CN113131529B - 一种计及多种灵活性资源的可再生能源承载力评估的方法 - Google Patents

一种计及多种灵活性资源的可再生能源承载力评估的方法 Download PDF

Info

Publication number
CN113131529B
CN113131529B CN202110449684.3A CN202110449684A CN113131529B CN 113131529 B CN113131529 B CN 113131529B CN 202110449684 A CN202110449684 A CN 202110449684A CN 113131529 B CN113131529 B CN 113131529B
Authority
CN
China
Prior art keywords
time
node
load
power
scene
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
Application number
CN202110449684.3A
Other languages
English (en)
Other versions
CN113131529A (zh
Inventor
梁硕
刘丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Chuang Zhi Li He Electric Power Technology Co ltd
Original Assignee
Nanjing Chuang Zhi Li He Electric Power Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Chuang Zhi Li He Electric Power Technology Co ltd filed Critical Nanjing Chuang Zhi Li He Electric Power Technology Co ltd
Priority to CN202110449684.3A priority Critical patent/CN113131529B/zh
Publication of CN113131529A publication Critical patent/CN113131529A/zh
Application granted granted Critical
Publication of CN113131529B publication Critical patent/CN113131529B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48—Controlling the sharing of the in-phase component
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/30—Reactive power compensation
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Power Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Optimization (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)

Abstract

本发明公开一种计及多种灵活性资源的可再生能源承载力评估的方法，包括如下步骤：S1、输入光照强度、负荷需求等历史数据和光伏、电动汽车充电站的位置；S2、建立光伏、负荷、电动汽车概率分布模型；S3、建立评估可再生能源承载能力的指标体系；S4、以可再生能源接纳容量最大化为目标建立目标函数；S5、建立电网中各种灵活性资源的数学模型；S6、根据S5中需求响应后的负荷及其他相关约束条件，结合S4得到总体的随机优化模型，求解可再生能源最优承载容量。本发明考虑了电网承载力评估中光照强度、负荷、电动汽车的随机特性以及各种灵活性资源的数学模型，实现了考虑多种不确定性因素及灵活性资源的承载力评估。

Description

一种计及多种灵活性资源的可再生能源承载力评估的方法
技术领域
本发明属于配电网承载力评估领域，具体涉及一种计及多种灵活性资源的可再生能源承载力评估的方法。
背景技术
在现今经济发展全球化和气候变化全球化的背景下，清洁环保的分布式可再生能源得到了快速发展，分布式新能源的渗透率逐步提高，传统化石能源的使用量得到了一定程度的减少，实现了电网的绿色化与可持续发展。然而，分布式新能源的高渗透率也会给电网的安全稳定运行带来一定的问题，如电压越限、潮流越限等。
因此，提出一种方法，基于承载能力评估指标体系，指导新能源合理有序接入，同时，考虑到现有承载力评估技术缺乏对源荷随机特性以及电网中各种灵活性资源的分析，本发明实现了不确定性因素和灵活性资源的精细化建模，在此基础上评估新能源的最大可接纳容量。
针对上述提出的问题，现设计一种计及多种灵活性资源的可再生能源承载力评估的方法。
发明内容
针对现有技术的不足，本发明的目的在于提供一种计及多种灵活性资源的可再生能源承载力评估的方法，该方法考虑到了电网中各种灵活性资源以及源荷随机性，基于承载能力评估指标体系，指导新能源合理有序接入，通过综合的协调管理方案实现含新能源的电网安全稳定运行。
本发明的目的可以通过以下技术方案实现：
一种计及多种灵活性资源的可再生能源承载力评估的方法，包括如下步骤：
S1、输入光照强度、负荷需求等历史数据和光伏、电动汽车充电站的位置；
S2、建立光伏、负荷、电动汽车概率分布模型；
S3、建立评估可再生能源承载能力的指标体系；
S4、以可再生能源接纳容量最大化为目标建立目标函数；
S5、建立电网中各种灵活性资源的数学模型；
S6、根据S5中需求响应后的负荷及其他相关约束条件，结合S4得到总体的随机优化模型，求解可再生能源最优承载容量。
进一步的，所述S2中，用户负荷以及太阳辐射强度存在随机特性，即每小时各节点负荷服从正态分布，存在太阳辐照的各小时太阳辐射强度服从Bata分布，考虑电网中电动汽车出行行为的随机特性，建立电动汽车概率分布模型。
受用户出行行为的影响，电动汽车到达充电站的时间、离开充电站的时间以及日行驶里程存在随机特性，在已知电动汽车在电动汽车充电站的停留时长时，根据到达时间的概率分布便可得出每小时停留在充电站的汽车数量。
设其到达充电站的时间服从正态分布，到达停留一段固定时间后离开，设其日行驶里程数服从对数正态分布，各随机变量的分布及定义如下：
利用蒙特卡洛抽样的方法随机生成n组负荷样本、n组太阳辐射强度样本以及n组电动汽车充电站逐时功率分布及初始SOC样本，分别采用k-mediods聚类技术进行样本削减，得到削减后的m组负荷样本及其对应的概率、m组太阳辐射强度样本及其对应的概率、m组电动汽车分布样本及其对应的概率。
进一步的，公式(1)为电动汽车到达时间的概率密度函数，Tarr,n为第n个电动汽车到达充电站的时间，为到达时间的期望值，/>为到达时间的标准差。
公式(2)为电动汽车的初始SOC(电池荷电状态)，dmn为第n辆电动汽车的日行驶里程，AERn为第n辆电动汽车的全电续驶里程，Econs/mile,n为行驶每公里的能量消耗，Cbatt,n为电池容量。
公式(3)为电动汽车日行驶里程的概率密度函数，为日行驶里程的期望值，为日行驶里程的标准差。
进一步的，所述S3中，主要包括分布式新能源接纳能力指标F、节点电压越限指标FV、支路潮流越限指标FL和综合经济性风险指标FE。F反映电网中新能源的容量水平，FV及FL反映当前新能源承载水平下的系统总体安全性大小，FE反映当前新能源承载水平下的电网经济性风险。
进一步的，公式(4)和公式(5)构成可再生能源承载力评估中的接纳能力指标，为t时刻第r个光伏单元在场景s下的有功出力，/>为t时刻第r个光伏单元在场景s出现的概率，T为总时间段数，ns为总场景数，nPV为总光伏单元数。
公式(6)和公式(7)为安全性指标，Vmin为节点电压幅值的下限，Vmax为节点电压幅值的上限，为t时刻节点i电压可能出现的最小值，/>为t时刻节点i电压可能出现的最大值，Lmax为支路潮流有功上限，/>为t时刻支路l的有功潮流可能出现的最大值，均为二进制变量，若/>则/>为1，否则该值为0；若 为1，否则该值为0；若/> 为1，否则该值为0。
公式(8)为经济性风险指标，αe为经济性风险边界值，βe为风险置信度，fc(y)为C的概率密度函数，πt表示t时刻的电价，PLl,t表示支路l在t时刻的网损，n为分布式电源使用年限，γ为分布式电源固定年利率，为第m个分布式电源t时刻的运行维护费用，/>为第m个分布式电源t时刻的出力大小。
进一步的，所述S4中，以式(4)最大化为目标函数建立承载力评估随机优化模型，约束条件主要包括潮流约束、设备出力上下限约束和配电网运行安全性约束。
公式(9)为配电网潮流约束，为时刻t场景s下节点i的光伏有功出力，/>为时刻t场景s下节点i的负荷有功功率，/>为时刻t场景s下节点i的电动汽车充电站的充放电功率，/>为时刻t场景s下节点i的无功补偿器注入无功功率，/>为时刻t场景s下节点i的负荷无功功率，/>为时刻t场景s下OLTC的分接头位置。
公式(10)为平衡节点的节点电压幅值及相角约束，其中电压幅值为1，电压相角为0。
公式(11)为节点电压安全性约束。
公式(12)为光伏出力上下限约束，其中，为节点i的PV有功出力下限，/>为节点i的PV有功出力上限。
进一步的，计及电网中各种灵活性资源的影响，主要包括：电负荷需求响应、电动汽车充放电功率、OLTC分接头位置以及无功补偿装置。
对于电负荷需求响应，以需求响应后一天24小时的负荷峰谷差最小化以及购电费用最小化为目标函数，认为每个时刻的需求由关键需求、灵活需求、热需求以及可削减需求组成，其中关键需求不可变化，热需求需满足用户对室内温度的满意度要求，具体的负荷需求响应模型如下：
对于电动汽车，其SOC、电池充电功率以及电池放电功率需要满足如下的约束条件：
Trem,n＝Td,n-Tarr,n (18)
SOCn,d,s≥SOCn,min,s (20)
对于OLTC，主要考虑其分接头位置的影响：
对于无功补偿装置，需满足以下约束条件：
进一步的，公式(13)和公式(14)中为实施需求响应后t时刻节点i的总负荷，为实施需求响应后t时刻节点i的关键负荷，/>为实施需求响应后t时刻节点i的灵活可转移负荷，/>为实施需求响应后t时刻节点i的热负荷，/> 为实施需求响应后t时刻节点i的削减负荷，ri为节点i一天的灵活性负荷总量，/>为时刻t节点i的灵活性负荷上限值，为时刻t可削减负荷的上限值，/> 为时刻t的室内温度，/>为时刻t的室外温度，Tl为室内温度的下限，Tu为室内温度的上限，εh为取值在0到1之间的惯性因子，/>为与导热系数和性能系数有关的参数。
公式(15)为电池的SOC约束，为t时刻s场景下第n个电动汽车的SOC，/>为t时刻s场景下第n个电动汽车的充电功率，/>为t时刻s场景下第n个电动汽车的放电功率，δ和η均为0-1变量，且δ与η的乘积为0。
公式(16)为充电功率平衡约束。
公式(17)为放电功率平衡约束。
公式(18)中，Td,n为第n个电动汽车离开充电站的时间。
公式(19)为电动汽车充电站充放电功率上下限约束，为时刻t场景s下节点i的充电站充放电功率的下限，/>为时刻t场景s下节点i的充电站充放电功率的上限。
公式(20)为SOC约束，SOCn,d,s为场景s下第n辆电动汽车在离开时刻的SOC值，SOCn,min,s为场景s下第n辆电动汽车在离开时刻的SOC下限值。
公式(21)中，tapmin为最小分接头位置，tapmax为最大分接头位置。
公式(22)和公式(23)中，为时刻t场景s下节点i的无功下限，/>为时刻t场景s下节点i的无功上限，Sinv,i表示节点i逆变器的额定容量。
本发明的有益效果：
1、本发明提出的计及多种灵活性资源的可再生能源承载力评估的方法，考虑了电网承载力评估中光照强度、负荷、电动汽车的随机特性，通过建立分布式电源、负荷以及电动汽车出行的数学模型，得到多组随机样本，实现了考虑多种不确定性因素的承载力评估；
2、本发明提出的计及多种灵活性资源的可再生能源承载力评估的方法，从接纳容量、安全性和经济性三个方面建立了接纳能力评估指标，实现了评估指标的多维化与具体化，具有实际的应用价值；
3、本发明提出的计及多种灵活性资源的可再生能源承载力评估的方法，在承载力评估中，通过对电网中各种灵活性资源的精细化建模，包括负荷需求响应、电动汽车充放电功率、OLTC分接头位置以及无功补偿装置，实现了承载力评估的精细化，使得评估结果更加贴合电网运行实际情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的整体评估方法流程图；
图2是本发明实施例的改进PG&E69节点配电系统的示意图；
图3是本发明实施例的不考虑OLTC、电动汽车以及无功补偿装置时进行承载力优化求解，得到的节点11、18、61每小时电压均值示意图；
图4是本发明实施例的仅考虑OLTC时进行承载力优化求解，得到的节点11、18、61每小时电压均值示意图；
图5是本发明实施例的同时考虑OLTC、电动汽车以及无功补偿装置时进行承载力优化求解，得到的节点11、18、61每小时电压均值示意图；
图6是本发明实施例的基于上述三种条件下优化求解出的可再生能源承载容量以及渗透率的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种计及多种灵活性资源的可再生能源承载力评估的方法，包括如下步骤：
S1、输入光照强度、负荷需求等历史数据和光伏、电动汽车充电站的位置；
S2、建立光伏、负荷、电动汽车概率分布模型
用户负荷以及太阳辐射强度存在随机特性，即每小时各节点负荷服从正态分布，存在太阳辐照的各小时太阳辐射强度服从Bata分布，考虑电网中电动汽车出行行为的随机特性，建立电动汽车概率分布模型。受用户出行行为的影响，电动汽车到达充电站的时间、离开充电站的时间以及日行驶里程存在随机特性。在已知电动汽车在电动汽车充电站的停留时长时，根据到达时间的概率分布便可得出每小时停留在充电站的汽车数量。设其到达充电站的时间服从正态分布，到达停留一段固定时间后离开，设其日行驶里程数服从对数正态分布。各随机变量的分布及定义如下：
其中，公式(1)为电动汽车到达时间的概率密度函数，Tarr,n为第n个电动汽车到达充电站的时间，为到达时间的期望值，/>为到达时间的标准差；
公式(2)为电动汽车的初始SOC(电池荷电状态)，dmn为第n辆电动汽车的日行驶里程，AERn为第n辆电动汽车的全电续驶里程，Econs/mile,n为行驶每公里的能量消耗，Cbatt,n为电池容量；
公式(3)为电动汽车日行驶里程的概率密度函数，为日行驶里程的期望值，为日行驶里程的标准差。
利用蒙特卡洛抽样的方法随机生成n组负荷样本、n组太阳辐射强度样本以及n组电动汽车充电站逐时功率分布及初始SOC样本，分别采用k-mediods聚类技术进行样本削减，得到削减后的m组负荷样本及其对应的概率、m组太阳辐射强度样本及其对应的概率、m组电动汽车分布样本及其对应的概率。
S3、建立评估可再生能源承载能力的指标体系
主要包括分布式新能源接纳能力指标F、节点电压越限指标FV、支路潮流越限指标FL和综合经济性风险指标FE。F反映电网中新能源的容量水平，FV及FL反映当前新能源承载水平下的系统总体安全性大小，FE反映当前新能源承载水平下的电网经济性风险。
其中公式(4)和公式(5)构成可再生能源承载力评估中的接纳能力指标，为t时刻第r个光伏单元在场景s下的有功出力，/>为t时刻第r个光伏单元在场景s出现的概率，T为总时间段数，ns为总场景数，nPV为总光伏单元数；
公式(6)和公式(7)为安全性指标，Vmin为节点电压幅值的下限，Vmax为节点电压幅值的上限，为t时刻节点i电压可能出现的最小值，/>为t时刻节点i电压可能出现的最大值，Lmax为支路潮流有功上限，/>为t时刻支路l的有功潮流可能出现的最大值，均为二进制变量，若/>则/>为1，否则该值为0；若/> 为1，否则该值为0；若/> 为1，否则该值为0；
公式(8)为经济性风险指标，αe为经济性风险边界值，βe为风险置信度，fc(y)为C的概率密度函数，πt表示t时刻的电价，PLl,t表示支路l在t时刻的网损，n为分布式电源使用年限，γ为分布式电源固定年利率，为第m个分布式电源t时刻的运行维护费用，/>为第m个分布式电源t时刻的出力大小。
S4、以可再生能源接纳容量最大化为目标建立目标函数
其中，公式(9)为配电网潮流约束，为时刻t场景s下节点i的光伏有功出力，为时刻t场景s下节点i的负荷有功功率，/>为时刻t场景s下节点i的电动汽车充电站的充放电功率，/>为时刻t场景s下节点i的无功补偿器注入无功功率，/>为时刻t场景s下节点i的负荷无功功率，/>为时刻t场景s下OLTC的分接头位置；
公式(10)为平衡节点的节点电压幅值及相角约束，其中电压幅值为1，电压相角为0；
公式(11)为节点电压安全性约束；
公式(12)为光伏出力上下限约束，其中，为节点i的PV有功出力下限，/>为节点i的PV有功出力上限。
S5、建立电网中各种灵活性资源的数学模型
电网中各种灵活性资源的影响，主要包括电负荷需求响应、电动汽车充放电功率、OLTC分接头位置以及无功补偿装置。对于电负荷需求响应，以需求响应后一天24小时的负荷峰谷差最小化以及购电费用最小化为目标函数，认为每个时刻的需求由关键需求、灵活需求、热需求以及可削减需求组成，其中关键需求不可变化，热需求需满足用户对室内温度的满意度要求。具体的负荷需求响应模型如下：
其中，公式(13)和公式(14)中为实施需求响应后t时刻节点i的总负荷，/>为实施需求响应后t时刻节点i的关键负荷，/>为实施需求响应后t时刻节点i的灵活可转移负荷，/>为实施需求响应后t时刻节点i的热负荷，/>为实施需求响应后t时刻节点i的削减负荷，ri为节点i一天的灵活性负荷总量，/>为时刻t节点i的灵活性负荷上限值，/>为时刻t可削减负荷的上限值，/>为时刻t的室内温度，/>为时刻t的室外温度，Tl为室内温度的下限，Tu为室内温度的上限，εh为取值在0到1之间的惯性因子，/>为与导热系数和性能系数有关的参数。
对于电动汽车，其SOC、电池充电功率以及电池放电功率需要满足如下的约束条件：
Trem,n＝Td,n-Tarr,n (18)
SOCn,d,s≥SOCn,min,s (20)
其中，公式(15)为电池的SOC约束，为t时刻s场景下第n个电动汽车的SOC，为t时刻s场景下第n个电动汽车的充电功率，/>为t时刻s场景下第n个电动汽车的放电功率，δ和η均为0-1变量，且δ与η的乘积为0；
公式(16)为充电功率平衡约束；
公式(17)为放电功率平衡约束；
公式(18)中，Td,n为第n个电动汽车离开充电站的时间；
公式(19)为电动汽车充电站充放电功率上下限约束，为时刻t场景s下节点i的充电站充放电功率的下限，/>为时刻t场景s下节点i的充电站充放电功率的上限；
公式(20)为SOC约束，SOCn,d,s为场景s下第n辆电动汽车在离开时刻的SOC值，SOCn,min,s为场景s下第n辆电动汽车在离开时刻的SOC下限值。
对于OLTC，主要考虑其分接头位置的影响：
公式(21)中，tapmin为最小分接头位置，tapmax为最大分接头位置。
对于无功补偿装置，需考虑以下约束条件：
其中，公式(22)和公式(23)中，为时刻t场景s下节点i的无功下限，/>为时刻t场景s下节点i的无功上限，Sinv,i表示节点i逆变器的额定容量。
S6、根据S5中需求响应后的负荷及其他相关约束条件，结合S4得到总体的随机优化模型，求解可再生能源最优承载容量
如图2所示，本实施例采用了采用了PG&E69节点配电系统，该系统中节点33、36、52、65设有电动汽车充电站，节点11、18、61设有分布式光伏以及无功补偿装置，节点0和节点1之间设有OLTC。系统中共有69个节点68条线路，基准有功功率为3.802MW，基准无功功率为2.695MW。下面对本发明实施例的仿真结果进行说明。
在以下三种策略下求解分布式光伏承载力：
①不考虑OLTC、电动汽车以及无功补偿装置；
②仅考虑OLTC的影响；
③同时考虑OLTC、电动汽车以及无功补偿装置。
图3为配电网在策略一所求的分布式光伏最大承载容量下运行时系统的节点电压平均值，如图3所示，节点61在0:00-4:00以及22:00-24:00均存在节点电压平均值低于电压下限0.95的情况。
图4和图5分别为在策略2和3所求的承载容量下运行时节点11、18、61的电压平均值，可见由于在优化过程中考虑了OLTC、电动汽车以及无功补偿装置，实际运行时电压越下限的情况得到了改善。
图6为在以上三种策略下该系统的分布式新能源最大承载容量以及渗透率，由图可知，最大承载容量为14.72MW，渗透率为388％，此时考虑了OLTC、电动汽车以及无功补偿装置的影响。
综上所述，基于承载能力评估指标体系，指导新能源合理有序接入，解决含新能源的电网运行过程中面临的潮流越限等问题。此外，考虑到现有承载力评估技术忽略了源荷随机特性，本发明计及了负荷、分布式电源的概率分布模型以及电动汽车出行的随机模型，通过随机优化使得本发明的承载力评估方法能够兼顾多种不确定性因素的影响。同时，考虑到现有承载力评估技术对电网中各种灵活性资源的分析不够充分，本发明计及了多种灵活性资源的影响，对负荷需求响应、电动汽车充放电功率、OLTC分接头位置以及无功补偿装置进行了精细化建模，通过对灵活性资源的优化实现了承载力评估结果的精细化。考虑电网中各种灵活性资源以及源荷随机性，通过综合的协调管理方案，评估可再生能源的承载能力，具有实际的应用价值。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、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。

Claims (2)

1.一种计及多种灵活性资源的可再生能源承载力评估的方法，其特征在于，包括如下步骤：
S1、输入光照强度、负荷需求等历史数据和光伏、电动汽车充电站的位置；
S2、建立光伏、负荷、电动汽车概率分布模型；
S3、建立评估可再生能源承载能力的指标体系；
S4、以可再生能源接纳容量最大化为目标建立目标函数；
S5、建立电网中各种灵活性资源的数学模型；
S6、根据S5中需求响应后的负荷及相关约束条件，结合S4得到总体的随机优化模型，求解可再生能源最优承载容量；
所述S3中，主要包括分布式新能源接纳能力指标F、节点电压越限指标FV、支路潮流越限指标FL和综合经济性风险指标FE，F反映电网中新能源的容量水平，FV及FL反映当前新能源承载水平下的系统总体安全性大小，FE反映当前新能源承载水平下的电网经济性风险；
公式(1)和公式(2)构成可再生能源承载力评估中的接纳能力指标，为t时刻第r个光伏单元在场景s下的有功出力，/>为t时刻第r个光伏单元在场景s出现的概率，T为总时间段数，ns为总场景数，nPV为总光伏单元数；
公式(3)和公式(4)为安全性指标，Vmin为节点电压幅值的下限，Vmax为节点电压幅值的上限，为t时刻节点i电压可能出现的最小值，/>为t时刻节点i电压可能出现的最大值，Lmax为支路潮流有功上限，/>为t时刻支路l的有功潮流可能出现的最大值，均为二进制变量，若/>则/>为1，否则该值为0；若/> 为1，否则该值为0；若/> 为1，否则该值为0；
公式(5)为经济性风险指标，αe为经济性风险边界值，βe为风险置信度，fc(y)为C的概率密度函数，πt表示t时刻的电价，PLl,t表示支路l在t时刻的网损，n为分布式电源使用年限，γ为分布式电源固定年利率，为第m个分布式电源t时刻的运行维护费用，/>为第m个分布式电源t时刻的出力大小；
所述S4中，以式(1)最大化为目标函数建立承载力评估随机优化模型，约束条件主要包括潮流约束、设备出力上下限约束和配电网运行安全性约束；
公式(6)为配电网潮流约束，为时刻t场景s下节点i的光伏有功出力，/>为时刻t场景s下节点i的负荷有功功率，/>为时刻t场景s下节点i的电动汽车充电站的充放电功率，/>为时刻t场景s下节点i的无功补偿器注入无功功率，/>为时刻t场景s下节点i的负荷无功功率，/>为时刻t场景s下OLTC的分接头位置，OLTC表示有载调压变压器；
公式(7)为平衡节点的节点电压幅值及相角约束，其中电压幅值为1，电压相角为0；
公式(8)为节点电压安全性约束；
公式(9)为光伏出力上下限约束，其中，为节点i的PV有功出力下限，/>为节点i的PV有功出力上限；
所述S5中，计及电网中各种灵活性资源的影响，主要包括：电负荷需求响应、电动汽车充放电功率、OLTC分接头位置以及无功补偿装置；
对于电负荷需求响应，以需求响应后一天24小时的负荷峰谷差最小化以及购电费用最小化为目标函数，认为每个时刻的需求由关键需求、灵活需求、热需求以及可削减需求组成，其中关键需求不可变化，热需求需满足用户对室内温度的满意度要求，具体的负荷需求响应模型如下：
对于电动汽车，其SOC、电池充电功率以及电池放电功率需要满足如下的约束条件：
Trem,n＝Td,n-Tarr,n(15)
SOCn,d,s≥SOCn,min,s(17)
对于OLTC，主要考虑其分接头位置的影响：
对于无功补偿装置，需满足以下约束条件：
公式(10)和公式(11)中为实施需求响应后t时刻节点i的总负荷，/> 为实施需求响应后t时刻节点i的关键负荷，/>为实施需求响应后t时刻节点i的灵活可转移负荷，/>为实施需求响应后t时刻节点i的热负荷，/>为实施需求响应后t时刻节点i的削减负荷，ri为节点i一天的灵活性负荷总量，/>为时刻t节点i的灵活性负荷上限值，/>为时刻t可削减负荷的上限值，/>为时刻t的室内温度，/>为时刻t的室外温度，Tl为室内温度的下限，Tu为室内温度的上限，εh为取值在0到1之间的惯性因子，/>为与导热系数和性能系数有关的参数；
公式(12)为电池的SOC约束，为t时刻s场景下第n个电动汽车的SOC，/>为t时刻s场景下第n个电动汽车的充电功率，/>为t时刻s场景下第n个电动汽车的放电功率，δ和η均为0-1变量，且δ与η的乘积为0；
公式(13)为充电功率平衡约束；
公式(14)为放电功率平衡约束；
公式(15)中，Td,n为第n个电动汽车离开充电站的时间；
公式(16)为电动汽车充电站充放电功率上下限约束，为时刻t场景s下节点i的充电站充放电功率的下限，/>为时刻t场景s下节点i的充电站充放电功率的上限；
公式(17)为SOC约束，SOCn,d,s为场景s下第n辆电动汽车在离开时刻的SOC值，SOCn,min,s为场景s下第n辆电动汽车在离开时刻的SOC下限值；
公式(18)中，tapmin为最小分接头位置，tapmax为最大分接头位置；
公式(19)和公式(20)中，为时刻t场景s下节点i的无功下限，
为时刻t场景s下节点i的无功上限，Sinv,i表示节点i逆变器的额定容量。
2.根据权利要求1所述的一种计及多种灵活性资源的可再生能源承载力评估的方法，其特征在于，所述S2中，用户负荷以及太阳辐射强度存在随机特性，即每小时各节点负荷服从正态分布，存在太阳辐照的各小时太阳辐射强度服从Bata分布，考虑电网中电动汽车出行行为的随机特性，建立电动汽车概率分布模型；
受用户出行行为的影响，电动汽车到达充电站的时间、离开充电站的时间以及日行驶里程存在随机特性，在已知电动汽车在电动汽车充电站的停留时长时，根据到达时间的概率分布便可得出每小时停留在充电站的汽车数量；
设其到达充电站的时间服从正态分布，到达停留一段固定时间后离开，设其日行驶里程数服从对数正态分布，各随机变量的分布及定义如下：
利用蒙特卡洛抽样的方法随机生成n组负荷样本、n组太阳辐射强度样本以及n组电动汽车充电站逐时功率分布及初始SOC样本，分别采用k-mediods聚类技术进行样本削减，得到削减后的m组负荷样本及其对应的概率、m组太阳辐射强度样本及其对应的概率和m组电动汽车分布样本及其对应的概率；
公式(21)为电动汽车到达时间的概率密度函数，Tarr,n为第n个电动汽车到达充电站的时间，为到达时间的期望值，/>为到达时间的标准差；
公式(22)为电动汽车的初始SOC，dmn为第n辆电动汽车的日行驶里程，AERn为第n辆电动汽车的全电续驶里程，Econs/mile,n为行驶每公里的能量消耗，Cbatt,n为电池容量；
公式(23)为电动汽车日行驶里程的概率密度函数，为日行驶里程的期望值，/>为日行驶里程的标准差。
CN202110449684.3A 2021-04-25 2021-04-25 一种计及多种灵活性资源的可再生能源承载力评估的方法 Active CN113131529B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110449684.3A CN113131529B (zh) 2021-04-25 2021-04-25 一种计及多种灵活性资源的可再生能源承载力评估的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110449684.3A CN113131529B (zh) 2021-04-25 2021-04-25 一种计及多种灵活性资源的可再生能源承载力评估的方法

Publications (2)

Publication Number Publication Date
CN113131529A CN113131529A (zh) 2021-07-16
CN113131529B true CN113131529B (zh) 2024-02-06

Family

ID=76779853

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110449684.3A Active CN113131529B (zh) 2021-04-25 2021-04-25 一种计及多种灵活性资源的可再生能源承载力评估的方法

Country Status (1)

Country Link
CN (1) CN113131529B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113962101A (zh) * 2021-10-28 2022-01-21 福州大学 一种新能源汽车综合充能站可靠性评估方法
CN114759615B (zh) * 2022-06-10 2022-09-02 南京邮电大学 基于混合仿真的配网分布式光伏承载力分析及削减方法
CN114825469B (zh) * 2022-06-20 2022-09-23 华北电力大学 一种分布式电源集群出力评估方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103683326A (zh) * 2013-12-05 2014-03-26 华北电力大学 一种区域电网风电多点接入最佳接纳能力的计算方法
CN107437824A (zh) * 2017-06-28 2017-12-05 国电南瑞科技股份有限公司 一种基于遗传算法的地区分布式电源准入容量的计算方法
CN109149635A (zh) * 2018-09-03 2019-01-04 国网江西省电力有限公司电力科学研究院 一种配电网分布式光伏并行优化配置方法及系统
JP2019030123A (ja) * 2017-07-28 2019-02-21 京セラ株式会社 電源管理方法、電源管理サーバ及び電源管理装置
CN109449937A (zh) * 2018-12-13 2019-03-08 国网新疆电力有限公司 一种通过系统频率稳定约束确定电网新能源承载力的方法
CN110247428A (zh) * 2019-06-21 2019-09-17 华东交通大学 一种基于源网荷协同优化的配电网光储联合配置方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103683326A (zh) * 2013-12-05 2014-03-26 华北电力大学 一种区域电网风电多点接入最佳接纳能力的计算方法
CN107437824A (zh) * 2017-06-28 2017-12-05 国电南瑞科技股份有限公司 一种基于遗传算法的地区分布式电源准入容量的计算方法
JP2019030123A (ja) * 2017-07-28 2019-02-21 京セラ株式会社 電源管理方法、電源管理サーバ及び電源管理装置
CN109149635A (zh) * 2018-09-03 2019-01-04 国网江西省电力有限公司电力科学研究院 一种配电网分布式光伏并行优化配置方法及系统
CN109449937A (zh) * 2018-12-13 2019-03-08 国网新疆电力有限公司 一种通过系统频率稳定约束确定电网新能源承载力的方法
CN110247428A (zh) * 2019-06-21 2019-09-17 华东交通大学 一种基于源网荷协同优化的配电网光储联合配置方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Dynamic hosting capacity rvaluation of DGs in active distribution network;wei hu;《2012 12th IEEE PES Asia-Pacific Power and Energy Engineering Conference》;第1-6页 *
考虑电动汽车规模化接入的配电网承载能力的研究;段雪;《工程科技Ⅱ辑》;第6、28、47-49页；附图5-1 *

Also Published As

Publication number Publication date
CN113131529A (zh) 2021-07-16

Similar Documents

Publication Publication Date Title
Hannan et al. Battery energy-storage system: A review of technologies, optimization objectives, constraints, approaches, and outstanding issues
US11878602B2 (en) Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station
CN113131529B (zh) 一种计及多种灵活性资源的可再生能源承载力评估的方法
Fouladi et al. Power management of microgrids including PHEVs based on maximum employment of renewable energy resources
CN112467722B (zh) 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法
CN104319768B (zh) 一种微电网供电及监控方法
CN110895638A (zh) 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
Ghiani et al. Impact of renewable energy sources and energy storage technologies on the operation and planning of smart distribution networks
CN112734098B (zh) 一种基于源-荷-网平衡的配电网电力调度方法及系统
Wang et al. Multi-objective energy management system for DC microgrids based on the maximum membership degree principle
CN104268806A (zh) 一种微电网功率监控系统
Varzaneh et al. Optimal energy management for PV‐integrated residential systems including energy storage system
Purvins et al. Electric vehicle charging system model for accurate electricity system planning
Qiao et al. Comparison of centralised and distributed battery energy storage systems in LV distribution networks on operational optimisation and financial benefits
Rabe et al. Assessment of energy storage for energy strategies development on a regional scale
Han et al. Optimal sizing considering power uncertainty and power supply reliability based on LSTM and MOPSO for SWPBMs
Nasab et al. Charging management of electric vehicles with the presence of renewable resources
Tsao et al. Distributed energy storage system planning in relation to renewable energy investment
Li et al. Capacity optimization of clean renewable energy in power grid considering low temperature environment constraint
Bagheri et al. A Decentralized Energy Management Method for Load Curve Smoothing‎ Considering Demand and Profit of Electric Vehicle Owners with Different‎ Capacity of Batteries
Alsabbagh et al. Behaviour-based distributed energy management for charging EVs in photovoltaic charging station
CN114091958A (zh) 智能用电小区的综合能效评估方法及电网规划方法
Wu et al. Research on optimal storage capacity of DC micro‐grid system in PV station
Vollenweider Grid integration of PV systems and local storage in distribution networks
Hamdaoui et al. Optimized energy management of electric vehicles connected to microgrid

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Liang Shuo

Inventor after: Liu Li

Inventor before: Liang Shuo

Inventor before: Liu Li

Inventor before: Chen Lijuan

Inventor before: Sun Huanhuan

GR01 Patent grant
GR01 Patent grant