CN112989507A - 一种水轮机调速器参数优化方法、装置及系统 - Google Patents
一种水轮机调速器参数优化方法、装置及系统 Download PDFInfo
- Publication number
- CN112989507A CN112989507A CN202110120620.9A CN202110120620A CN112989507A CN 112989507 A CN112989507 A CN 112989507A CN 202110120620 A CN202110120620 A CN 202110120620A CN 112989507 A CN112989507 A CN 112989507A
- Authority
- CN
- China
- Prior art keywords
- parameters
- optimized
- objective function
- speed regulator
- hydraulic turbine
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims description 18
- 238000005457 optimization Methods 0.000 claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 230000010355 oscillation Effects 0.000 claims abstract description 15
- 230000002401 inhibitory effect Effects 0.000 claims abstract description 10
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 claims description 8
- 238000004088 simulation Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 241000661960 Prepops Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03B—MACHINES OR ENGINES FOR LIQUIDS
- F03B15/00—Controlling
- F03B15/02—Controlling by varying liquid flow
- F03B15/04—Controlling by varying liquid flow of turbines
- F03B15/06—Regulating, i.e. acting automatically
- F03B15/08—Regulating, i.e. acting automatically by speed, e.g. by measuring electric frequency or liquid flow
-
- 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
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/20—Hydro energy
Abstract
本发明公开了一种水轮机调速器参数优化方法、装置及系统,所述方法包括获取用于抑制电力系统超低频振荡的目标函数,所述目标函数中的待优化参数包括水轮机调速器的比例、积分和微分参数;基于所述目标函数和预设的优化算法,对所有待优化参数进行优化,得到帕累托最优前沿;根据所得帕累托最优前沿,在超调量可接受范围内选择调整时间最小的解作为最优解,并将最优解对应的参数作为水轮机调速器的待优化参数的最终值。本发明采用综合超调量和调整时间的多目标函数进行参数优化,不仅可以较好的抑制系统的超低频振荡,还能提高优化后系统的动态性能。
Description
技术领域
本发明属于电力系统的分析与控制领域,具体涉及一种水轮机调速器参数优化方法、装置及系统。
背景技术
对于水轮发电机经长距离输电的电力系统,由于水电机组的水锤效应以及不合理的调速器参数设置,导致系统易发生超低频振荡问题。通过优化调速器参数可有效抑制电力系统的超低频振荡。
现有抑制超低频振荡的调速器参数优化方法常采用单目标优化,无法满足超调量和调整时间同时达到最优。
发明内容
针对上述问题,本发明提出一种水轮机调速器参数优化方法、装置及系统,不仅能够较好地抑制系统的超低频振荡,还能提高优化后系统的动态性能。
为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
第一方面,本发明提供了一种水轮机调速器参数优化方法,包括:
获取抑制电力系统超低频振荡的目标函数,所述目标函数中的待优化参数包括所有水轮机调速器的比例、积分和微分参数;
基于所述目标函数和预设的优化算法,对所有待优化参数进行优化,得到帕累托最优前沿;
根据所得帕累托最优前沿,在超调量可接受范围内选择调整时间最小的解作为最优解,并将最优解对应的参数作为水轮机调速器的待优化参数的最终值。
可选地,所述目标函数包括f1和f2,具体为:
min f1=σ%
min f2=ts(Δh)
约束条件为:
式中,σ%表示超调量,其中c(t)表示观测量的受扰轨迹,c(∞)表示观测量的稳态值;ts(Δh)表示受扰轨迹进入允许误差Δh并不再超过该允许误差的最小时间;Kp、Ki和Kd分别为水轮机调速器的比例、积分和微分参数;下标i表示第i个节点;下标min和max分别表示最小值和最大值;SG为水轮机的集合。
可选地,所述预设的优化算法为NSGA-II优化算法。
可选地,所述帕累托最优前沿的计算过程为:
初始化参数,所述参数包括种群数目、进化代数以及待优化参数的取值区间;
基于NSGA-II优化算法和所述目标函数进行求解,得到目标函数f1和f2下的帕累托最优前沿。
可选地,所述最优解的计算过程为:
根据所得帕累托最优前沿,在超调量可接受范围内选择调整时间最小的解作为最优解。
第二方面,本发明提供了一种水轮机调速器参数优化装置,包括:
获取单元,用于获取抑制电力系统超低频振荡的目标函数,所述目标函数中的待优化参数包括所有水轮机调速器的比例、积分和微分参数;
优化单元,用于基于所述目标函数和预设的优化算法,对所有待优化参数进行优化,得到帕累托最优前沿;
求解单元,用于根据所得帕累托最优前沿,在超调量可接受范围内选择调整时间最小的解作为最优解,并将最优解对应的参数作为水轮机调速器的待优化参数的最终值。
可选地,所述目标函数包括f1和f2,具体为:
min f1=σ%
min f2=ts(Δh)
约束条件为:
式中,σ%表示超调量,其中c(t)表示观测量的受扰轨迹,c(∞)表示观测量的稳态值;ts(Δh)表示受扰轨迹进入允许误差Δh并不再超过该允许误差的最小时间;Kp、Ki和Kd分别为水轮机调速器的比例、积分和微分参数;下标i表示第i个节点;下标min和max分别表示最小值和最大值;SG为水轮机的集合。
可选地,所述预设的优化算法为NSGA-II优化算法。
可选地,所述帕累托最优前沿的计算过程为:
初始化参数,所述参数包括种群数目、进化代数以及待优化参数的取值区间;
基于NSGA-II优化算法和所述目标函数进行求解,得到目标函数f1和f2下的帕累托最优前沿。
第三方面,本发明提供了一种水轮机调速器参数优化系统,其特征在于,包括存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据第一方面中任一项所述方法的步骤。
与现有技术相比,本发明的有益效果:
本发明提出一种水轮机调速器参数优化方法、装置及系统,采用综合超调量(minf1=σ%)和调整时间(f2=ts(Δh))的多目标函数进行参数优化,不仅能够较好地抑制系统的超低频振荡,还能提高优化后系统的动态性能
附图说明
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明,其中:
图1为本发明一种实施例的水轮机调速器参数优化方法的流程示意图。
图2为本发明一种实施例的基于Matlab/Simulink平台搭建含4台水轮机2区域仿真系统图;
图3为本发明一种实施例的帕累托最优前沿曲线图;
图4(a)为本发明一种实施例的优化前后发电机G1的电磁功率对比图;
图4(b)为本发明一种实施例的优化前后发电机G1的频率波形对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
本发明的一种水轮机调速器参数优化方法,参见图1所示,包括以下步骤:
步骤1:基于Matlab/Simulink仿真平台,搭建4台水轮机2区域系统仿真模型,具体参见图2。
发电机系统包含调速器、原动机、励磁系统和电力系统稳定器。除了调速器和原动机外,其余参数直接采用MATLAB R2017a Simulink平台demo中4机2区域仿真系统的参数。
调速器采用PID模型,其传递函数为:
其中,Kp、Ki和Kd分别表示比例、积分和微分系数;Bp表示永态转差系数;Ty表示伺服系统时间常数。
原动机采用刚性水击模型,其传递函数为:
其中,Tw表示水锤效应时间常数。
4台水轮机的调速器和原动机参数见表1。
表1
机组 | K<sub>p</sub> | K<sub>i</sub> | K<sub>d</sub> | T<sub>w</sub> | T<sub>y</sub> | B<sub>p</sub> |
G<sub>1</sub>,G<sub>2</sub> | 0.80 | 1.00 | 0.50 | 2.0 | 0.2 | 0.04 |
G<sub>3</sub>,G<sub>4</sub> | 0.70 | 1.00 | 0.60 | 1.5 | 0.2 | 0.04 |
扰动设置为t=0s时母线7甩50MW的有功负荷,根据仿真结果获得4台水轮机的电磁功率。
步骤2:获取抑制电力系统超低频振荡的目标函数,将仿真系统中所有水轮机调速器的比例、积分和微分参数作为待优化参数。
所述目标函数包括f1和f2,具体为:
min f1=σ%
min f2=ts(Δh)
约束条件为:
式中,σ%表示超调量,其中c(t)表示观测量的受扰轨迹,c(∞)表示观测量的稳态值;ts(Δh)表示受扰轨迹进入允许误差Δh并不再超过该允许误差的最小时间;Kp、Ki和Kd分别为水轮机调速器的比例、积分和微分参数;下标i表示第i个节点;下标min和max分别表示最小值和最大值;SG为水轮机的集合。
步骤3:基于NSGA-II优化算法,根据所述抑制电力系统超低频振荡的目标函数对调速器参数进行优化,得到帕累托最优前沿。
NSGA-II优化算法的求解过程包括:
①给定初始种群规模pop、进化代数gen,交叉概率pc、变异概率pm、以及待优化参数Kp、Ki和Kd的范围,分别见表2和3。
表2
变量 | pop | gen | pc | pm |
取值 | 40 | 30 | 0.9 | 0.1 |
表3
变量 | Kp | Ki | Kd |
最小值 | 0.001 | 0.001 | 0.001 |
最大值 | 6 | 4 | 4 |
②初始化种群P0。
③对当代种群Pk进行选择,交叉,变异,产生子代Rk。每次选择时,先随机选取2个体,在2个体中选择非支配排序低,在排序度相同的情况下选择拥挤度较大的个体。交叉方法选用模拟二进制交叉,变异方法选用均匀变异。
④基于精英策略,将父代Pk和子代Rk放一起选择得到下一代Pk+1。首先令Qk=Pk∪Rk,计算新种群Qk中每个个体对应的函数值J1和J2。其次,对种群Qk进行快速非支配排序,对于不同非支配排序层级,按层级从小到大进行排序;对于相同非支配排序层级,进行拥挤度计算,按拥挤度从大到小进行排序。选取排序后的种群Qk前pop个组成新的子代Pk+1。
⑤判断迭代次数是否达到gen次,如果达到结束循环;如果没有,转到步骤③。
⑥给出帕累托最优前沿解集,图3为通过优化得到的帕累托最优前沿曲线。
步骤4:根据所得帕累托最优前沿确定最优解,在超调量可接受范围内选择调整时间最小的解作为最优解,将最优解对应的参数作为调速器参数的最终值,具体见图3的A点对应的调速器参数作为最优结果,见表4。
表4
机组 | K<sub>p</sub> | K<sub>i</sub> | K<sub>d</sub> |
G<sub>1</sub>,G<sub>2</sub> | 6.00 | 1.17 | 2.25 |
G<sub>3</sub>,G<sub>4</sub> | 2.19 | 1.77 | 0.63 |
采用表4优化得到的4台水轮发电机优化后的调速器参数,在t=0s时母线7减少50MW的有功负荷,仿真得到优化前后发电机G1的电磁功率波形及频率波形,参见图4(a)和图4(b)。可以看出,基于本发明的方法设计的水轮机调速器参数,可有效抑制电力系统的超低频振荡。
实施例2
基于与实施例1相同的发明构思,本发明实施例中提供了一种水轮机调速器参数优化装置,包括:
获取单元,用于获取抑制电力系统超低频振荡的目标函数,所述目标函数中的待优化参数包括所有水轮机调速器的比例、积分和微分参数;
优化单元,用于基于所述目标函数和预设的优化算法,对所有待优化参数进行优化,得到帕累托最优前沿;
求解单元,用于根据所得帕累托最优前沿,在超调量可接受范围内选择调整时间最小的解作为最优解,并将最优解对应的参数作为水轮机调速器的待优化参数的最终值。
所述目标函数包括f1和f2,具体为:
min f1=σ%
min f2=ts(Δh)
约束条件为:
式中,σ%表示超调量,其中c(t)表示观测量的受扰轨迹,c(∞)表示观测量的稳态值;ts(Δh)表示受扰轨迹进入允许误差Δh并不再超过该允许误差的最小时间;Kp、Ki和Kd分别为水轮机调速器的比例、积分和微分参数;下标i表示第i个节点;下标min和max分别表示最小值和最大值;SG为水轮机的集合。
在本发明实施例的一种具体实施方式中,所述预设的优化算法为NSGA-II优化算法。
在本发明实施例的一种具体实施方式中,所述帕累托最优前沿的计算过程为:
初始化参数,所述参数包括种群数目、进化代数以及待优化参数的取值区间;
基于NSGA-II优化算法和所述目标函数进行求解,得到目标函数f1和f2下的帕累托最优前沿。
实施例3
本发明实施例中提供了一种水轮机调速器参数优化系统,包括存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述方法的步骤。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种水轮机调速器参数优化方法,其特征在于,包括:
获取用于抑制电力系统超低频振荡的目标函数,所述目标函数中的待优化参数包括水轮机调速器的比例、积分和微分参数;
基于所述目标函数和预设的优化算法,对所有待优化参数进行优化,得到帕累托最优前沿;
根据所得帕累托最优前沿,在超调量可接受范围内选择调整时间最小的解作为最优解,并将最优解对应的参数作为水轮机调速器的待优化参数的最终值。
3.根据权利要求2所述的一种水轮机调速器参数优化方法,其特征在于:所述预设的优化算法为NSGA-II优化算法。
4.根据权利要求3所述的一种水轮机调速器参数优化方法,其特征在于,所述帕累托最优前沿的计算过程为:
初始化参数,所述参数包括种群数目、进化代数以及待优化参数的取值区间;
基于NSGA-II优化算法和所述目标函数进行求解,得到目标函数f1和f2下的帕累托最优前沿。
5.一种水轮机调速器参数优化装置,其特征在于,包括:
获取单元,用于获取用于抑制电力系统超低频振荡的目标函数,所述目标函数中的待优化参数包括所有水轮机调速器的比例、积分和微分参数;
优化单元,用于基于所述目标函数和预设的优化算法,对所有待优化参数进行优化,得到帕累托最优前沿;
求解单元,用于根据所得帕累托最优前沿,在超调量可接受范围内选择调整时间最小的解作为最优解,并将最优解对应的参数作为水轮机调速器的待优化参数的最终值。
7.根据权利要求6所述的一种水轮机调速器参数优化装置,其特征在于,所述预设的优化算法为NSGA-II优化算法。
8.根据权利要求7所述的一种水轮机调速器参数优化装置,其特征在于,所述帕累托最优前沿的计算过程为:
初始化参数,所述参数包括种群数目、进化代数以及待优化参数的取值区间;
基于NSGA-II优化算法和所述目标函数进行求解,得到目标函数f1和f2下的帕累托最优前沿。
9.一种水轮机调速器参数优化系统,其特征在于,包括存储介质和处理器;
所述存储介质用于存储指令;
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1~4中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110120620.9A CN112989507A (zh) | 2021-01-28 | 2021-01-28 | 一种水轮机调速器参数优化方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110120620.9A CN112989507A (zh) | 2021-01-28 | 2021-01-28 | 一种水轮机调速器参数优化方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112989507A true CN112989507A (zh) | 2021-06-18 |
Family
ID=76345710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110120620.9A Pending CN112989507A (zh) | 2021-01-28 | 2021-01-28 | 一种水轮机调速器参数优化方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112989507A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116931438A (zh) * | 2023-09-12 | 2023-10-24 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种水轮机调速器参数确定方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107476931A (zh) * | 2017-08-14 | 2017-12-15 | 国网四川省电力公司电力科学研究院 | 一种水轮机调速器pid参数优化方法及系统 |
CN107800146A (zh) * | 2017-11-16 | 2018-03-13 | 国网四川省电力公司电力科学研究院 | 兼顾一次调频和超低频振荡抑制的调速器参数优化方法 |
CN110377970A (zh) * | 2019-06-27 | 2019-10-25 | 中国南方电网有限责任公司 | 弱阻尼低频振荡模式的水轮机调速器参数优化方法及系统 |
-
2021
- 2021-01-28 CN CN202110120620.9A patent/CN112989507A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107476931A (zh) * | 2017-08-14 | 2017-12-15 | 国网四川省电力公司电力科学研究院 | 一种水轮机调速器pid参数优化方法及系统 |
CN107800146A (zh) * | 2017-11-16 | 2018-03-13 | 国网四川省电力公司电力科学研究院 | 兼顾一次调频和超低频振荡抑制的调速器参数优化方法 |
CN110377970A (zh) * | 2019-06-27 | 2019-10-25 | 中国南方电网有限责任公司 | 弱阻尼低频振荡模式的水轮机调速器参数优化方法及系统 |
Non-Patent Citations (1)
Title |
---|
WEIKANG WANG: "Parameter Optimization of Hydro Governors for Damping Ultra-Low Frequency Oscillation based on the NSGA-II", 2020 12TH IEEE PES ASIA-PACIFIC POWER AND ENERGY ENGINEERING CONFERENCE (APPEEC) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116931438A (zh) * | 2023-09-12 | 2023-10-24 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种水轮机调速器参数确定方法、装置、设备及介质 |
CN116931438B (zh) * | 2023-09-12 | 2024-01-23 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种水轮机调速器参数确定方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105207253B (zh) | 考虑风电及频率不确定性的agc随机动态优化调度方法 | |
CN112736926A (zh) | 一种分布式新能源接入配电网区间仿射潮流动态优化方法 | |
CN110888317A (zh) | 一种pid控制器参数智能优化方法 | |
CN110059345B (zh) | 一种抽水蓄能机组相继甩负荷关机规律优化方法与系统 | |
CN111404204A (zh) | 一种利用改进狼群算法的含风电场电力系统优化调度方法 | |
CN115940292A (zh) | 基于圆圈搜索算法的含风储电力系统优化调度方法及系统 | |
CN109146131A (zh) | 一种日前风力发电预测方法 | |
CN112989507A (zh) | 一种水轮机调速器参数优化方法、装置及系统 | |
CN104915788B (zh) | 一种考虑多风场相关性的电力系统动态经济调度的方法 | |
CN110766210A (zh) | 一种梯级水库群短期优化调度方法与系统 | |
CN107294136B (zh) | 一种电力系统调度方法及装置 | |
CN114444755A (zh) | 一种风电短期功率预测方法、装置及可读存储介质 | |
CN111245032B (zh) | 一种计及风电场集电线路降损优化的电压预测控制方法 | |
CN112531735A (zh) | 基于机器学习的自动发电控制系统的功率分配方法及装置 | |
CN117195449A (zh) | 一种风电场排布优化方法、装置、设备及介质 | |
CN112564160A (zh) | 一种计及风电不确定性的储能系统随机配置方法、终端及存储介质 | |
Chen et al. | Modified antipredatory particle swarm optimization for dynamic economic dispatch with wind power | |
CN111181197A (zh) | 一种多弃风区域风储容量配置方法 | |
CN116108982A (zh) | 一种水库群多目标调度合作搜索方法及系统 | |
CN115860169A (zh) | 一种火电机组深度调峰改造多目标优化规划方法及系统 | |
CN115021336A (zh) | 一种面向高比例新能源电力系统惯量不足场景的优化方法 | |
CN114204613A (zh) | 一种海上风电场接入电力系统的无功补偿方法和系统 | |
CN113410900A (zh) | 基于自适应差分鲸鱼优化的微电网hess优化配置方法及系统 | |
CN113410872A (zh) | 一种风电场内机组间的功率优化分配算法 | |
Raj et al. | Regular paper optimal power flow solution for combined economic emission dispatch problem using particle swarm optimization technique |
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 |