CN113346484B - 一种考虑暂态不确定性的配电网弹性提升方法及系统 - Google Patents
一种考虑暂态不确定性的配电网弹性提升方法及系统 Download PDFInfo
- Publication number
- CN113346484B CN113346484B CN202110595383.1A CN202110595383A CN113346484B CN 113346484 B CN113346484 B CN 113346484B CN 202110595383 A CN202110595383 A CN 202110595383A CN 113346484 B CN113346484 B CN 113346484B
- Authority
- CN
- China
- Prior art keywords
- distribution network
- distributed power
- recovery
- constraint
- transient
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 122
- 230000001052 transient effect Effects 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000011084 recovery Methods 0.000 claims abstract description 136
- 238000004088 simulation Methods 0.000 claims abstract description 51
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 230000006870 function Effects 0.000 claims description 37
- 238000003860 storage Methods 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 16
- 239000000203 mixture Substances 0.000 claims description 14
- 238000010187 selection method Methods 0.000 claims description 14
- 101100499229 Mus musculus Dhrsx gene Proteins 0.000 claims description 13
- 230000005855 radiation Effects 0.000 claims description 12
- 230000001360 synchronised effect Effects 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 9
- 238000004146 energy storage Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000007665 sagging Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 abstract description 13
- 238000005096 rolling process Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000012795 verification Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
- H02J2300/26—The renewable source being solar energy of photovoltaic origin involving maximum power point tracking control for photovoltaic sources
-
- 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
- H02J2300/28—The renewable source being wind 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
- 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
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑暂态不确定性的配电网弹性提升方法及系统，基于历史分布式电源的实际数据集，对新能源机组出力预测误差进行概率建模及滚动修正；得到随时间不断更新的典型出力曲线；最大化关键负荷的恢复量；建立配电网电磁暂态仿真模型，实现多种分布式电源及其内部控制系统的精细化建模及并网稳定运行；实现仿真模型按稳态优化结果进行微网边界及负荷恢复次序的动态调整；通过添加线性约束将不满足暂态要求的解从可行域中删除，不断迭代直到恢复结果满足要求。本发明在不改变整体负荷恢复率的前提下，得到暂态指标不越限且分布式电源稳定运行的最优负荷恢复方案，为解决弹性配电网技术向实际工业应用迈进的关键突出问题奠定基础。
Description
技术领域
本发明属于配电系统恢复力提升技术领域，具体涉及一种考虑暂态不确定性的配电网弹性提升方法及系统。
背景技术
电力系统恢复力是描述系统面对冲击事件时预防、适应环境变化、承受扰动以及快速恢复的能力，而弹性电力系统则是具有恢复力的电力系统。配电网作为电力系统的重要组成部分，一方面其元件更易遭受自然灾害的损坏，加之其冗余度较低、控制手段相对匮乏，在极端事件下更脆弱；另一方面，配电网与用户负荷直接相关，弹性配电网能为用户和电网公司带来更多直接的效益。构建能有效抵御各类自然灾害与多元设备扰动，并能在灾害及扰动后实现快速恢复的弹性配电网成为配电网建设的迫切需要。弹性配电网能有力保障各类用电负荷安全可靠供电、促进可再生能源安全高效利用，对实现节能减排与社会经济发展具有重要意义。
然而，目前大部分弹性配电网恢复力提升技术研究还存在着较多不足之处。通常仅从稳态的角度提出优化模型，而没有计及稳定性或暂态约束，没有考虑电气边界动态调整等因素带来的稳定性影响，这使得稳态优化结果可能在稳定性层面是不可行的，阻碍了弹性配电网技术向实际工业应用的进一步迈进。因此在考虑暂态不确定性的前提下对弹性配电网恢复力提升技术进行修正和改进具有重要的意义。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种考虑暂态不确定性的配电网弹性提升方法及系统，对分布式电源的出力预测误差进行滚动修正，将动态变化的不确定性考虑到优化决策中，建立多时段配电网负荷恢复模型，通过软件求解得到稳态优化下的动态负荷恢复结果，进而修正稳态优化模型。
本发明采用以下技术方案：
一种考虑暂态不确定性的配电网弹性提升方法，包括以下步骤：
S1、基于高斯混合模型，对多个分布式风电或者光伏出力进行概率建模，利用联合概率函数对后续时刻进行场景采样，并通过快速前向选择法筛选典型场景；
S2、利用步骤S1筛选的典型场景，以不同权重系数下负荷恢复量最大为目标，考虑网络辐射拓扑约束、潮流约束及节点电压/电流约束、安全约束、分布式电源约束建立多时段配电网负荷恢复模型，利用Cplex进行优化求解得到稳态恢复结果；
S3、在PSCAD平台上建立含分布式电源的动态配网暂态仿真模型，利用步骤S2得到的稳态恢复结果得到的开关动作次序在动态配网暂态仿真模型中对稳态的恢复结果进行验证，利用电压、频率、功率指标判断负荷恢复决策，得到计及暂态不确定性的最优负荷恢复方法。
具体的，步骤S1具体为：
S101、将若干分布式电源的预测出力和实际出力的历史数据进行搜集并整合，采用联合概率密度函数进行分布拟合，建立分布式电源预测值和实际值之间的概率联系；
S102、基于分布式电源预测和实际历史数据，建立2n维的GMM联合概率模型；获取n个分布式电源当前时刻的实际出力值；得到下一时刻分布式电源出力的条件概率密度函数，然后对条件概率密度函数进行一次采样，获得下一时刻的出力值；若生成场景数已足够则停止采样，否则重新计算条件概率密度函数；最后利用快速前向选择法对所有场景进行概率再分配，筛选典型场景。
进一步的，步骤S101中，分布式电源预测值和实际值之间的概率联系具体为：
其中，
和
分别为原始均值向量和协方差矩阵中对应块，μ′i为更新以后的均值向量，σ′i为更新以后的协方差矩阵。
进一步的，步骤S102中，对所有场景进行概率再分配具体为：
其中，
为再分配后场景j的概率，pj为场景j本身的概率，pi为场景i的概率，J为削减的场景集合，Jj为离j最近的场景集合。
具体的，步骤S2中，网络辐射拓扑约束为：
αij＝βij+βji ij,ji∈B
其中，B为配网中馈线支路集合；N为接入配网的节点集合；G为配网中的电源节点集合；αij为线路状态，取值为1时代表线路连接，0为线路断开；βij为线路两端结点的父子连接关系对于支路传输功率方程；
潮流约束为：
-M·xij,t≤Pij,t≤M·xij,t
-M·xij,t≤Qij,t≤M·xij,t
Ui,t-Uj,t≤2(rij·Pij,t+xij·Qij,t)+M(1-xij,t)
Ui,t-Uj,t≥2(rij·Pij,t+xij·Qij,t)-M(1-xij,t)
其中，Pij,t和Qij,t为线路ij上传输的有功和无功功率；Pi,t和Qi,t为时刻t节点i上的有功和无功功率；rij,t和xij,t为线路ij上的阻抗；Ui,t为时刻t节点i上电压的幅值；M为实数；
安全约束为：
其中，
为线路容量的最大值，为了安全起见，配电线路上一般会限制线路送电容量；
安全约束包含的节点电压约束为：
其中，
和
为配电系统基准电压的0.9和1.1倍；
分布式电源约束为：
其中，
为分布式电源的电源容量；
和
为分布式电源的有功无功出力；
和
为分布式电源的有功出力上下限；
为节点i处分布式电源功率因数的最小值。
具体的，步骤S2中，多时段配电网负荷恢复模型的目标函数为：
其中，T为故障的时间集合；N为接入配网的节点集合；λi,t为二元决策变量，取值为1时代表该节点负荷已恢复，取值为0时代表负荷未恢复，表示t时刻负荷节点的恢复状态；
为t时刻节点i处负荷需要系统供给的有功功率。
具体的，步骤S3具体为：
S301、搭建含分布式电源的动态配网暂态仿真模型，加入储能和光伏、微型燃气轮机等分布式电源，同步发电机采用P-f/Q-v下垂控制，实现配电网脱离主网后的自主运行；
S302、根据步骤S2中稳态优化得到的多时段动态负荷恢复结果设置步骤S301含分布式电源的动态配网暂态仿真模型中不同时段开关的开闭状态，对恢复过程中微网的动态边界调整进行仿真，判断仿真结果中的电压、频率、功率指标是否在设定的阈值内。
具体的，步骤S3中，如果负荷恢复决策不可行，将不满足暂态稳定性的稳态恢复结果从可行域中剔除，构建决策不可行的约束条件，重新进行多时段配电网负荷恢复模型的求解，得到计及暂态不确定性的最优负荷恢复方法。
进一步的，稳态优化结果为
决策不可行的约束条件具体为：
其中，xi为负荷恢复决策变量，ri为随机数。
本发明的另一技术方案是，一种考虑暂态不确定性的配电网弹性提升系统，包括：
筛选模块，基于高斯混合模型，对多个分布式风电或者光伏出力进行概率建模，利用联合概率函数对后续时刻进行场景采样，并通过快速前向选择法筛选典型场景；
约束模块，利用筛选模块筛选的典型场景，以不同权重系数下负荷恢复量最大为目标，考虑网络辐射拓扑约束、潮流约束及节点电压/电流约束、安全约束、分布式电源约束建立多时段配电网负荷恢复模型，利用Cplex进行优化求解得到稳态恢复结果；
判断模块，在PSCAD平台上建立含分布式电源的动态配网暂态仿真模型，利用约束模块得到的稳态恢复结果得到的开关动作次序在动态配网暂态仿真模型中对稳态的恢复结果进行验证，利用电压、频率、功率指标判断负荷恢复决策，得到计及暂态不确定性的最优负荷恢复方法。
与现有技术相比，本发明至少具有以下有益效果：
本发明一种考虑暂态不确定性的配电网弹性提升方法，考虑暂态不确定性的配电网弹性提升方法，能够对分布式电源如光伏的预测数据进行充分挖掘，并根据高斯混合模型以及场景生成和削减对预测误差进行滚动修正；建立考虑分布式电源出力不确定性的多时段配电网负荷恢复模型，在考虑多种约束条件的前提下得到多时段负荷恢复动作次序；在PSCAD平台上搭建含同步发电机的动态配电网暂态仿真模型，采用下垂控制维持系统电压和频率的稳定；通过该仿真模型对稳态优化结果进行暂态校核，如果暂态校核通过则表明该负荷恢复策略在实际配电系统中是可行的，若不通过则说明该策略不满足实际运行要求，需要修正稳态优化模型并重新求解，得到满足暂态稳定性的最优负荷恢复策略。
进一步的，通过步骤S1快速前向选择法筛选典型场景，能够实现对分布式电源出力预测误差的不确定性进行滚动修正，将动态变化的不确定性考虑到多时段配电网负荷恢复模型中。
进一步的，建立分布式电源预测值与实际值之间的联系可以考虑分布式电源预测误差的不确定性，增加模型输入变量的准确度。
进一步的，对所有场景进行概率再分配可以利用快速前行选择进行场景削减，筛选出典型场景。
进一步的，通过设置各个约束条件可以使多时段配电网负荷恢复模型满足配电网拓扑约束、潮流约束、分布式电源运行约束以及安全约束。
进一步的，通过多时段配电网负荷恢复模型的目标函数建立多时段负荷恢复模型，实现灾后配电网关键负荷快速恢复，多时段故障恢复模型的目标函数可以为配网负荷进行权重划分，更好的达到优先满足重要负荷供电的目标。
进一步的，通过步骤S3建立PSCAD配电网电磁暂态仿真模型，进行暂态仿真校核，能够将稳态模型得到的负荷恢复次序反映到仿真模型的联络开关动作次序上利用暂态仿真模型判断恢复结果是否满足暂态稳定性约束，并对稳态模型进行校核修正。
进一步的，将不满足暂态稳定性的解从可行域中剔除，并不断迭代得到既满足稳态约束又满足暂态稳定性的最优负荷恢复策略。
进一步的，设置不可行的约束条件可以将多时段配电网负荷恢复模型中不满足暂态约束的解剔除掉，使模型满足暂态层面的可行性。
综上所述，本发明有效保障稳态优化结果在在暂态层面的可行性，为配电网恢复力提升技术在工业中的进一步应用奠定了基础。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明步骤S1基于GMM方法的场景生成流程图；
图2为本发明步骤S2多时段配电网负荷恢复模型得到的恢复结果图；
图3为本发明步骤S3配电网电磁暂态仿真模型图；
图4为本发明步骤S4暂态仿真校核的结果图；
图5为本发明流程图。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明提供了一种考虑暂态不确定性的配电网弹性提升方法，采用基于高斯混合模型及场景削减对分布式电源出力预测误差进行滚动修正，在优化决策中考虑分布式电源出力的不确定性。在考虑网络辐射拓扑约束、电源出力约束、潮流约束、安全约束等约束条件的前提下建立多时段配电网负荷恢复模型。在PSCAD平台上搭建IEEE-123节点的电磁暂态仿真模型，并通过联络开关的动作次序实现微网边界及负荷恢复的动态调整。最后根据仿真结果判断是否满足暂态要求，若不满足则将该解从可行域中删除而重新求解优化模型，不断迭代直到满足要求。
请参阅图5，本发明一种考虑暂态不确定性的配电网弹性提升方法，具体步骤如下：
S1、基于高斯混合模型，对多个分布式风电或者光伏出力进行概率建模，利用联合概率函数对后续时刻进行场景采样，并通过快速前向选择法筛选典型场景；
包括采用高斯混合模型的建立、分布式电源历史数据的搜集和整理、利用高斯混合模型进行分布拟合、分布式电源出力的场景生成和削减，请参阅图1，具体步骤如下：
S101、建立分布式电源预测值与实际值之间的联系；
采用了高斯混合模型(Gaussian Mixture Model，GMM)对多个分布式风电或光伏出力进行概率建模，其联合概率密度函数解析表达式为：
其中，M为高斯模型数；Ni(x；μi,σi)为均值向量为μi，协方差矩阵为σi的多元联合高斯正态分布的概率密度函数，
ωi为每个高斯模型的权重。
以光伏为例，若将n个光伏的预测出力Y和实际出力Z的历史数据进行搜集并整合X＝[ZT YT]T，然后采用(1)的GMM进行分布拟合，建立起预测值和实际值之间的概率联系；通过理论推导可知，在已知某一时刻光伏预测出力Y的条件下，该时刻光伏的实际出力仍然满足GMM形式，且可表示为：
其中，
和
分别为原始均值向量和协方差矩阵中对应块。
S102、分布式电源出力的场景生成及削减；
首先基于分布式电源预测和实际历史数据，建立2n维的GMM联合概率模型；然后通过测量装置获取n个分布式电源当前时刻的实际出力值；得到下一时刻分布式电源出力的条件概率密度函数后对条件概率密度函数进行一次采样，获得下一时刻的出力值；若生成场景数已足够则停止采样，否则重新计算条件概率密度函数；最后，利用快速前向选择法筛选典型场景。
采用快速前向选择法的计算步骤如下：
初始计算：计算两场景间的距离
并计算
选出所有
中的最小值对应的场景，将其保留下，即
循环计算(当保留场景数小于n时)：循环过程中cku发生变化，通过迭代可以得出
(证明过程略)；
并计算
选出所有
中的最小值对应的场景将其保留，即
概率再分配：利用式(6)对所有场景进行概率再分配。
S2、以不同权重系数下负荷恢复量最大为目标，考虑网络辐射拓扑约束、潮流约束、安全约束、分布式电源约束建立多时段配电网负荷恢复模型，利用Cplex(等商用求解软件)进行优化求解；
包括对目标函数、约束条件的设置，对不同重要度的负荷进行分级处理，利用生成树理论建立配电网辐射状拓扑约束，得到多时段负荷恢复结果，请参阅图2，具体如下：
目标函数的设置：
其中，T为故障的时间集合；N为接入配网的节点集合；λi,t为二元决策变量，取值为1时代表该节点负荷已恢复，取值为0时代表负荷未恢复，表示t时刻负荷节点的恢复状态；
为t时刻节点i处负荷需要系统供给的有功功率。该式表示优化问题的目标函数为所有节点、所有时间点的关键负荷恢复量最大。
网络辐射拓扑约束为：
αij＝βij+βji ij,ji∈B (8)
其中，B为配网中馈线支路集合；N为接入配网的节点集合；G为配网中的电源节点集合；αij为线路状态，取值为1时代表线路连接，0为线路断开；βij为线路两端结点的父子连接关系对于支路传输功率方程，网络拓扑采用配电网辐射状拓扑约束；
分布式电源运行约束为：
其中，
为分布式电源的电源容量；
和
为分布式电源的有功无功出力；
和
为分布式电源的有功出力上下限；
为节点i处分布式电源功率因数的最小值；
潮流约束为：
约束(15)表示流入节点的功率应与流出节点的功率相等
约束(16)表示只有带电线路才有功率流
约束(17)限制带电线路两端节点电压差值的范围
其中，Pij,t和Qij,t为线路ij上传输的有功和无功功率；Pi,t和Qi,t为时刻t节点i上的有功和无功功率；rij,t和xij,t为线路ij上的阻抗；Ui,t为时刻t节点i上电压的幅值；M为值很大的实数。
线路容量约束中需要考虑的安全约束如(18)所示：
其中，
为线路容量的最大值，为了安全起见，配电线路上一般会限制线路送电容量。可行的恢复策略需要保证系统在恢复过程中处于安全稳态运行状态。
安全约束包含节点电压约束，具体为：
其中，
和
为配电系统基准电压的0.9和1.1倍。
S3、在PSCAD平台上建立电磁暂态仿真模型，利用稳态恢复结果得到的开关动作次序，在暂态仿真模型中对于稳态的恢复结果进行验证，利用电压、频率、功率等技术指标判断该恢复结果是否满足系统运行安全性的条件，进而判断负荷恢复的决策是否可行；
包括搭建同步机、光伏、微型燃气轮机等分布式电源的仿真模型，控制部分的设计及实现，线路及负荷控制开关的添加及次序设置，具体请参阅图3，具体按照以下步骤实施：
S301、搭建分布式电源电磁暂态模型，实现配电网脱离主网后的自主运行；
在配电网中加入储能和光伏、风机、微型燃气轮机等分布式电源，验证恢复策略的暂态可行性。仿真系统中同步发电机采用P-f/Q-v下垂控制，实现了在无通讯的情况下功率缺额按比例分配，以维持系统的频率和电压稳定。分布式光伏、风机及配型燃气轮机采用P-Q控制，储能系统以蓄电池模型为基础，同样采用P-Q控制。
同步发电机的模型由“同步电机”模块、“交流励磁系统”模块及下垂控制环组成。测量装置将发电机的输出有功无功功率传递给下垂控制环，得到发电机的电压和频率值；然后电压信号传递给励磁系统用于稳定出端电压为给定值，频率信号输入同步电机控制其转速，从而实现整个系统电压和频率的稳定；
微型燃气轮机采用单轴结构，具有结构更紧凑、效率更高的特点，主要包括4个部分：速度控制环节、温度控制环节、燃料控制环节以及压缩机-涡轮环节。在PSCAD中搭建背靠背双PWM变流技术的单轴结构微型燃气轮机系统模型，包括微型燃气轮机、永磁同步机、PWM整流器、PWM逆变器、LC滤波器输出三相对称的工频交流电；
仿真系统中采用单级式光伏发电系统作为分布式电源，太阳能光伏阵列产生的直流电能逆变成交流后并入电网中，控制器控制太阳能电池板的最大功率追踪点，逆变器并网的功率和电流的波形，从而使向电网输送的功率与光伏阵列模块所发出的最大电能功率相平衡。MPPT控制方法采用了简单的恒定电压观测法。为得到控制逆变器开关所需的脉冲，模型中采用电压外环、电流内环的双环解耦控制，通过瞬时无功理论与SVPWM方法结合，通过瞬时无功理论得到参考电压，并用SVPWM得到触发脉冲，进而控制逆变器；
储能系统以蓄电池模型为基础，在蓄电池模块后增设了双向DC/DC变换器，为后级逆变器提供较为恒定的直流电压，并可对蓄电池储能系统进行灵活控制。
S302、根据稳态模型负荷恢复结果进行电磁暂态仿真；
在PSCAD电磁暂态仿真模型中的线路以及负荷处添加自动控制开关。根据步骤S2中稳态优化得到的多时段动态负荷恢复结果设置仿真模型中不同时段开关的开闭状态，对恢复过程中微网的动态边界调整进行仿真，判断仿真结果中的电压、频率、功率等技术指标是否在设定的阈值内。
S4、根据步骤S3暂态仿真得到的电压、频率、功率等技术指标进行暂态仿真校核，若暂态校核通过则说明该负荷恢复策略在实际配电网中是可行的，若不通过则需要修正稳态优化模型并重新求解，不断迭代直到结果满足要求。
包括得到暂态仿真校核的结果，在稳态恢复模型中添加线性约束，将不满足暂态稳定性的解从稳态模型中剔除，具体请参阅图4，具体按照以下步骤实施：
如果利用负荷恢复稳态优化结果是0～1整数型变量的特性，可以仅通过添加一个线性约束到原优化模型中，从而将该解从可行域中删除，同时也保证其他解的可行性。设稳态优化结果为
添加下述约束到优化模型中：
其中，xi为负荷恢复决策变量，ri为随机数。
式(20)的约束说明，如果负荷恢复决策变量和拟删除的解完全相同，那么该约束一定等于0；反之，若至少一个决策变量不相同，那么由于随机数的随机性，一定会使得该约束不等于0。从而保证了仅有该解被从可行域中删除。剔除后返回步骤S2，重新进行优化求解。
为了进一步减少各个时刻的暂态波动，可继续重复进行多次仿真-修正，直到得到的结果满足暂态稳定性条件。
本发明再一个实施例中，提供一种考虑暂态不确定性的配电网弹性提升系统，该系统能够用于实现上述考虑暂态不确定性的配电网弹性提升方法，具体的，该考虑暂态不确定性的配电网弹性提升系统包括筛选模块、约束模块以及判断模块。
其中，筛选模块，基于高斯混合模型，对多个分布式风电或者光伏出力进行概率建模，利用联合概率函数对后续时刻进行场景采样，并通过快速前向选择法筛选典型场景；
约束模块，利用筛选模块筛选的典型场景，以不同权重系数下负荷恢复量最大为目标，考虑网络辐射拓扑约束、潮流约束及节点电压/电流约束、安全约束、分布式电源约束建立多时段配电网负荷恢复模型，利用Cplex进行优化求解得到稳态恢复结果；
判断模块，在PSCAD平台上建立含分布式电源的动态配网暂态仿真模型，利用约束模块得到的稳态恢复结果得到的开关动作次序在动态配网暂态仿真模型中对稳态的恢复结果进行验证，利用电压、频率、功率指标判断负荷恢复决策，得到计及暂态不确定性的最优负荷恢复方法。
本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于考虑暂态不确定性的配电网弹性提升方法的操作，包括：
基于高斯混合模型，对多个分布式风电或者光伏出力进行概率建模，利用联合概率函数对后续时刻进行场景采样，并通过快速前向选择法筛选典型场景；利用筛选的典型场景，以不同权重系数下负荷恢复量最大为目标，考虑网络辐射拓扑约束、潮流约束及节点电压/电流约束、安全约束、分布式电源约束建立多时段配电网负荷恢复模型，利用Cplex进行优化求解得到稳态恢复结果；在PSCAD平台上建立含分布式电源的动态配网暂态仿真模型，利用稳态恢复结果得到的开关动作次序在动态配网暂态仿真模型中对稳态的恢复结果进行验证，利用电压、频率、功率指标判断负荷恢复决策，得到计及暂态不确定性的最优负荷恢复方法。
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关考虑暂态不确定性的配电网弹性提升方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：
基于高斯混合模型，对多个分布式风电或者光伏出力进行概率建模，利用联合概率函数对后续时刻进行场景采样，并通过快速前向选择法筛选典型场景；利用筛选的典型场景，以不同权重系数下负荷恢复量最大为目标，考虑网络辐射拓扑约束、潮流约束及节点电压/电流约束、安全约束、分布式电源约束建立多时段配电网负荷恢复模型，利用Cplex进行优化求解得到稳态恢复结果；在PSCAD平台上建立含分布式电源的动态配网暂态仿真模型，利用稳态恢复结果得到的开关动作次序在动态配网暂态仿真模型中对稳态的恢复结果进行验证，利用电压、频率、功率指标判断负荷恢复决策，得到计及暂态不确定性的最优负荷恢复方法。
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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他实施例，都属于本发明保护的范围。
本发明基于分布式电源的历史数据和实测数据对分布式电源出力的预测误差进行滚动修正；根据滚动修正的结果将出力动态变化的不确定性考虑到稳态优化模型中，并在考虑潮流约束、运行约束、安全约束、拓扑约束的前提下建立多时段配电网负荷恢复模型；搭建包含同步机、光伏、储能、微型燃气轮机等分布式电源的配电网电磁暂态仿真模型，进行仿真校核；将不符合暂态稳定性要求的解从稳态模型的可行域中剔除，不断迭代直到满足要求。实现了极端事件发生后配电网稳态恢复策略的校核与修正，对配电网恢复力提升技术在工业中的应用有较好的指导作用和现实意义。
本发明应用于提升弹性配电网的暂态稳定性。采用本发明后，能够在不改变整体负荷恢复率的前提下，得到暂态性能更优的负荷恢复方案，从而验证了所提方法的有效性。在IEEE-123节点系统中进行算例分析，所得稳态负荷恢复结果如表1所示。
表1各类负荷的恢复结果
请参阅图4，采用本发明后，图中9点时刻的系统频率，由改变前的59.8Hz～60.4Hz范围，缩小为59.9Hz～60.15Hz，负荷恢复带来的频率波动显著减小。因此可以得知，通过所提出的暂态修正方法，改变分布式电源的接入位置，可以使得在同样的负荷恢复率情况下，显著改善配电网恢复过程的暂态特性，从而降低配电网因暂态不稳定而恢复失败的风险，提高了系统的恢复能力。
综上所述，本发明一种考虑暂态不确定性的配电网弹性提升方法及系统，能在稳态恢复模型的基础上对暂态稳定性进行分析。通过对分布式电源出力预测误差的不确定性进行滚动修正，减小分布式电源出力不确定性的影响，搭建配电网电磁暂态仿真模型进行暂态校核，并通过添加线性约束将不满足暂态要求的解从可行域中剔除，不断进行暂态仿真校核和稳态优化修正，能够在不改变整体负荷恢复率的前提下，得到暂态性能更优的负荷恢复方案，从而验证了所提方法的有效性。
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。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
Claims (6)
1.一种考虑暂态不确定性的配电网弹性提升方法，其特征在于，包括以下步骤：
S1、基于高斯混合模型，对多个分布式风电或者光伏出力进行概率建模，利用联合概率函数对后续时刻进行场景采样，并通过快速前向选择法筛选典型场景，具体为：
S101、将若干分布式电源的预测出力和实际出力的历史数据进行搜集并整合，采用联合概率密度函数进行分布拟合，建立分布式电源预测值和实际值之间的概率联系，分布式电源预测值和实际值之间的概率联系具体为：
其中，
和
分别为原始均值向量和协方差矩阵中对应块，μ′i为更新以后的均值向量，σ′i为更新以后的协方差矩阵；
S102、基于分布式电源预测和实际历史数据，建立2n维的GMM联合概率模型；获取n个分布式电源当前时刻的实际出力值；得到下一时刻分布式电源出力的条件概率密度函数，然后对条件概率密度函数进行一次采样，获得下一时刻的出力值；若生成场景数已足够则停止采样，否则重新计算条件概率密度函数；最后利用快速前向选择法对所有场景进行概率再分配，筛选典型场景，对所有场景进行概率再分配具体为：
其中，
i∈J，
为再分配后场景j的概率，pj为场景j本身的概率，pi为场景i的概率，J为削减的场景集合，Jj为离j最近的场景集合；
S2、利用步骤S1筛选的典型场景，以不同权重系数下负荷恢复量最大为目标，考虑网络辐射拓扑约束、潮流约束及节点电压/电流约束、安全约束、分布式电源约束建立多时段配电网负荷恢复模型，利用Cplex进行优化求解得到稳态恢复结果；
S3、在PSCAD平台上建立含分布式电源的动态配网暂态仿真模型，利用步骤S2得到的稳态恢复结果得到的开关动作次序在动态配网暂态仿真模型中对稳态的恢复结果进行验证，利用电压、频率、功率指标判断负荷恢复决策，得到计及暂态不确定性的最优负荷恢复方法，具体为：
S301、搭建含分布式电源的动态配网暂态仿真模型，加入储能和光伏、微型燃气轮机等分布式电源，同步发电机采用P-f/Q-v下垂控制，实现配电网脱离主网后的自主运行；
S302、根据步骤S2中稳态优化得到的多时段动态负荷恢复结果设置步骤S301含分布式电源的动态配网暂态仿真模型中不同时段开关的开闭状态，对恢复过程中微网的动态边界调整进行仿真，判断仿真结果中的电压、频率、功率指标是否在设定的阈值内；
如果负荷恢复决策不可行，将不满足暂态稳定性的稳态恢复结果从可行域中剔除，构建决策不可行的约束条件，重新进行多时段配电网负荷恢复模型的求解，得到计及暂态不确定性的最优负荷恢复方法，稳态优化结果为
决策不可行的约束条件具体为：
其中，xi为负荷恢复决策变量，ri为随机数。
2.根据权利要求1所述的方法，其特征在于，步骤S2中，网络辐射拓扑约束为：
αij＝βij+βjiij,ji∈B
其中，B为配网中馈线支路集合；N为接入配网的节点集合；G为配网中的电源节点集合；αij为线路状态，取值为1时代表线路连接，0为线路断开；βij为线路两端结点的父子连接关系对于支路传输功率方程；
潮流约束为：
-M·xij,t≤Pij,t≤M·xij,t
-M·xij,t≤Qij,t≤M·xij,t
Ui,t-Uj,t≤2(rij·Pij,t+xij·Qij,t)+M(1-xij,t)
Ui,t-Uj,t≥2(rij·Pij,t+xij·Qij,t)-M(1-xij,t)
其中，Pij,t和Qij,t为线路ij上传输的有功和无功功率；Pi,t和Qi,t为时刻t节点i上的有功和无功功率；rij,t和xij,t为线路ij上的阻抗；Ui,t为时刻t节点i上电压的幅值；M为实数；
安全约束为：
其中，
为线路容量的最大值；
安全约束包含的节点电压约束为：
其中，
和
为配电系统基准电压的0.9和1.1倍；
分布式电源约束为：
其中，
为分布式电源的电源容量；
和
为分布式电源的有功无功出力；
和
为分布式电源的有功出力上下限；
为节点i处分布式电源功率因数的最小值。
3.根据权利要求1所述的方法，其特征在于，步骤S2中，多时段配电网负荷恢复模型的目标函数为：
其中，T为故障的时间集合；N为接入配网的节点集合；λi,t为二元决策变量，取值为1时代表该节点负荷已恢复，取值为0时代表负荷未恢复，表示t时刻负荷节点的恢复状态；
为t时刻节点i处负荷需要系统供给的有功功率，wi为节点i处负荷的权重系数。
4.一种考虑暂态不确定性的配电网弹性提升系统，其特征在于，包括：
筛选模块，基于高斯混合模型，对多个分布式风电或者光伏出力进行概率建模，利用联合概率函数对后续时刻进行场景采样，并通过快速前向选择法筛选典型场景，具体为：
将若干分布式电源的预测出力和实际出力的历史数据进行搜集并整合，采用联合概率密度函数进行分布拟合，建立分布式电源预测值和实际值之间的概率联系，分布式电源预测值和实际值之间的概率联系具体为：
其中，
和
分别为原始均值向量和协方差矩阵中对应块，μ′i为更新以后的均值向量，σ′i为更新以后的协方差矩阵；
基于分布式电源预测和实际历史数据，建立2n维的GMM联合概率模型；获取n个分布式电源当前时刻的实际出力值；得到下一时刻分布式电源出力的条件概率密度函数，然后对条件概率密度函数进行一次采样，获得下一时刻的出力值；若生成场景数已足够则停止采样，否则重新计算条件概率密度函数；最后利用快速前向选择法对所有场景进行概率再分配，筛选典型场景，对所有场景进行概率再分配具体为：
其中，
i∈J，
为再分配后场景j的概率，pj为场景j本身的概率，pi为场景i的概率，J为削减的场景集合，Jj为离j最近的场景集合；
约束模块，利用筛选模块筛选的典型场景，以不同权重系数下负荷恢复量最大为目标，考虑网络辐射拓扑约束、潮流约束及节点电压/电流约束、安全约束、分布式电源约束建立多时段配电网负荷恢复模型，利用Cplex进行优化求解得到稳态恢复结果；
判断模块，在PSCAD平台上建立含分布式电源的动态配网暂态仿真模型，利用约束模块得到的稳态恢复结果得到的开关动作次序在动态配网暂态仿真模型中对稳态的恢复结果进行验证，利用电压、频率、功率指标判断负荷恢复决策，得到计及暂态不确定性的最优负荷恢复方法，具体为：
搭建含分布式电源的动态配网暂态仿真模型，加入储能和光伏、微型燃气轮机等分布式电源，同步发电机采用P-f/Q-v下垂控制，实现配电网脱离主网后的自主运行；根据稳态优化得到的多时段动态负荷恢复结果设置含分布式电源的动态配网暂态仿真模型中不同时段开关的开闭状态，对恢复过程中微网的动态边界调整进行仿真，判断仿真结果中的电压、频率、功率指标是否在设定的阈值内；如果负荷恢复决策不可行，将不满足暂态稳定性的稳态恢复结果从可行域中剔除，构建决策不可行的约束条件，重新进行多时段配电网负荷恢复模型的求解，得到计及暂态不确定性的最优负荷恢复方法，稳态优化结果为
决策不可行的约束条件具体为：
其中，xi为负荷恢复决策变量，ri为随机数。
5.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行权利要求1或2或3所述的方法。
6.一种计算设备，其特征在于，包括：
一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1或2或3所述方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110595383.1A CN113346484B (zh) | 2021-05-28 | 2021-05-28 | 一种考虑暂态不确定性的配电网弹性提升方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110595383.1A CN113346484B (zh) | 2021-05-28 | 2021-05-28 | 一种考虑暂态不确定性的配电网弹性提升方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113346484A CN113346484A (zh) | 2021-09-03 |
| CN113346484B true CN113346484B (zh) | 2023-05-02 |
Family
ID=77472542
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110595383.1A Active CN113346484B (zh) | 2021-05-28 | 2021-05-28 | 一种考虑暂态不确定性的配电网弹性提升方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113346484B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114268090B (zh) * | 2021-10-28 | 2024-10-18 | 深圳供电局有限公司 | 一种配电网联络开关配置优化方法 |
| CN114784828B (zh) * | 2022-05-17 | 2024-08-16 | 上海交通大学 | 基于强化学习的电力系统暂态-稳态频率最优控制方法 |
| CN115441440A (zh) * | 2022-09-21 | 2022-12-06 | 国网陕西省电力有限公司电力科学研究院 | 一种基于分布式新能源聚合的配电网弹性提升方法及系统 |
| CN116937580B (zh) * | 2023-09-19 | 2023-11-28 | 华北电力大学 | 一种基于直流线路互联的区-隧供电系统弹性恢复方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111478358A (zh) * | 2019-11-06 | 2020-07-31 | 南瑞集团有限公司 | 一种计及分布式电源不确定性的配电网鲁棒恢复决策方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9818136B1 (en) * | 2003-02-05 | 2017-11-14 | Steven M. Hoffberg | System and method for determining contingent relevance |
| CN107093007B (zh) * | 2017-03-31 | 2020-12-22 | 华南理工大学 | 一种考虑光储持续带载能力的配电网可靠性评估方法 |
| CN108879765B (zh) * | 2018-07-02 | 2021-04-02 | 太原理工大学 | 防止微电网交流母线电流畸变的双向功率变换器控制方法 |
| CN112260271B (zh) * | 2020-10-10 | 2022-08-12 | 北京交通大学 | 一种配电网故障恢复策略的生成方法和装置 |
-
2021
- 2021-05-28 CN CN202110595383.1A patent/CN113346484B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111478358A (zh) * | 2019-11-06 | 2020-07-31 | 南瑞集团有限公司 | 一种计及分布式电源不确定性的配电网鲁棒恢复决策方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113346484A (zh) | 2021-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113346484B (zh) | 一种考虑暂态不确定性的配电网弹性提升方法及系统 | |
| Nazemi et al. | Uncertainty-aware deployment of mobile energy storage systems for distribution grid resilience | |
| Zhao et al. | A model predictive control based generator start-up optimization strategy for restoration with microgrids as black-start resources | |
| Hosseinzadeh et al. | Fault-tolerant supervisory controller for a hybrid AC/DC micro-grid | |
| Huang et al. | Adaptive droop-based hierarchical optimal voltage control scheme for VSC-HVdc connected offshore wind farm | |
| Zhang et al. | A two-level simulation-assisted sequential distribution system restoration model with frequency dynamics constraints | |
| CN107069814B (zh) | 配网分布式电源容量布点的模糊机会约束规划方法与系统 | |
| Sujatha et al. | Enhancement of PQ in grid connected PV system using hybrid technique | |
| Fu et al. | Integration of large-scale offshore wind energy via VSC-HVDC in day-ahead scheduling | |
| Home-Ortiz et al. | A mixed integer conic model for distribution expansion planning: Matheuristic approach | |
| Zhao et al. | Distributed risk-limiting load restoration for wind power penetrated bulk system | |
| Zhao et al. | Robust distributed coordination of parallel restored subsystems in wind power penetrated transmission system | |
| CN115995790A (zh) | 一种配电网故障恢复方法、系统、设备及介质 | |
| Saadatmand et al. | PMU-based FOPID controller of large-scale wind-PV farms for LFO damping in smart grid | |
| Liu et al. | Bi-level coordinated power system restoration model considering the support of multiple flexible resources | |
| Su et al. | Distributed wind power resources for enhanced power grid resilience | |
| Liu et al. | Stochastic optimal power flow for islanded microgrids considering droop control | |
| Hossain et al. | Design of non-interacting controllers for PV systems in distribution networks | |
| Yun et al. | Multi-time collaborative restoration for integrated electrical-gas distribution system based on rolling optimization | |
| Belbachir et al. | Multi-objective optimal renewable distributed generator integration in distribution systems using grasshopper optimization algorithm considering overcurrent relay indices | |
| Zhang et al. | Flexible energy management of storage-based renewable energy hubs in the electricity and heating networks according to point estimate method | |
| Sabzehgar et al. | Overview of technical challenges, available technologies and ongoing developments of AC/DC microgrids | |
| Xu et al. | Distributed Reactive Power Optimization for Energy Internet via Multiagent Deep Reinforcement Learning With Graph Attention Networks | |
| CN116384122A (zh) | 一种电力系统恢复决策支持的目标骨干网架优化方法 | |
| Liu et al. | A resilience enhancement scheme of cyber-physical power system for extreme natural disasters |
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 |