CN111798035A - 一种基于改进型引力搜索算法的独立微网系统容量规划方法 - Google Patents
一种基于改进型引力搜索算法的独立微网系统容量规划方法 Download PDFInfo
- Publication number
- CN111798035A CN111798035A CN202010522912.0A CN202010522912A CN111798035A CN 111798035 A CN111798035 A CN 111798035A CN 202010522912 A CN202010522912 A CN 202010522912A CN 111798035 A CN111798035 A CN 111798035A
- Authority
- CN
- China
- Prior art keywords
- microgrid
- annual
- search algorithm
- improved
- cost
- 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.)
- Pending
Links
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/02—CAD in a network environment, e.g. collaborative CAD or distributed simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
本发明提供的一种基于改进型引力搜索算法的独立微网系统容量规划方法,包括以下步骤:步骤1,分别获取独立微网系统所在区域内的年负荷曲线,以及该区域内的年风速和年太阳光照强度曲线;步骤2,分别获取微网系统中太阳能板、风力发电机、储能设备以及电转气设备的使用寿命、初始投资、年维护费用;之后计算微网系统的总年化成本;步骤3,根据微网中各个设备的额定容量/功率、负荷需求和经济性建立改进引力搜索算法;步骤4,根据步骤3建立的改进引力搜索算法进行微网系统容量规划寻优计算;本发明采用改进型引力搜索算法解决一个区域内独立微网的优化配置问题,实现经济、稳定、绿色供电。
Description
技术领域
本发明涉及微网规划技术领域,尤其涉及一种基于改进型引力搜索算法的独立微网系统容量规划方法。
背景技术
我国国土面积广阔,海岸线长,目前为止仍有许多偏远地区,如海岛,山区等由于大电网接入的高成本,存在着电力短缺的情况。而随着分布式能源及微电网技术的发展,太阳能,风能等已经成为一个切合实际,能够满足人们需求的选择,是解决部分区域供电难的首选方法之一。但太阳能和风能具有随机性,对天气变化十分敏感以及太阳能发电的转化效率低下等缺点也增加了用户对可再生能源电力可靠性的担忧。因此发展以可再生能源为主,传统能源为辅的独立微电网有着十分重要的意义,将传统能源作为备用电源,不仅可以提高微网可靠性,减小岛屿对陆地的能源依赖,同时温室气体的排放也能够大大降低。但由于可再生能源的波动性和间歇性,会造成大规模弃风弃光,不仅会造成可再生能源的极大浪费,也难以满足经济性的要求。
为了解决上述问题,而电转气(power-to-gas,P2G)设备负荷可以在0%~100%之间变化,能够最大程度的消纳富余可再生能源。因此将P2G设备集成到微电网中,提高系统消纳间歇性可再生能源发电的能力和清洁能源利用率。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于改进型引力搜索算法的独立微网系统容量配置方法,由此解决目前独立微网受到可再生能源的波动性和间歇性影响产生的弃风弃光问题。
为了达到上述目的,本发明采用的技术方案是:
确定所应用的独立微网系统的结构,并对所述独立微网系统中的各部分设备进行数学建模,得到所述独立微网系统各部分的数学模型。最后,采用本发明提供的基于改进型引力搜索算法的独立微网系统容量规划方法;
步骤1,分别获取独立微网系统所在区域内的年负荷曲线,以及该区域内的年风速和年太阳光照强度曲线;
步骤2,分别获取微网系统中太阳能板、风力发电机、储能设备以及电转气设备的使用寿命、初始投资、年维护费用;之后计算微网系统的总年化成本;
步骤3,根据微网中各个设备的额定容量/功率、负荷需求和经济性建立改进引力搜索算法;
步骤4,根据步骤3建立的改进引力搜索算法进行微网系统容量规划寻优计算。
优选地,步骤2中,按照下式计算独立微网系统的总年化成本:
式(1)中,CT为年投资费用;CI为系统安装成本;CRF为资本回收系数;CM为系统中风机、光伏面板、柴油发电机维护成本;CREP为系统组件更换成本;CFUEL为柴油发电机年燃料成本。ρd为柴油密度;λco2是柴油燃烧时的CO2排放系数;λp2g为P2G制气吸收CO2系数;CE为年碳排放处理费用;ke为碳排放处理系数;F(t)为每个时刻的耗油量;Qp2g(t)为P2G制气所需要的CO2;CP为弃电惩罚成本,kw为弃电惩罚系数;Ploss(t)为t时刻弃电量;CY为独立微网年总成本。
优选地,根据微网中各个设备的额定容量/功率、负荷需求和经济性建立改进引力搜索算法的具体方法是:
以电力负荷需求平衡、电力可靠性以及电气设备物理运行模型为约束条件、以经济性为目标函数,将约束条件和目标函数分别转化为引力搜索算法的粒子运动域范围和适应度函数。
优选地,约束条件的表达式如下式:
式(2)中,Nk代表微网第k种组件数量;Wb为微网电储能购买容量;Pk为第k种设备的输出功率;PG(t),PL(t),Plack(t)分别为t时刻微网输出电功率,微网电力负荷以及此时的缺电量;式(3)中,PLOES代表能源供应不足率,用于表征微网电力可靠性。
优选地,步骤4中,根据步骤3建立的改进引力搜索算法进行微网系统容量规划寻优计算的具体方法是:
先通过随机产生粒子种群,分别得到每个粒子的微网设备规划方案,即粒子在引力搜索运动域内的六个运动维度的位置;
再计算每个粒子的规划方案是否满足运行约束条件,如满足,则计算出在该粒子的规划方案下的微网年总成本CY;
再通过改进的引力搜索迭代公式更新每个粒子的速度和位置直至迭代次数结束;
将微网年总成本CY最小时对应的风机、太阳能板、电储能、P2G、发电柴油机的容量设置为独立微网系统的最优容量配置。
优选地,粒子的速度和位置更新表达式如下所示:
式(4)中,t为迭代次数;aci(t)为第i个粒子的加速度;xα(t),xβ(t),xδ(t)分别为α,β和δ三个最优粒子的t时刻的位置。
与现有技术相比,本发明的有益效果是:
本发明提供的一种基于改进型引力搜索算法的独立微网系统容量规划方法,在容量优化规划与配置方面,现有技术主要聚焦于联网微网以及综合能源系统,鲜有考虑如海岛等偏远地区的独立微网系统的规划以及应用情况。本发明开发的一种基于改进型引力搜索算法的独立微网系统容量规划方法,可以解决一个独立区域内微网系统容量的优化配置问题,实现经济、稳定、绿色供电。
采用引力搜索算法可使微网系统设备容量的配置计算快速收敛到优化值,虽然传统的引力搜索算法算法局部搜索能力较强,但十分容易出现陷入局部最优,从而错过最优解的情况;因此,本发明对传统引力搜索算法进行一定的改进,通过采用α,β,δ三个最优粒子的联合位置对其他粒子的位置进行更新,极大改善了最优粒子陷入局部最优而无法找到最优解的情况,改进后算法性能优于传统引力搜索算法,在重复20次的求解中,改进后的算法能比传统引力搜索算法获得更精确的最优解。
附图说明
图1为本发明改进型引力搜索算法的流程示意图;
图2为某海岛年负荷曲线;
图3为该地区年风速曲线;
图4为该地区年太阳光照强度曲线;
图5为夏季某天的运行调度图;
图6为冬季某天的运行调度图;
图7为采用传统引力搜索算法和改进型引力搜索算法的适应度函数值收敛曲线对比图。
具体实施方式
下面结合附图,对本发明进一步详细说明。
本发明提供的一种基于改进型引力搜索算法的独立微网系统容量规划方法,包括以下步骤:
步骤1,分别获取独立微网系统所在区域内的年负荷曲线,以及该区域内的年风速和年太阳光照强度曲线;
步骤2,分别获取微网系统中太阳能板、风力发电机、储能设备以及电转气设备的使用寿命、初始投资、年维护费用;之后计算微网系统的总年化成本;
步骤3,根据微网中各个设备的额定容量/功率、负荷需求和经济性建立改进引力搜索算法;
步骤4,根据步骤3建立的改进引力搜索算法进行微网系统容量规划寻优计算。
步骤2中,按照下式计算独立微网系统的总年化成本:
式(1)中,CT为年投资费用;CI为系统安装成本;CRF为资本回收系数;CM为系统中风机、光伏面板、柴油发电机维护成本;CREP为系统组件更换成本;CFUEL为柴油发电机年燃料成本。ρd为柴油密度;λco2是柴油燃烧时的CO2排放系数;λp2g为P2G制气吸收CO2系数;CE为年碳排放处理费用;ke为碳排放处理系数;F(t)为每个时刻的耗油量;Qp2g(t)为P2G制气所需要的CO2;CP为弃电惩罚成本,kw为弃电惩罚系数;Ploss(t)为t时刻弃电量;CY为独立微网年总成本。
根据微网中各个设备的额定容量/功率、负荷需求和经济性建立改进引力搜索算法的具体方法是:
以电力负荷需求平衡、电力可靠性以及电气设备物理运行模型为约束条件、以经济性为目标函数,将约束条件和目标函数分别转化为引力搜索算法的粒子运动域范围和适应度函数。
约束条件的表达式如下式:
式(2)中,Nk代表微网第k种组件数量;Wb为微网电储能购买容量;Pk为第k种设备的输出功率;PG(t),PL(t),Plack(t)分别为t时刻微网输出电功率,微网电力负荷以及此时的缺电量;式(3)中,PLOES代表能源供应不足率,用于表征微网电力可靠性。
步骤4中,根据步骤3建立的改进引力搜索算法进行微网系统容量规划寻优计算的具体方法是:
先通过随机产生粒子种群,分别得到每个粒子的微网设备规划方案,即粒子在引力搜索运动域内的六个运动维度的位置;
再计算每个粒子的规划方案是否满足运行约束条件,如满足,则计算出在该粒子的规划方案下的微网年总成本CY;
再通过改进的引力搜索迭代公式更新每个粒子的速度和位置直至迭代次数结束;
将微网年总成本CY最小时对应的风机、太阳能板、电储能、P2G、发电柴油机的容量设置为独立微网系统的最优容量配置。
粒子的速度和位置更新表达式如下所示:
式(4)中,t为迭代次数;aci(t)为第i个粒子的加速度;xα(t),xβ(t),xδ(t)分别为α,β和δ三个最优粒子的t时刻的位置。
实施例
独立微网系统所在海岛的年负荷曲线如图2所示,以及该区域内的年风速和年太阳光照强度曲线分别如图3和图4所示。
根据市场调研与询价,获得目前市场上太阳能板、风力发电机、柴油机、P2G设备以及储电设备及系统的寿命、初投资、年维护费用,按系统使用年限计算微网系统的年总成本CY。
式(1)中,CT为年投资费用;CI为系统安装成本;CRF为资本回收系数;CM为系统中风机、光伏面板、柴油发电机维护成本;CREP为系统组件更换成本;CFUEL为柴油发电机年燃料成本。ρd为柴油密度;λco2是柴油燃烧时的CO2排放系数;λp2g为P2G制气吸收CO2系数;CE为年碳排放处理费用;ke为碳排放处理系数;F(t)为每个时刻的耗油量;Qp2g(t)为P2G制气所需要的CO2;CP为弃电惩罚成本,kw为弃电惩罚系数;Ploss(t)为t时刻弃电量;CY为独立微网年总成本。
以电力负荷需求平衡、电力可靠性以及电气设备物理运行模型为约束条件、以经济性为目标函数,将约束条件和目标函数分别转化为引力搜索算法的粒子运动域范围和适应度函数。
约束条件的表达式如下式:
式(2)中,Nk代表微网第k种组件数量;Wb为微网电储能购买容量;Pk为第k种设备的输出功率;PG(t),PL(t),Plack(t)分别为t时刻微网输出电功率,微网电力负荷以及此时的缺电量;式(3)中,PLOES代表能源供应不足率,用于表征微网电力可靠性。
如图1所示,建立的改进引力搜索算法的步骤如下:
S1:随机产生粒子种群,初始化相关参数;
S2:求解当前迭代次数下各粒子适应度值,并将结果前三的粒子分别命名为α,β,δ;
S3:更新每个粒子的G(t),M(t);
S4:计算各粒子受到的合力F(t)和加速度ac(t);
S5:根据各粒子加速度ac(t)更新粒子速度,根据α,β,δ粒子的位置更新各粒子位置;
S6:计算各粒子适应度值,更新α,β,δ粒子位置;
S7:如达到最大迭代次数,则输出最佳结果,否则转向S3。
粒子的速度和位置更新表达式如下所示:
式(4)中,t为迭代次数;aci(t)为第i个粒子的加速度;xα(t),xβ(t),xδ(t)分别为α,β和δ三个最优粒子的t时刻的位置。
当达到最大迭代次数以及收敛到不在下降时,即获得独立微网系统容量规划结果。图5和图6分别为该海岛夏季和冬季某日的电力实时调度工况。对该微网容量配置而言,重复20次求解,采用传统引力搜索算法和改进型引力搜索算法分别获得的最优适应度函数值收敛曲线对比如图7所示,可以看出传统引力搜索算法得到的结果更容易陷入局部最优。二者的规划方案对比和年总成本对比分别见表1和表2。
表1改进算法与传统算法的规划方案表
配置规划方案 | WT/台 | PV/片 | Wvrb/kWh | Pvrb/10kw | DG/5kw | P2G/5kw |
GSA算法 | 13 | 123 | 502 | 4 | 4 | 2 |
GWGSA算法 | 15 | 105 | 274 | 4 | 4 | 5 |
表2改进算法与传统算法的规划费用表
以上所述仅表达了本发明的优选实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形、改进及替代,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种基于改进型引力搜索算法的独立微网系统容量规划方法,其特征在于,包括以下步骤:
步骤1,分别获取独立微网系统所在区域内的年负荷曲线,以及该区域内的年风速和年太阳光照强度曲线;
步骤2,分别获取微网系统中太阳能板、风力发电机、储能设备以及电转气设备的使用寿命、初始投资、年维护费用;之后计算微网系统的总年化成本;
步骤3,根据微网中各个设备的额定容量/功率、负荷需求和经济性建立改进引力搜索算法;
步骤4,根据步骤3建立的改进引力搜索算法进行微网系统容量规划寻优计算。
2.根据权利要求1所述的一种基于改进型粒子群算法的混合储能系统容量规划方法,其特征在于,步骤2中,按照下式计算独立微网系统的总年化成本:
式(1)中,CT为年投资费用;CI为系统安装成本;CRF为资本回收系数;CM为系统中风机、光伏面板、柴油发电机维护成本;CREP为系统组件更换成本;CFUEL为柴油发电机年燃料成本;ρd为柴油密度;λco2是柴油燃烧时的CO2排放系数;λp2g为P2G制气吸收CO2系数;CE为年碳排放处理费用;ke为碳排放处理系数;F(t)为每个时刻的耗油量;Qp2g(t)为P2G制气所需要的CO2;CP为弃电惩罚成本,kw为弃电惩罚系数;Ploss(t)为t时刻弃电量;CY为独立微网年总成本。
3.根据权利要求1所述的一种基于改进型引力搜索算法的独立微网系统容量规划方法,其特征在于,根据微网中各个设备的额定容量/功率、负荷需求和经济性建立改进引力搜索算法的具体方法是:
以电力负荷需求平衡、电力可靠性以及电气设备物理运行模型为约束条件、以经济性为目标函数,将约束条件和目标函数分别转化为引力搜索算法的粒子运动域范围和适应度函数。
5.根据权利要求4所述的一种基于改进型引力搜索算法的混合储能系统容量规划方法,其特征在于,步骤4中,根据步骤3建立的改进引力搜索算法进行微网系统容量规划寻优计算的具体方法是:
先通过随机产生粒子种群,分别得到每个粒子的微网设备规划方案,即粒子在引力搜索运动域内的六个运动维度的位置;
再计算每个粒子的规划方案是否满足运行约束条件,如满足,则计算出在该粒子的规划方案下的微网年总成本CY;
再通过改进的引力搜索迭代公式更新每个粒子的速度和位置直至迭代次数结束;
将微网年总成本CY最小时对应的风机、太阳能板、电储能、P2G、发电柴油机的容量设置为独立微网系统的最优容量配置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010522912.0A CN111798035A (zh) | 2020-06-10 | 2020-06-10 | 一种基于改进型引力搜索算法的独立微网系统容量规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010522912.0A CN111798035A (zh) | 2020-06-10 | 2020-06-10 | 一种基于改进型引力搜索算法的独立微网系统容量规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111798035A true CN111798035A (zh) | 2020-10-20 |
Family
ID=72804796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010522912.0A Pending CN111798035A (zh) | 2020-06-10 | 2020-06-10 | 一种基于改进型引力搜索算法的独立微网系统容量规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111798035A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112491087A (zh) * | 2020-11-20 | 2021-03-12 | 西安热工研究院有限公司 | 一种基于需求侧响应的风光储独立微电网经济优化方法 |
CN113392497A (zh) * | 2021-03-29 | 2021-09-14 | 南昌大学 | 一种按地理区域度量光伏组件现场性能退化的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103414213A (zh) * | 2013-08-13 | 2013-11-27 | 中国能源建设集团广东省电力设计研究院 | 一种海岛型微电网的电源优化配置方法 |
CN106549419A (zh) * | 2016-12-07 | 2017-03-29 | 国网重庆市电力公司电力科学研究院 | 基于万有引力算法的独立微网系统设计方法 |
CN108494018A (zh) * | 2018-03-15 | 2018-09-04 | 广东电网有限责任公司电网规划研究中心 | 一种考虑需求侧响应的智慧能源示范区规划方法 |
CN108539793A (zh) * | 2018-05-15 | 2018-09-14 | 佛山科学技术学院 | 一种海岛微电网综合优化配置方法及装置 |
WO2019246433A1 (en) * | 2018-06-20 | 2019-12-26 | Aquahydrex, Inc. | Multi-stage dc power distribution system |
-
2020
- 2020-06-10 CN CN202010522912.0A patent/CN111798035A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103414213A (zh) * | 2013-08-13 | 2013-11-27 | 中国能源建设集团广东省电力设计研究院 | 一种海岛型微电网的电源优化配置方法 |
CN106549419A (zh) * | 2016-12-07 | 2017-03-29 | 国网重庆市电力公司电力科学研究院 | 基于万有引力算法的独立微网系统设计方法 |
CN108494018A (zh) * | 2018-03-15 | 2018-09-04 | 广东电网有限责任公司电网规划研究中心 | 一种考虑需求侧响应的智慧能源示范区规划方法 |
CN108539793A (zh) * | 2018-05-15 | 2018-09-14 | 佛山科学技术学院 | 一种海岛微电网综合优化配置方法及装置 |
WO2019246433A1 (en) * | 2018-06-20 | 2019-12-26 | Aquahydrex, Inc. | Multi-stage dc power distribution system |
Non-Patent Citations (5)
Title |
---|
喻志成: "独立微网安全性评价模型与方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
李新杰 等: "《水库调控实用技术及应用研究》", 31 December 2016, 郑州:黄河水利出版社 * |
谈竹奎 等: "含电转气的电-气互联系统多目标优化调度", 《电力建设》 * |
郑宝敏: "综合能源系统背景下的分布式多目标能量流优化方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
陈敬峰: "含混合储能的独立型微电网系统控制与优化调度策略研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112491087A (zh) * | 2020-11-20 | 2021-03-12 | 西安热工研究院有限公司 | 一种基于需求侧响应的风光储独立微电网经济优化方法 |
CN113392497A (zh) * | 2021-03-29 | 2021-09-14 | 南昌大学 | 一种按地理区域度量光伏组件现场性能退化的方法 |
CN113392497B (zh) * | 2021-03-29 | 2022-04-12 | 南昌大学 | 一种按地理区域度量光伏组件现场性能退化的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108832656B (zh) | 基于电转气和可再生能源利用微能源网多目标规划方法 | |
CN110661246B (zh) | 一种城市轨道交通光伏储能系统的容量优化配置方法 | |
CN111313480B (zh) | 一种基于多目标寻优的多能互补系统的设计方法 | |
CN111445107B (zh) | 冷热电联供型微电网多目标优化配置方法 | |
CN113762708A (zh) | 一种考虑多目标协同的园区级综合能源系统规划方法 | |
CN111860937A (zh) | 基于改进多目标灰狼算法的冷热电联供型微电网优化方法 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN114844124B (zh) | 一种基于目标优化的综合能源系统的运行控制方法 | |
CN113850474A (zh) | 一种热电氢多能流综合能源系统及其优化调度方法 | |
CN111798035A (zh) | 一种基于改进型引力搜索算法的独立微网系统容量规划方法 | |
Zahedi | Technical analysis of an electric power system consisting of solar PV energy, wind power, and hydrogen fuel cell | |
CN115940284B (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
CN116231694A (zh) | 一种风光互补制氢与冷热电多能互补的综合能源系统 | |
CN113078687B (zh) | 孤岛多能互补电-气耦合系统能量优化调度方法 | |
CN113627720B (zh) | 基于电能替代的综合园区风光储系统配置方法 | |
CN113298164B (zh) | 一种基于光伏出力不确定性的楼宇用能优化方法 | |
CN114997662A (zh) | 含电动车充电桩的区域分布式多能源系统低碳规划方法 | |
CN110472364B (zh) | 一种考虑可再生能源的离网式热电气联产系统的优化方法 | |
CN114565480A (zh) | 考虑碳排放量的区域分布式多能源系统多目标规划方法 | |
CN112907147B (zh) | 一种基于最佳工况点的分布式能源系统运行方法及系统 | |
CN112487643B (zh) | 一种面向岛礁资源环境承载力多目标优化的空间规划方法 | |
Zhang et al. | Study on the microgrid pluripotent complementary and comprehensive economic optimization planning based on virtual energy theory | |
Zhang et al. | Research on Joint Operation of Wind and Solar Storage System Based on Genetic Algorithm | |
Li et al. | Hybrid Energy Systems for Combined Cooling, Heating, and Power and Hydrogen Production Based on Solar Energy: A Techno-Economic Analysis | |
Safakar et al. | Multi-objective optimization to have optimal utilization from renewable energy sources in building with zero energy |
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 |