CN112215462A - 基于马氏距离的k均值聚类电网适应性评价方法 - Google Patents
基于马氏距离的k均值聚类电网适应性评价方法 Download PDFInfo
- Publication number
- CN112215462A CN112215462A CN202010920174.5A CN202010920174A CN112215462A CN 112215462 A CN112215462 A CN 112215462A CN 202010920174 A CN202010920174 A CN 202010920174A CN 112215462 A CN112215462 A CN 112215462A
- Authority
- CN
- China
- Prior art keywords
- load
- power
- adaptability
- scene
- generator
- 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
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
- G06Q10/063—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
Abstract
本发明涉及基于马氏距离的K均值聚类电网适应性评价方法,包括如下步骤:选定电力系统中线路的待建区域,进而确定待建线路数据集合;基于历史负荷数据,利用马氏距离K‑means聚类算法对日负荷曲线进行聚类并标幺化处理,类型集合为W,进而确定出各类负荷的权重向量M=[m1,m2,…,mw],利用规划周期内负荷预测的最大值乘以聚类之后的标幺化日负荷曲线,即可得到规划周期内聚类后的负荷预测曲线;建立电网适应性评价模型;进行评价模型求解;获取电网系统的经济适应性指标、可再生能源利用适应性指标、供电可靠适应性指标和系统支路负载率期望值;进一步确定系统的薄弱环节。本发明能降低模型中的数据规模,进而解决模型求解困难问题。
Description
技术领域
本发明属于电供热技术领域,尤其涉及基于马氏距离的K均值聚类 电网适应性评价方法。
背景技术
经济高质量发展要求高质量的电网供电能力,能源供需变革要求电 网发展更加绿色环保,电力体制改革要求电网规划投资更加精准,综合 能源技术要求电网发展更加先进,对远景年主网架技术及规划方案提出 了更高要求。因此,评估电网结构适应性作为未来电力系统规划的基础 性工作亟待开展。
电网结构适应性是指面对源-荷随机波动和多时空分布特性等不确 定性因素,电网能够利用自身结构特性达到抵抗不确定扰动而保证电力 系统安全、经济、协调、灵活运行的能力。电网规划适应性评估是为了 保证可再生能源的最大化利用和提升供电的可靠性。我国水能、风能、 太阳能等可再生能源规模大、分布集中的特点,需要走集中开发、规模外送、大范围消纳的发展路线。风电和太阳能具有多变性和不确定性, 对电网规划和适应性评估提出了新的要求。评估电网规划的适应性是电 力系统安全稳定运行的基础工作,能够为电源和网架的建设提供科学的 依据。
因此,基于这些问题,提供一种能降低模型中的数据规模,进而解 决模型求解困难问题的基于马氏距离的K均值聚类电网适应性评价方 法,具有重要的现实意义。
发明内容
本发明的目的在于克服现有技术的不足,提供一种能降低模型中的 数据规模,进而解决模型求解困难问题的基于马氏距离的K均值聚类电 网适应性评价方法。
本发明解决其技术问题是采取以下技术方案实现的:
基于马氏距离的K均值聚类电网适应性评价方法,包括如下步骤:
获取待建线路数据集合:选定电力系统中线路的待建区域,进而确 定待建线路数据集合;
确定规划周期内负荷预测曲线:基于历史负荷数据,利用马氏距离 K-means聚类算法对日负荷曲线进行聚类并标幺化处理,类型集合为W, 进而确定出各类负荷的权重向量M=[m1,m2,…,mw],利用规划周期内负荷预 测的最大值乘以聚类之后的标幺化日负荷曲线,即可得到规划周期内聚 类后的负荷预测曲线;
建立电网适应性评价模型:根据待建线路数据集合,并基于马氏距 离K-means聚类结果,建立电网适应性鲁棒评价模型;
进行评价模型求解:对评价模型进行求解,得到每种待建线路方案 的投资情况、负荷供应情况和可再生能源消纳情况;
获取电网系统评价指标:根据聚类得到的各类负荷的权重向量,计 算电网系统的经济适应性指标、可再生能源利用适应性指标、供电可靠 适应性指标和系统支路负载率期望值;
根据获取的电网系统评价指标,确定系统的薄弱环节;
其中,
利用马氏距离K-means聚类算法对净负荷曲线进行聚类,具体步骤 包括:
2.1、随机选择k个数据点作为簇中心;
2.2、基于马氏距离将每个数据点分配到其最近的簇中心,其中用协 方差的倒数计算马氏距离;
2.3、重新计算每个簇的质心作为新的聚类中心,使其总的平方距离 达到最小;
2.4、重复步骤2.2和2.3,直到收敛。
进一步的,各类负荷的权重向量计算方法为:
其中,w为负荷类型,Iw为第w类负荷中包含的日净负荷曲线的数量, Nw为选取历史净日负荷曲线总数量。
进一步的,建立电网适应性评价模型时,以输电系统经济性为目标, 以线路潮流约束、功率平衡约束、机组爬坡约束、机组出力上下限约束 为约束条件,构建电力系统适应性鲁棒评价模型:
其中,
G为传统机组的集合,T为时间集合,N为所有节点集合,s为待投 线路场景;为在投建场景s,负荷类型w下,电力系统的经济成本;为场景s的建设成本;为投建场景s,负荷类型w下,发电机组的运 行成本;为投建场景s,负荷类型w下,系统的弃可再生能源和切负 荷的惩罚成本;和分别为发电机的启动成本系数、发电机 的停机成本系数和发电机的出力成本系数;和分别为弃可再生能 源和切负荷的惩罚成本系数;αs,w,j,t和βs,w,j,t分别为投建场景s,负荷类型w 下,发电机的开机和停机标志位;为投建场景s,负荷类型w下,发 电机的有功出力;和分别为投建场景s,负荷类型w下,弃可再 生能源有功功率和切负荷有功功率。
进一步的,构建电力系统适应性鲁棒评价模型时的约束条件分别为:
线路潮流约束表示为:
其中,式(1-5)表示系统运行情况下,线路不能超过其最大容量,为投建场景s下,线路ij的最大有功容量;式(1-6)表示线路有功潮流的 计算方法,R为可再生能源集合,ptdfs为投建场景下s下,电机节点对应 的功率转移分布因子,发电机节点的有功功率注入与相应功率转移分布 因子的乘积,得到该场景下线路的有功功率;
功率平衡约束表示为:
其中,是不确定性变量,表示投建场景s,负荷类型w下,可再 生分布式电源的有功出力;为投建场景s,负荷类型w下,可再生分 布式电源有功出力的预测值;为投建场景s,负荷类型w下,可再生 分布式电源有功出力的预测误差;L为负荷节点集合,和为投建 场景s,负荷类型w下,节点的弃风光和切负荷的有功功率,为投建 场景s,负荷类型w下,节点的有功负荷;
发电机的相关约束表示为:
αs,w,j,t-βs,w,j,t=cs,w,j,t-cs,w,j,t-1 (1-12)
式(1-8)表示发电机的出力约束,当发电机处于运行状态时,cs,w,j,t=1, 其出力在最大和最小出力之间;当发电机处于停运状态时,cs,w,j,t=0,其 出力为0;其中,和表示发电机组j的最小和最大有功出力; 式(1-9)表示发电机的爬坡约束,相邻时间的出力之差在允许范围之内, 其中,和表示发电机组j的下爬坡率和上爬坡率;式(1-10)和式 (1-11)分别表示发电机的最小开机时间约束和最小停机时间约束,当发 电机处于运行状态时,必须满足最小连续运行时间之后,才能再次停机; 当发电机处于停机状态时,必须满足最小连续停机时间之后,才能再次 开机,其中和表示发电机组j的最小停机时间和最小运行时间;式 (1-12)为0-1变量的等式约束;
得到最终的电力系统适应性评价模型:
s.t.(1-5)-(1-12)
。
进一步的,获取的电网系统评价指标,分别为:
系统的经济适应性指标:
可再生能源利用适应性指标:
供电可靠适应性指标:
系统支路负载率期望值:
其中,式(1-13)是评估系统在投建场景s下,满足各类型负荷需求的 经济成本;式(1-14)是评估系统在投建场景s下,满足各类型负荷需求时, 可再生能源利用的适应性;式(1-15)是评估系统在投建场景s下,满足各 类型负荷需求时,系统供电可靠的适应性;式(1-16)是评估系统在投建 场景s下,线路负载率的期望值。
进一步的,所述获取待建线路数据集合步骤中,获取的数据为:包 括系统待建线路集数据,包括传统发电机参数、风电、光伏发电机的数 据配置情况,以及风电、光伏发电机的预测出力和预测误差数据和其他 相关数据。
本发明的优点和积极效果是:
本发明首先利用基于马氏距离的K均值聚类对历史负荷曲线进行 聚类,降低了后续规划方案优化模型的计算量,并通过赋予各类负荷权 重系数进一步提升了负荷预测精度;其次,在电网规划方案优化模型中, 充分考虑了可再生能源出力的不确定性,所建立的电网规划方案鲁棒优 化模型能涵盖未来电网运行的各类场景;最后,提出了一组反应电网适 应性的评估指标,基于优化模型的计算结果,计算适应性评估指标,进 而对各规划方案进行全面客观的评价。
具体实施方式
首先,需要说明的是,以下将以示例方式来具体说明本发明的具体 结构、特点和优点等,然而所有的描述仅是用来进行说明的,而不应将 其理解为对本发明形成任何限制。此外,在本文所提及各实施例中予以 描述或隐含的任意单个技术特征,仍然可在这些技术特征(或其等同物) 之间继续进行任意组合或删减,从而获得可能未在本文中直接提及的本 发明的更多其他实施例。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中 的特征可以相互组合。
本实施例提供的基于马氏距离的K均值聚类电网适应性评价方法, 包括如下步骤:
获取待建线路数据集合:选定电力系统中线路的待建区域,进而确 定待建线路数据集合;具体的,获取的数据为:包括系统待建线路集数 据、包括传统发电机参数、风电、光伏发电机的数据配置情况,以及风 电、光伏发电机的预测出力和预测误差数据和其他相关数据。
确定规划周期内负荷预测曲线:基于历史负荷数据,利用马氏距离 K-means聚类算法对日负荷曲线进行聚类并标幺化处理,类型集合为W, 进而确定出各类负荷的权重向量M=[m1,m2,…,mw],利用规划周期内负荷预 测的最大值乘以聚类之后的标幺化日负荷曲线,即可得到规划周期内聚 类后的负荷预测曲线以及各类负荷预测曲线的权重系数;
利用马氏距离K-means聚类算法对净负荷曲线进行聚类,具体步骤 包括:
2.1、随机选择k个数据点作为簇中心(聚类中心);
2.2、基于马氏距离将每个数据点分配到其最近的簇中心,其中可用 协方差的倒数计算马氏距离:
2.3、重新计算每个簇的质心作为新的聚类中心,使其总的平方距离 达到最小;
2.4、重复步骤2.2和2.3,直到收敛;
各类负荷的权重向量计算方法为:
其中,w为负荷类型,Iw为第w类负荷中包含的日净负荷曲线的数量, Nw为选取历史净日负荷曲线总数量;
建立电网适应性评价模型:根据待建线路数据集合,并基于马氏距 离K-means聚类结果,建立电网适应性鲁棒评价模型;
进行评价模型求解:对评价模型进行求解,得到每种待建线路方案 的投资情况、负荷供应情况和可再生能源消纳情况;
获取电网系统评价指标:根据聚类得到的各类负荷的权重向量,计 算电网系统的经济适应性指标、可再生能源利用适应性指标、供电可靠 适应性指标和系统支路负载率期望值。
具体的,建立电网适应性评价模型时,以输电系统经济性为目标, 包括线路建设成本、发电机调度成本、弃风光惩罚成本和切负荷惩罚成 本;以线路潮流约束、功率平衡约束、机组爬坡约束、机组出力上下限 约束为约束条件,构建电力系统适应性鲁棒评价模型:
其中,
G为传统机组的集合,T为时间集合,N为所有节点集合,s为待投 线路场景;为在投建场景s,负荷类型w下,电力系统的经济成本;为场景s的建设成本;为投建场景s,负荷类型w下,发电机组的运 行成本;为投建场景s,负荷类型w下,系统的弃可再生能源和切负 荷的惩罚成本;和分别为发电机的启动成本系数、发电机 的停机成本系数和发电机的出力成本系数;和分别为弃可再生能 源和切负荷的惩罚成本系数;αs,w,j,t和βs,w,j,t分别为投建场景s,负荷类型w 下,发电机的开机和停机标志位;为投建场景s,负荷类型w下,发 电机的有功出力;和分别为投建场景s,负荷类型w下,弃可再 生能源有功功率和切负荷有功功率;
并且:
线路潮流约束表示为:
其中,式(1-5)表示系统运行情况下,线路不能超过其最大容量,为投建场景s下,线路ij的最大有功容量;式(1-6)表示线路有功潮流的 计算方法,R为可再生能源集合,ptdfs为投建场景下s下,电机节点对应 的功率转移分布因子,发电机节点的有功功率注入与相应功率转移分布 因子的乘积,得到该场景下线路的有功功率。
功率平衡约束表示为:
其中,是不确定性变量,表示投建场景s,负荷类型w下,可再 生分布式电源的有功出力,为投建场景s,负荷类型w下,可再生分 布式电源有功出力的预测值,投建场景s,负荷类型w下,可再生分 布式电源有功出力的预测误差,L为负荷节点集合,和为投建场 景s,负荷类型w下,节点的弃风光和切负荷的有功功率,为投建场 景s,负荷类型w下,节点的有功负荷。
发电机的相关约束表示为:
αs,w,j,t-βs,w,j,t=cs,w,j,t-cs,w,j,t-1 (1-12)
式(1-8)表示发电机的出力约束,当发电机处于运行状态时,cs,w,j,t=1, 其出力在最大和最小出力之间;当发电机处于停运状态时,cs,w,j,t=0,其 出力为0;其中,和表示发电机组j的最小和最大有功出力; 式(1-9)表示发电机的爬坡约束,相邻时间的出力之差在允许范围之内, 其中,和表示发电机组j的下爬坡率和上爬坡率;式(1-10)和式 (1-11)分别表示发电机的最小开机时间约束和最小停机时间约束,当发 电机处于运行状态时,必须满足最小连续运行时间之后,才能再次停机; 当发电机处于停机状态时,必须满足最小连续停机时间之后,才能再次 开机,其中和表示发电机组j的最小停机时间和最小运行时间;式 (1-12)为0-1变量的等式约束;
得到最终的电力系统适应性评价模型:
s.t.(1-5)-(1-12)
对电力系统适应性评价模型进行求解,包括如下步骤:
4.1、设定原问题可行解的上界为UB=+∞,下界为LB=-∞,选择收敛 水平ε,迭代次数K=1,其中,表示线路状态的整数决策变量为: x=[αs,w,ij,t;βs,w,ij,t;cs,w,ij,t],表示系统运行状态的连续决策变量为: 不确定性变量为:
4.2、求解子问题MP,并得到最优解(xk+1,θk+1,y1*,...,yk*),并设置 LB=max{LB,MP};
s.t.(1-10)-(1-12) (MP)
4.3、求解子问题SP,并得到最优解yk*和uk*,并设置 UB=min{UB,MP+SP};
s.t.(1-5)-(1-9) (SP)
4.4、判断是否收敛,如果UB-LB≤ε,迭代终止,并返回最优解;否 则,返回约束θk+1≥SP和约束(1-5)-(1-9),返回步骤4.2继续迭代求解。
最后,获取的电网系统评价指标,分别为:
系统的经济适应性指标:
可再生能源利用适应性指标:
供电可靠适应性指标:
系统支路负载率期望值:
其中,式(1-13)是评估系统在投建场景s下,满足各类型负荷需求的 经济成本;式(1-14)是评估系统在投建场景s下,满足各类型负荷需求时, 可再生能源利用的适应性,其值在[0,1]范围内,其值越大,表示系统在 周期内的可再生能源利用率越大;式(1-15)是评估系统在投建场景s下, 满足各类型负荷需求时,系统供电可靠的适应性,其值在[0,1]范围内, 其值越大,表示系统在周期内的负荷供应率越大;式(1-16)是评估系统 在投建场景s下,线路负载率的期望值,反映了输电网传输资源的利用 情况。
根据最后获取的电网系统评价指标:经济适应性指标、可再生能源 利用适应性指标、供电可靠适应性指标和系统支路负载率期望值,综合 权衡,确定系统的薄弱环节,根据本领域历史经验,可给出系统的规划 方案。
以上实施例对本发明进行了详细说明,但所述内容仅为本发明的较 佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范 围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之 内。
Claims (6)
1.基于马氏距离的K均值聚类电网适应性评价方法,其特征在于,包括如下步骤:
获取待建线路数据集合:选定电力系统中线路的待建区域,进而确定待建线路数据集合;
确定规划周期内负荷预测曲线:基于历史负荷数据,利用马氏距离K-means聚类算法对日负荷曲线进行聚类并标幺化处理,类型集合为W,进而确定出各类负荷的权重向量M=[m1,m2,…,mw],利用规划周期内负荷预测的最大值乘以聚类之后的标幺化日负荷曲线,即可得到规划周期内聚类后的负荷预测曲线;
建立电网适应性评价模型:根据待建线路数据集合,并基于马氏距离K-means聚类结果,建立电网适应性鲁棒评价模型;
进行评价模型求解:对评价模型进行求解,得到每种待建线路方案的投资情况、负荷供应情况和可再生能源消纳情况;
获取电网系统评价指标:根据聚类得到的各类负荷的权重向量,计算电网系统的经济适应性指标、可再生能源利用适应性指标、供电可靠适应性指标和系统支路负载率期望值;
根据获取的电网系统评价指标,确定系统的薄弱环节;
其中,
利用马氏距离K-means聚类算法对净负荷曲线进行聚类,具体步骤包括:
2.1、随机选择k个数据点作为簇中心;
2.2、基于马氏距离将每个数据点分配到其最近的簇中心,其中用协方差的倒数计算马氏距离;
2.3、重新计算每个簇的质心作为新的聚类中心,使其总的平方距离达到最小;
2.4、重复步骤2.2和2.3,直到收敛。
3.根据权利要求1所述的基于马氏距离的K均值聚类电网适应性评价方法,其特征在于:建立电网适应性评价模型时,以输电系统经济性为目标,以线路潮流约束、功率平衡约束、机组爬坡约束、机组出力上下限约束为约束条件,构建电力系统适应性鲁棒评价模型:
其中,
4.根据权利要求3所述的基于马氏距离的K均值聚类电网适应性评价方法,其特征在于:构建电力系统适应性鲁棒评价模型时的约束条件分别为:
线路潮流约束表示为:
其中,式(1-5)表示系统运行情况下,线路不能超过其最大容量,为投建场景s下,线路ij的最大有功容量;式(1-6)表示线路有功潮流的计算方法,R为可再生能源集合,ptdfs为投建场景下s下,电机节点对应的功率转移分布因子,发电机节点的有功功率注入与相应功率转移分布因子的乘积,得到该场景下线路的有功功率;
功率平衡约束表示为:
其中,是不确定性变量,表示投建场景s,负荷类型w下,可再生分布式电源的有功出力;为投建场景s,负荷类型w下,可再生分布式电源有功出力的预测值;为投建场景s,负荷类型w下,可再生分布式电源有功出力的预测误差;L为负荷节点集合,和为投建场景s,负荷类型w下,节点的弃风光和切负荷的有功功率,为投建场景s,负荷类型w下,节点的有功负荷;
发电机的相关约束表示为:
αs,w,j,t-βs,w,j,t=cs,w,j,t-cs,w,j,t-1 (1-12)
式(1-8)表示发电机的出力约束,当发电机处于运行状态时,cs,w,j,t=1,其出力在最大和最小出力之间;当发电机处于停运状态时,cs,w,j,t=0,其出力为0;其中,和表示发电机组j的最小和最大有功出力;式(1-9)表示发电机的爬坡约束,相邻时间的出力之差在允许范围之内,其中,和表示发电机组j的下爬坡率和上爬坡率;式(1-10)和式(1-11)分别表示发电机的最小开机时间约束和最小停机时间约束,当发电机处于运行状态时,必须满足最小连续运行时间之后,才能再次停机;当发电机处于停机状态时,必须满足最小连续停机时间之后,才能再次开机,其中和表示发电机组j的最小停机时间和最小运行时间;式(1-12)为0-1变量的等式约束;
得到最终的电力系统适应性评价模型:
s.t.(1-5)-(1-12)。
6.根据权利要求1所述的基于马氏距离的K均值聚类电网适应性评价方法,其特征在于:所述获取待建线路数据集合步骤中,获取的数据为:包括系统待建线路集数据,包括传统发电机参数、风电、光伏发电机的数据配置情况,以及风电、光伏发电机的预测出力和预测误差数据和其他相关数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010920174.5A CN112215462A (zh) | 2020-09-04 | 2020-09-04 | 基于马氏距离的k均值聚类电网适应性评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010920174.5A CN112215462A (zh) | 2020-09-04 | 2020-09-04 | 基于马氏距离的k均值聚类电网适应性评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112215462A true CN112215462A (zh) | 2021-01-12 |
Family
ID=74049059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010920174.5A Pending CN112215462A (zh) | 2020-09-04 | 2020-09-04 | 基于马氏距离的k均值聚类电网适应性评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215462A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538169A (zh) * | 2021-07-23 | 2021-10-22 | 国网天津市电力公司 | 交直流混联城市电网发展适应性评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160077538A1 (en) * | 2014-09-15 | 2016-03-17 | Honeywell International Inc. | Load forecasting for residential sector demand response |
CN107103433A (zh) * | 2017-05-16 | 2017-08-29 | 国家电网公司 | 一种基于分层分区思想的分布式电源消纳能力计算方法 |
CN109274134A (zh) * | 2018-11-08 | 2019-01-25 | 东南大学 | 一种基于时间序列场景分析的主动配电网鲁棒有功无功协调优化方法 |
CN110535132A (zh) * | 2019-09-11 | 2019-12-03 | 国网天津市电力公司 | 一种基于鲁棒优化的电力系统建设规划方法 |
CN110570041A (zh) * | 2019-09-11 | 2019-12-13 | 国网天津市电力公司 | 一种基于ap聚类的远景年典型日负荷预测方法 |
-
2020
- 2020-09-04 CN CN202010920174.5A patent/CN112215462A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160077538A1 (en) * | 2014-09-15 | 2016-03-17 | Honeywell International Inc. | Load forecasting for residential sector demand response |
CN107103433A (zh) * | 2017-05-16 | 2017-08-29 | 国家电网公司 | 一种基于分层分区思想的分布式电源消纳能力计算方法 |
CN109274134A (zh) * | 2018-11-08 | 2019-01-25 | 东南大学 | 一种基于时间序列场景分析的主动配电网鲁棒有功无功协调优化方法 |
CN110535132A (zh) * | 2019-09-11 | 2019-12-03 | 国网天津市电力公司 | 一种基于鲁棒优化的电力系统建设规划方法 |
CN110570041A (zh) * | 2019-09-11 | 2019-12-13 | 国网天津市电力公司 | 一种基于ap聚类的远景年典型日负荷预测方法 |
Non-Patent Citations (2)
Title |
---|
沈沉,秦建,盛万兴等: "基于小波聚类的配变短期负荷预测方法研究", 《电网技术》 * |
魏联滨,王伟臣,李慧等: "基于AP聚类和鲁棒优化的电网规划灵活性评估", 《电力系统及其自动化学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538169A (zh) * | 2021-07-23 | 2021-10-22 | 国网天津市电力公司 | 交直流混联城市电网发展适应性评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107633333B (zh) | 柔性变电站区域电网的源-荷-储调度优化方法及系统 | |
Zhang et al. | Lifelong learning for complementary generation control of interconnected power grids with high-penetration renewables and EVs | |
CN110429649B (zh) | 考虑灵活性的高渗透率可再生能源集群划分方法 | |
CN110782363A (zh) | 一种计及风电不确定性的交直流配电网调度方法 | |
CN107910863A (zh) | 综合考虑光伏出力和负荷需求预测区间的配电网调度方法 | |
Yang et al. | Power management strategies for microgrid-A short review | |
CN110535132B (zh) | 一种基于鲁棒优化的电力系统建设规划方法 | |
CN110676849B (zh) | 一种孤岛微电网群能量调度模型的构建方法 | |
CN110858718B (zh) | 考虑经济性的交流微电网分布式事件驱动的频率控制方法 | |
CN113783224A (zh) | 一种考虑多种分布式能源运行的配电网双层优化规划方法 | |
CN108448632A (zh) | 计及储能荷电状态循环的交直流微网日内滚动优化调度方法 | |
CN112072710B (zh) | 一种考虑需求响应的源网荷一体化经济调度方法及系统 | |
CN108649556A (zh) | 一种电网应急场景随机优化调度方法 | |
CN110867907B (zh) | 一种基于多类型发电资源同质化的电力系统调度方法 | |
CN115036914B (zh) | 考虑灵活性与新能源消纳的电网储能双层优化方法及系统 | |
CN112330021A (zh) | 一种分布式光储系统的网络协调控制方法 | |
CN115438964A (zh) | 一种输电网随机规划方法、设备及存储介质 | |
CN113344283B (zh) | 基于边缘智能的能源互联网新能源消纳能力评估方法 | |
CN109149658B (zh) | 基于一致性理论的独立微电网分布式动态经济调度方法 | |
CN112215462A (zh) | 基于马氏距离的k均值聚类电网适应性评价方法 | |
CN108233357A (zh) | 基于非参数概率预测及风险期望的风电日前消纳优化方法 | |
CN108629445A (zh) | 计及储能动态损耗的交直流混合微网鲁棒调度方法 | |
CN110336308B (zh) | 一种基于机会约束的主动配电网经济调度方法 | |
CN110739684A (zh) | 基于多时间尺度的多交直流混合微电网优化调度方法 | |
CN111932057B (zh) | 一种交直流微电网经济调度方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210112 |