CN111654046A - 一种多应用场景的储能电站布置方法、系统及存储介质 - Google Patents
一种多应用场景的储能电站布置方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111654046A CN111654046A CN202010299533.XA CN202010299533A CN111654046A CN 111654046 A CN111654046 A CN 111654046A CN 202010299533 A CN202010299533 A CN 202010299533A CN 111654046 A CN111654046 A CN 111654046A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power station
- storage power
- arrangement
- capacity
- 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
Images
Classifications
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种多应用场景的储能电站布置方法，包括以下步骤：初步选择电压问题和潮流拥塞线路的近区为储能接入点；储能调频时，在区域互联系统的联络断面较为薄弱情况下选择对发电机功角影响最小的点作为储能接入点；在同一个储能接入点只布置一个储能电站，该储能电站容量为解决单一问题所述的最大容量；储能电站的接入点以经济最佳为目标函数，并将储能电站对电网的调峰问题、调压问题、调频问题、潮流拥塞问题的解决作为约束条件，以此构建储能电站布置模型；求解储能电站布置模型，得到储能电站的布置位置和容量配置。通过本发明得到的储能电站布置，不仅计算更加简单，而且可以更加有效的利用储能电站的容量解决多种问题，经济效益更好。
Description
技术领域
本发明涉及电力系统分析领域，特别是涉及一种多应用场景的储能电站布置方法。
背景技术
如今电网中接入了越来越多的可再生能源，可再生能源出力的随机性和波动性给电力系统带来了冲击，给电网带来了更多的问题。而由于储能电站具有调压、疏散潮流、调频调峰等多种作用，对于电网的安全稳定运行有着积极的作用，因此建设储能电站成为了增强电网稳定性一种方法。但如何布置储能电站让储能电站可以解决更多的电网问题、获得更大的经济效益依然没有很好的解决。
发明内容
本发明的目的在于提出一种多应用场景的储能电站布置方法，能够在多应用场景对储能电站进行合理布置。
实现本发明目的的技术解决方案为：
第一方面，提供了一种多应用场景的储能电站布置方法，包括以下步骤：
初步选择电压问题和潮流拥塞线路的近区为第一预选储能接入点；
储能调频时，在区域互联系统的联络断面较为薄弱情况下选择对发电机功角影响最小的点作为第二预选储能接入点；
在同一个储能接入点只布置一个储能电站，其中该储能电站容量为解决单一问题所述的最大容量；
储能电站的接入点以经济最佳为目标函数，并将储能电站对电网的调峰问题，调压问题，调频问题以及潮流拥塞问题的解决作为约束条件，以此构建储能电站布置模型；
求解储能电站布置模型，得到储能电站的布置位置和容量配置。
结合第一方面，进一步的，构建储能电站布置模型的目标函数如式(1)所示：
F＝f_c×n+f_p×P+f_s×S+f_w×S (1)
其中，F为总投资成本，f_c为储能电站建设成本，f_p为储能元件功率成本，f_s为储能元件容量成本，f_w为储能元件维护成本，n为储能电站的建设数量，P为储能电站的总布置功率，S为储能电站的总容量；
约束条件如式(2)所示：
其中，Vi表示电网系统第i个节点的电压，fi表示电网系统第i个节点的频率，Sl表示线路的实际潮流，Slb表示线路潮流标准。
结合第一方面，进一步的，当选取电压问题和潮流拥塞线路的近区为储能接入点时优先选择电压问题的近区位置。
结合第一方面，进一步的，所述近区具体指与故障节点直接相连的节点以及与该直接相连节点直接相连的节点。
结合第一方面，进一步的，求解储能电站布置模型时首先采用遗传算法对模型进行求解，得到储能电站的布置位置和初步容量配置，再通过粒子群算法对储能电站的容量进行精细寻优，得到最终的储能电站的布置位置和容量配置。
第二方面，提供了一种多应用场景的储能电站布置系统，包括：
初步选择模块：用于初步选择电压问题和潮流拥塞线路的近区为第一预选储能接入点；
储能调频时，在区域互联系统的联络断面较为薄弱情况下选择对发电机功角影响最小的点作为第二预选储能接入点；
在同一个储能接入点只布置一个储能电站，其中该储能电站容量为解决单一问题所述的最大容量；
建模模块：用于储能电站的接入点以经济最佳为目标函数，并将储能电站对电网的调峰问题，调压问题，调频问题以及潮流拥塞问题的解决作为约束条件，以此构建储能电站布置模型；
确定模块：用于求解储能电站布置模型，得到储能电站的布置位置和容量配置。
结合第二方面，进一步的，所述建模模块包括：
目标函数建立模块：用于构建储能电站布置模型的目标函数，如式(1)所示：
F＝f_c×n+f_p×P+f_s×S+f_w×S (1)
其中，F为总投资成本，f_c为储能电站建设成本，f_p为储能元件功率成本，f_s为储能元件容量成本，f_w为储能元件维护成本，n为储能电站的建设数量，P为储能电站的总布置功率，S为储能电站的总容量；
约束确定模块：用于确定目标函数约束条件，如式(2)所示：
其中，Vi表示电网系统第i个节点的电压，fi表示电网系统第i个节点的频率，Sl表示线路的实际潮流，Slb表示线路潮流标准。
结合第二方面，进一步的，所述布置确定模块包括：
初步求解模块：用于求解储能电站布置模型时首先采用遗传算法对模型进行求解，得到储能电站的布置位置和初步容量配置；
最终确定模块：用于通过粒子群算法对储能电站的容量进行精细寻优，得到最终的储能电站的布置位置和容量配置
第三方面，提供了一种多应用场景的储能电站布置系统，包括存储器和处理器；
所述存储器用于存储指令；
所述处理器用于根据所述指令进行操作以执行第一方面任一项所述方法的步骤。
第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面任一项所述方法的步骤。
本发明与现有技术相比，其显著优点在于：1)现有技术多利用储能电站来解决电网中的单个问题，但并未考虑到合理的利用储能电站的布置容量去解决更多的电网问题，而本发明则是从解决多个问题的角度出发进行储能电站规划的；2)本发明的步骤简洁、计算简单，且可以合理的确定储能电站的容量，避免储能电站容量的浪费。
附图说明
图1为本发明一种多应用场景的储能电站布置方法的流程图；
图2为本发明中仿真系统未接入储能电站前的线路潮流图；
图3为本发明中仿真系统接入储能电站后的线路潮流图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1-3所示，本发明实施例提供的一种多应用场景的储能电站布置方法，包括：
步骤一、初步选择电压问题和潮流拥塞线路的近区位置为第一预选储能接入点；且选取电压问题(电压不稳需要调压)和潮流拥塞线路的近区位置时，应当先考虑电压问题的近区位置，再考虑潮流拥塞线路的近区位置；例如：在2019年上半年的运行方式下，当1s时莲瓯5489线发生三相短路故障，0.15s后莲瓯5489和莲海5490线两端断路器动作将线路切除，此时故障近区节点电压变化如图2所示，由图可知浙三门和浙塘岭的电压问题最大，因此可选择此两点作为储能电站待接入点。而根据图3可知，在浙江西南地区水电大发时，象鹤线和象睦线的潮流都超过了限值(限值370MW)，需要采取措施降低越限线路潮流，此时可选择近区节点浙睦田和浙鹤溪作为储能电站的待接入点。
步骤二、储能进行调频作业时，需要考虑当区域互联系统的联络断面较为薄弱时，储能电站接入的位置对发电机功角的影响，选择影响最小(在周围的几个备选点中选择影响最小的那一个)的点作为第二预选储能接入点；由于浙江电网整体较为坚强，所以不存在薄弱断面，进行调频时储能电站的接入位置对发电机功角影响差异很小，因此不需要特别选择接入点，即在步骤一中布置的储能电站接入点在任何位置都能解决该调频问题。
步骤三、判断前两个步骤中的储能电站待接入点是否存在相同的点，即第一预选接入点和第二预选接入点是否重叠，若存在相同的接入点(即第一、第二预选接入点重叠)，则在同一个接入点只设置一个储能电站，即在该点的储能电站成本投资仅投资一次，容量则为解决单一问题所需的最大容量，即对单个调压问题、调频问题和潮流拥塞问题的储能待接入点进行分析，若在某点因为上述其中一个问题设置过储能电站了，则当在该点存在别的问题时也不再另外设置储能电站，在本发明实施例中，调压问题和潮流越限问题接入点并不相同，而调频问题的接入点则是从调压问题和潮流越线问题的接入点中选取的。
步骤四、储能电站的布置应当以经济最佳为目标函数，同时将储能电站对电网的调峰问题、调压问题、调频问题、潮流拥塞问题的解决作为约束条件此构建储能电站布置模型；其中目标函数应当如下式所示：
F＝f_c×n+f_p×P+f_s×S+f_w×S (1)
其中，F为总投资成本，f_c为储能电站建设成本，f_p为储能元件功率成本，f_s为储能元件容量成本，f_w为储能元件维护成本，n为储能电站的建设数量，P为储能电站的总布置功率，S为储能电站的总容量；
约束条件如式(2)所示：
其中，Vi表示电网系统第i个节点的电压，fi表示电网系统第i个节点的频率，Sl表示线路的实际潮流，Slb表示线路潮流标准。
在本次规划中，可以将每个储能电站建设成本(包含用地成本)f_c设定为500万元，储能元件功率成本f_p为0.54万元/千瓦，储能元件容量成本f_s为0.2万元/千瓦，储能元件维护成本f_w为0.01万元/千瓦，Slb为370MW。
步骤五、对储能电站布置模型进行求解，得到储能电站的布置位置和容量配置。首先，应先利用遗传算法对储能电站布置模型(规划模型)进行求解，得到储能电站的布置位置和初步容量配置，再利用粒子群算法对储能电站的容量进行精细寻优，得到最终的考虑多应用场景储能电站最优布置(即确定最终的储能接入点)(这里的遗传算法和粒子算法均为现有技术)。
利用遗传算法对储能电站进行初步规划后，得到的结果如下表1所示：
表1遗传算法得到的储能电站寻址定容规划结果
| 序号 | 浙三门 | 浙塘岭 | 浙鹤溪 | 浙睦田 | 费用(万元) |
| 1 | 256MW | 0 | 308MW | 312MW | 833700 |
| 2 | 144MW | 0 | 352MW | 256MW | 715900 |
| 3 | 256MW | 0 | 448MW | 208MW | 829900 |
| 4 | 160MW | 0 | 368MW | 240MW | 731100 |
| 5 | 264MW | 0 | 332MW | 268MW | 822300 |
再利用粒子群算法对储能电站进行精细寻优，得到的最终规划结果如表2所示。
表2粒子群算法得到的储能电站寻址定容规划结果
| 序号 | 浙三门 | 浙塘岭 | 浙鹤溪 | 浙睦田 | 费用(万元) |
| 1 | 120MW | 0 | 321MW | 276MW | 685500 |
| 2 | 120MW | 0 | 332MW | 262MW | 679800 |
| 3 | 121MW | 0 | 327MW | 271MW | 684550 |
| 4 | 119MW | 0 | 333MW | 261MW | 678850 |
| 5 | 120MW | 0 | 331MW | 263MW | 679800 |
即可得到最终的储能电站最优布置方案。
本发明实施例提供的多应用场景的储能电站布置系统，包括：
初步选择模块：用于初步选择电压问题和潮流拥塞线路的近区为储能接入点；
储能调频时，在区域互联系统的联络断面较为薄弱情况下选择对发电机功角影响最小的点作为储能接入点；
在同一个储能接入点只布置一个储能电站，该储能电站容量为解决单一问题所述的最大容量；
建模模块：用于储能电站的接入点以经济最佳为目标函数，并将储能电站对电网的调峰问题、调压问题、调频问题、潮流拥塞问题的解决作为约束条件，以此构建储能电站布置模型；
布置确定模块：用于求解储能电站布置模型，得到储能电站的布置位置和容量配置。
具体而言，所述建模模块包括：
目标函数建立模块：用于构建储能电站布置模型的目标函数，如式(1)所示：
F＝f_c×n+f_p×P+f_s×S+f_w×S (1)
其中，F为总投资成本，f_c为储能电站建设成本，f_p为储能元件功率成本，f_s为储能元件容量成本，f_w为储能元件维护成本，n为储能电站的建设数量，P为储能电站的总布置功率，S为储能电站的总容量；
约束确定模块：用于确定目标函数约束条件，如式(2)所示：
其中，Vi表示电网系统第i个节点的电压，fi表示电网系统第i个节点的频率，Sl表示线路的实际潮流，Slb表示线路潮流标准。
所述布置确定模块包括：
初步求解模块：用于求解储能电站布置模型时首先采用遗传算法对模型进行求解，得到储能电站的布置位置和初步容量配置；
最终确定模块：用于通过粒子群算法对储能电站的容量进行精细寻优，得到最终的储能电站的布置位置和容量配置。
本发明提供的多应用场景的储能电站布置系统，还可以是包括存储器和处理器；
所述存储器用于存储指令；
所述处理器用于根据所述指令进行操作以执行前述多应用场景的储能电站布置方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述多应用场景的储能电站布置方法的步骤
针对传统的储能电站规划方法往往只考虑了利用储能电站解决电网所存在的单一问题，造成了储能电站容量浪费的情况，本发明从使用储能电站解决多应用问题的角度上出发，从利用储能电站进行了调压、调频和潮流疏散等工作，合理的利用了储能电站的容量，避免了储能电站的容量浪费的情况，提高了储能电站的整体经济效益。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种多应用场景的储能电站布置方法，其特征在于，包括以下步骤：
选择电压问题和潮流拥塞线路的近区为第一预选储能接入点；
储能调频时，在区域互联系统的联络断面较为薄弱情况下选择对发电机功角影响最小的点作为第二预选储能接入点；
在同一个储能接入点只布置一个储能电站，其中该储能电站容量为解决单一问题所述的最大容量；
储能电站的接入点以经济最佳为目标函数，并将储能电站对电网的调峰问题，调压问题，调频问题以及潮流拥塞问题的解决作为约束条件，以此构建储能电站布置模型；
求解储能电站布置模型，得到储能电站的布置位置和容量配置。
2.根据权利要求1所述的多应用场景的储能电站布置方法，其特征在于，构建储能电站布置模型的目标函数如式(1)所示：
F＝f_c×n+f_p×P+f_s×S+f_w×S (1)
其中，F为总投资成本，f_c为储能电站建设成本，f_p为储能元件功率成本，f_s为储能元件容量成本，f_w为储能元件维护成本，n为储能电站的建设数量，P为储能电站的总布置功率，S为储能电站的总容量；
约束条件如式(2)所示：
其中，Vi表示电网系统第i个节点的电压，fi表示电网系统第i个节点的频率，Sl表示线路的实际潮流，Slb表示线路潮流标准。
3.根据权利要求1所述的多应用场景的储能电站布置方法，其特征在于，当选取电压问题和潮流拥塞线路的近区为储能接入点时优先选择电压问题的近区位置。
4.根据权利要求1所述的多应用场景的储能电站布置方法，其特征在于，所述近区具体指与故障节点直接相连的节点以及与该直接相连节点直接相连的节点。
5.根据权利要求1所述的多应用场景的储能电站布置方法，其特征在于，求解储能电站布置模型时首先采用遗传算法对模型进行求解，得到储能电站的布置位置和初步容量配置，再通过粒子群算法对储能电站的容量进行精细寻优，得到最终的储能电站的布置位置和容量配置。
6.一种多应用场景的储能电站布置系统，其特征在于，包括：
初步选择模块：用于初步选择电压问题和潮流拥塞线路的近区为第一预选储能接入点；
储能调频时，在区域互联系统的联络断面较为薄弱情况下选择对发电机功角影响最小的点作为第二预选储能接入点；
在同一个储能接入点只布置一个储能电站，其中该储能电站容量为解决单一问题所述的最大容量；
建模模块：用于储能电站的接入点以经济最佳为目标函数，并将储能电站对电网的调峰问题、调压问题、调频问题、潮流拥塞问题的解决作为约束条件，以此构建储能电站布置模型；
确定模块：用于求解储能电站布置模型，得到储能电站的布置位置和容量配置。
7.根据权利要求6所述的一种多应用场景的储能电站布置系统，其特征在于，所述建模模块包括：
目标函数建立模块：用于构建储能电站布置模型的目标函数，如式(1)所示：
F＝f_c×n+f_p×P+f_s×S+f_w×S (1)
其中，F为总投资成本，f_c为储能电站建设成本，f_p为储能元件功率成本，f_s为储能元件容量成本，f_w为储能元件维护成本，n为储能电站的建设数量，P为储能电站的总布置功率，S为储能电站的总容量；
约束确定模块：用于确定目标函数约束条件，如式(2)所示：
其中，Vi表示电网系统第i个节点的电压，fi表示电网系统第i个节点的频率，Sl表示线路的实际潮流，Slb表示线路潮流标准。
8.根据权利要求6所述的一种多应用场景的储能电站布置系统，其特征在于，所述布置确定模块包括：
初步求解模块：用于求解储能电站布置模型时首先采用遗传算法对模型进行求解，得到储能电站的布置位置和初步容量配置；
最终确定模块：用于通过粒子群算法对储能电站的容量进行精细寻优，得到最终的储能电站的布置位置和容量配置。
9.一种多应用场景的储能电站布置系统，其特征在于，包括存储器和处理器；
所述存储器用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1～5任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010299533.XA CN111654046B (zh) | 2020-04-16 | 2020-04-16 | 一种多应用场景的储能电站布置方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010299533.XA CN111654046B (zh) | 2020-04-16 | 2020-04-16 | 一种多应用场景的储能电站布置方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111654046A true CN111654046A (zh) | 2020-09-11 |
| CN111654046B CN111654046B (zh) | 2022-03-01 |
Family
ID=72343004
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010299533.XA Active CN111654046B (zh) | 2020-04-16 | 2020-04-16 | 一种多应用场景的储能电站布置方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111654046B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113205190A (zh) * | 2021-04-14 | 2021-08-03 | 昆山中钧新能源科技有限公司 | 一种智能电网的储能安全预警系统 |
| CN113363983A (zh) * | 2020-12-15 | 2021-09-07 | 广东电网有限责任公司 | 一种牵引车调度方法及移动储能系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106208118A (zh) * | 2016-08-26 | 2016-12-07 | 中国电力科学研究院 | 一种储能系统多目标优化规划方法 |
| CN108551175A (zh) * | 2018-04-28 | 2018-09-18 | 国网湖南省电力有限公司 | 配电网储能容量配置方法 |
| CN110797889A (zh) * | 2019-11-18 | 2020-02-14 | 国电南瑞科技股份有限公司 | 一种解决潮流拥塞问题的储能电站布置方法 |
-
2020
- 2020-04-16 CN CN202010299533.XA patent/CN111654046B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106208118A (zh) * | 2016-08-26 | 2016-12-07 | 中国电力科学研究院 | 一种储能系统多目标优化规划方法 |
| CN108551175A (zh) * | 2018-04-28 | 2018-09-18 | 国网湖南省电力有限公司 | 配电网储能容量配置方法 |
| CN110797889A (zh) * | 2019-11-18 | 2020-02-14 | 国电南瑞科技股份有限公司 | 一种解决潮流拥塞问题的储能电站布置方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113363983A (zh) * | 2020-12-15 | 2021-09-07 | 广东电网有限责任公司 | 一种牵引车调度方法及移动储能系统 |
| CN113205190A (zh) * | 2021-04-14 | 2021-08-03 | 昆山中钧新能源科技有限公司 | 一种智能电网的储能安全预警系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111654046B (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yao et al. | Scenario-based comprehensive expansion planning for distribution systems considering integration of plug-in electric vehicles | |
| Kotb et al. | Genetic algorithm for optimum siting and sizing of distributed generation | |
| Buayai et al. | Multi‐objective micro‐grid planning by NSGA‐II in primary distribution system | |
| CN111654046B (zh) | 一种多应用场景的储能电站布置方法、系统及存储介质 | |
| Home-Ortiz et al. | A mixed integer conic model for distribution expansion planning: Matheuristic approach | |
| CN110909920A (zh) | 考虑多故障场景的输电网容量规划优化方法及系统 | |
| CN107317353B (zh) | 一种含分布式光伏发电配电网电压控制方法及系统 | |
| CN107453383B (zh) | 一种用于供电分区互联的柔性直流配置方法及装置 | |
| CN104037765A (zh) | 基于改进遗传算法选取有源配电网供电恢复方案的方法 | |
| Dahalan et al. | Simultaneous network reconfiguration and DG sizing using evolutionary programming and genetic algorithm to minimize power losses | |
| CN109635331B (zh) | 一种经济型短路限流器优化配置方法 | |
| CN105356465A (zh) | 一种经济性与安全性协调的输电网规划平台及应用 | |
| Nayak et al. | Optimal placement and sizing of distributed generation in radial distribution system using differential evolution algorithm | |
| Sadeghian et al. | A clustering-based approach for wind farm placement in radial distribution systems considering wake effect and a time-acceleration constraint | |
| Alzahrani et al. | Exploring the dynamic voltage signature of renewable rich weak power system | |
| Shereen | Optimal allocation of DG units for radial distribution systems using genetic algorithm | |
| CN109888817B (zh) | 对光伏电站和数据中心进行位置部署和容量规划方法 | |
| Díaz-Dorado et al. | Optimal planning of unbalanced networks using dynamic programming optimization | |
| KR20220092259A (ko) | 신재생에너지 하이브리드 시스템의 설비 용량 최적 설계 방법 | |
| CN107069703B (zh) | 一种计及新能源接入的交直流配网规划方法 | |
| Casolino et al. | Reduced modeling of unbalanced radial distribution grids in load area framework | |
| Rotering et al. | Medium-voltage network planning with optimized power factor control of distributed generators | |
| CN113870054A (zh) | 多类型灵活性资源下的电气综合能源系统的协同规划方法 | |
| Serrano et al. | Allocation of distributed generation to minimize losses in the distribution power system | |
| CN113077150A (zh) | 一种海上多平台互联电力系统的可靠性评估方法及系统 |
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 |