{0,1,…,M},mn∈Ω1(11)
式中:Pi g与分别表示节点i上的各发电机有功出力和与无功出力;Pi d与/>分别表示节点i上的有功负荷和无功负荷;/>和/>分别表示不考虑不确定性因素影响时节点i的弃风有功量和无功量,/>和/>分别表示不考虑不确定性因素影响时节点i的切负荷有功量和无功量;/>为节点i处电容或电抗器组注入的无功功率;Gij和Bij分别为导纳矩阵第i行第j列元素的实部和虚部;Vi和Vj分别为节点i和节点j的电压幅值;θij为节点i与节点j之间的电压相角差;xmn表示节点m和n之间待建线路,取值为0~M之间的整数,M表示输电走廊可建线路的回数;fmn和fmnmax分别为位于节点m和n之间的线路的实际潮流和线路容量;/>为节点m和n间原有支路数;PGi为第i台发电机组有功出力,/>和/>分别表示第i台发电机组的出力上下限;R+和R-分别表示系统上下备用要求;/>和/>表示由下层问题返回的弃风容量和切负荷容量的期望值;PWi为第i台风电机组有功出力;Ω1、ΩG、ΩW、ΩD分别表示候选线路集合、常规发电机组集合、风电场节点集合以及含负荷节点集合;
上述约束条件中:式(9)-(10)表示系统潮流平衡约束;式(11)表示新建线路数目受可用输电走廊数目约束;式(12)-(16)表示系统不越限的安全约束,其中:式(12)表示线路潮流极限约束;式(13)表示常规机组出力约束;式(14)表示系统备用约束;式(15)表示弃风容量不能超过风电场实际出力,并且小于下层返回的期望值;式(16)表示切负荷容量不能超过负荷功率需求,并且小于下层返回的期望值;
上层模型的求解过程中,为提高潮流计算的准确性,改进了风电机组节点的潮流计算方法:获取输电线路节点的电压幅值和相角;根据给定风速计算风电场有功出力,由转速特性求得风电机组的转差s,根据风电机组有功出力、节点电压初值和风电机相关参数计算风电场节点的无功功率;根据计算获得的无功功率,利用雅可比矩阵修正该节点电压和相角;
根据风电机组有功出力、节点电压初值和风电机组相关参数计算风电场节点的无功功率,风电场节点的无功功率的计算,可以通过如下公式计算:
其中:
式中,Pe为风力发电机注入输电系统的总有功功率,xss=xs+xm,xs为定子侧的漏抗,xm为激磁电抗,US为定子侧电压幅值;s为转差,发电机的同步转速为ω1,转子本身的旋转速度ω,则转差s计算公式为s=(ω1-ω)/ω1;
所述下层的多场景校验模型的建立方法,包括如下步骤:
根据历史数据,建立拟合风速概率分布的风电出力概率分布模型和表征风电场负荷的分布特性的负荷概率分布模型;
分别对风电出力概率分布模型和负荷概率分布模型进行蒙特卡洛抽样,获得大量风电与负荷数据,进行聚类获得风电典型场景和负荷典型场景;
构建以弃风惩罚与切负荷惩罚量之和最小为目标的多场景校验模型;
下层规划所考虑的不确定性因素主要包括风电场出力不确定性与节点负荷随机波动,可以构建以弃风惩罚与切负荷惩罚量之和最小为目标的优化模型,具体如下:
s.t.
式中:ρs为场景s发生的概率,N为典型场景数;和/>分别为场景s下节点i的弃风有功量和无功量,/>和/>分别为场景s下节点i的切负荷有功量和无功量;α和β分别为对应的惩罚因子;/>和/>分别表示由上层问题求解得到的规划方案下的系统导纳矩阵第i行第j列元素的实部和虚部,在下层问题中为已知量;fmn,s和/>表示基于上层模型所得规划方案中场景s中在节点m和n间的线路中的实际潮流和线路容量;PGi,s为场景s下第i台常规机组有功出力;PWi,s为场景s下第i个风电场发电有功出力;/>为场景s下节点i的有功负荷;/>和/>分别表示常规机组i的正负爬坡能力极限;η+和η-表示系统所需要的最小正负爬坡容量;
作为进一步地改进,下层模型中的公式(34)和(35)为输电网系统潮流平衡约束,输电网系统潮流平衡约束为非凸规划问题,非凸规划问题的收敛性较差,因此,为提高收敛速度,将输电网系统潮流平衡约束非凸的交流潮流方程转化为凸的二阶锥约束,建立交流潮流方程的二阶锥近似模型,获得二阶锥约束组如下:
式中:和/>分别为节点j流向节点k的线路有功和无功功率;/>和/>分别为节点i流向节点j的线路有功和无功功率;/>和/>分别为节点j的有功和无功负荷;/>和/>分别为节点j所有发电机组的有功出力和与无功出力和;rij和xij分别为支路i→j的电阻和电抗;gj和bj分别为节点j对地的电导和电纳;Vi (c)和/>为表示考虑节点i和节点j的电压幅值为常数的变量,而非优化变量;hij为支路i→j上流过电流的模平方;用式(41)-(45)替换下层规划模型中的(34)-(35),注意所有的变量都是对应于场景s下的,此处为方便说明省略下标s。
7.一种计算机可读存储介质,其特征是,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-5任一项方法所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010498970.4A CN111639870B (zh) | 2020-06-04 | 2020-06-04 | 考虑源荷不确定性的输电网多目标柔性规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010498970.4A CN111639870B (zh) | 2020-06-04 | 2020-06-04 | 考虑源荷不确定性的输电网多目标柔性规划方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111639870A CN111639870A (zh) | 2020-09-08 |
CN111639870B true CN111639870B (zh) | 2023-07-18 |
Family
ID=72330579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010498970.4A Active CN111639870B (zh) | 2020-06-04 | 2020-06-04 | 考虑源荷不确定性的输电网多目标柔性规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111639870B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241816A (zh) * | 2020-10-28 | 2021-01-19 | 国网浙江省电力有限公司经济技术研究院 | 一种输电线路规划方法、装置及电子设备 |
CN112884270B (zh) * | 2020-12-31 | 2023-02-17 | 国网山东省电力公司聊城供电公司 | 一种考虑不确定性因素的多场景配电网规划方法及系统 |
CN112949008B (zh) * | 2021-02-08 | 2023-04-07 | 国网河北省电力有限公司衡水供电分公司 | 一种配电网规划方法及相关装置 |
CN113256055B (zh) * | 2021-03-31 | 2022-06-10 | 国网河北省电力有限公司营销服务中心 | 配电网多元接入体规划方法及终端设备 |
CN113343426B (zh) * | 2021-05-11 | 2023-05-12 | 山东大学 | 考虑现实需求导向的城市配电网线路规划方法及系统 |
CN113191026A (zh) * | 2021-06-01 | 2021-07-30 | 上海交通大学 | 以园区定位为导向的园区综合能源网络规划方法及系统 |
CN115149523B (zh) * | 2022-06-27 | 2024-05-07 | 国网山西省电力公司经济技术研究院 | 一种考虑风光出力不确定性的充电站配置方法及系统 |
CN115169854A (zh) * | 2022-06-30 | 2022-10-11 | 国网北京市电力公司 | 一种源网荷储的农村配电网规划方法、装置、设备及介质 |
CN115864429A (zh) * | 2022-08-31 | 2023-03-28 | 湖北工业大学 | 双碳目标下风储火协同的多目标优化agc方法 |
CN117314043A (zh) * | 2023-08-23 | 2023-12-29 | 华北电力大学 | 一种场景驱动的综合能源互补容量规划方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107591807A (zh) * | 2017-10-17 | 2018-01-16 | 成都城电电力工程设计有限公司 | 一种新能源接入下的输电网规划的优化方法 |
CN110707706A (zh) * | 2019-11-22 | 2020-01-17 | 燕山大学 | 一种基于线路潮流分布的输电网规划方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866919B (zh) * | 2015-05-20 | 2018-09-28 | 天津大学 | 基于改进nsga-ii的含风电场电网多目标规划方法 |
CN106487005B (zh) * | 2016-11-14 | 2019-01-18 | 国网浙江省电力公司经济技术研究院 | 一种考虑输配电价的电网规划方法 |
-
2020
- 2020-06-04 CN CN202010498970.4A patent/CN111639870B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107591807A (zh) * | 2017-10-17 | 2018-01-16 | 成都城电电力工程设计有限公司 | 一种新能源接入下的输电网规划的优化方法 |
CN110707706A (zh) * | 2019-11-22 | 2020-01-17 | 燕山大学 | 一种基于线路潮流分布的输电网规划方法及系统 |
Non-Patent Citations (3)
Title |
---|
A multi-objective framework for dynamic transmission expansion planning in competitive electricity market;Asghar Akbari Foroud;Electrical Power and Energy Systems;全文 * |
智能电网条件下的多目标输电网规划;王清柱;通信电源技术;第36卷(第12期);全文 * |
考虑风电和负荷不确定性的输电网多目标柔性规划;王娟娟;中国电力;第55卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111639870A (zh) | 2020-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111639870B (zh) | 考虑源荷不确定性的输电网多目标柔性规划方法及系统 | |
CN112132427B (zh) | 一种考虑用户侧多种资源接入的电网多层规划方法 | |
CN112217202A (zh) | 考虑灵活性投资的分布式新能源、储能与配电网规划方法 | |
CN107316113B (zh) | 一种输电网规划方法及系统 | |
CN104600713A (zh) | 含风力/光伏发电配电网日前无功调度的生成装置及方法 | |
Sudabattula et al. | Optimal allocation of wind based distributed generators in distribution system using Cuckoo Search Algorithm | |
CN107785935A (zh) | 计及风险及机组组合的电网风电消纳能力评估方法 | |
CN110429636A (zh) | 一种静态电压稳定故障筛选与排序的方法 | |
CN115496273A (zh) | 一种可再生能源集群分布鲁棒优化配置方法及系统 | |
CN114142461B (zh) | 考虑电网形态演变和结构发展的新能源差异化配置方法 | |
Xiao et al. | Optimal sizing and siting of soft open point for improving the three phase unbalance of the distribution network | |
CN113158547B (zh) | 计及经济性和可靠性的区域综合能源系统优化配置方法 | |
CN113364043A (zh) | 一种基于条件风险价值的微电网群优化方法 | |
CN116707023A (zh) | 基于源荷相关性聚类的主动配电网分层分区综合优化方法 | |
Odero et al. | Wind Energy Resource Prediction and Optimal Storage Sizing to Guarantee Dispatchability: A Case Study in the Kenyan Power Grid | |
CN113344316A (zh) | 一种电网与气网协调运行调度策略确定方法和系统 | |
CN113690930B (zh) | 基于nsga-iii算法的分布式光伏电源中长期选址定容方法 | |
Cai et al. | Two-tier coordinated optimal scheduling of wind/PV/hydro and storage systems based on generative adversarial network scene generation | |
Vankadara et al. | Cost analysis for DC microgrid incorporating renewable energy resources using search-and rescue-based emperor penguin optimization algorithm | |
CN116742673B (zh) | 主动配电网混合储能系统的选址定容双层优化方法及系统 | |
Wu et al. | A Distribution Network Flexible Resource Capacity Configuration Method with Large Renewable Energy Sources Access | |
CN117117876B (zh) | 电网全要素资源协调控制方法及系统 | |
Kilonzi et al. | A GA/IPSO based approach for System loss reduction and Voltage profile improvement Employing arithmetic Crossover and mutation. | |
Xia et al. | An improved multi-objective differential evolution algorithm for active power dispatch in power system with wind farms | |
Liu et al. | A closed‐loop representative day selection framework for generation and transmission expansion planning with demand response |
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 |