CN113393172A - 一种考虑配电网多设备时序运行的“源网储”规划方法 - Google Patents
一种考虑配电网多设备时序运行的“源网储”规划方法 Download PDFInfo
- Publication number
- CN113393172A CN113393172A CN202110800014.1A CN202110800014A CN113393172A CN 113393172 A CN113393172 A CN 113393172A CN 202110800014 A CN202110800014 A CN 202110800014A CN 113393172 A CN113393172 A CN 113393172A
- Authority
- CN
- China
- Prior art keywords
- ess
- power
- power distribution
- distribution network
- planning
- 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.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 162
- 238000003860 storage Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004146 energy storage Methods 0.000 claims abstract description 42
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 238000010276 construction Methods 0.000 claims abstract description 14
- 230000008878 coupling Effects 0.000 claims abstract description 5
- 238000010168 coupling process Methods 0.000 claims abstract description 5
- 238000005859 coupling reaction Methods 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 16
- 230000017105 transposition Effects 0.000 claims description 16
- 238000007599 discharging Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 2
- BNOODXBBXFZASF-UHFFFAOYSA-N [Na].[S] Chemical compound [Na].[S] BNOODXBBXFZASF-UHFFFAOYSA-N 0.000 claims description 2
- 239000002253 acid Substances 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims description 2
- 238000001764 infiltration Methods 0.000 claims description 2
- 229910001416 lithium ion Inorganic materials 0.000 claims description 2
- 238000013486 operation strategy Methods 0.000 claims description 2
- 230000035699 permeability Effects 0.000 claims description 2
- 238000010248 power generation Methods 0.000 claims description 2
- 230000001629 suppression Effects 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000005265 energy consumption Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- 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
-
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种考虑配电网多设备时序运行的“源网储”规划方法及存储介质，该方法为：全面分析主动配电网内部“源网储”各设备之间运行特性并对各设备进行建模，分别构建配电网综合多目标函数规划模型、分布式电源综合多目标函数规划模型、综合多目标函数的储能系统规划模型及其约束条件；分析并得出各主体间决策变量和状态变量的耦合关系构建基于多方协调最优的“源网储”三层协调规划模型；对“源网储”三层协调规划模型求解，确定最优规划方案。本发明实现对主动配电网中多运营主体之间规划方案的协调优化。从而为主动配电网的规划和建设提供了技术支撑，对实现不同可再生能源协调互补、新能源消纳和配电系统结构和运行优化具有重要意义。
Description
技术领域
本发明涉及配电网建设过程中的规划方法，具体地，涉及一种考虑配电网多设备时序运行的“源网储”规划方法。
背景技术
相较于传统配电网被动、无源的特性，目前配电网中接入以风力和光伏为主的分布式电源，将配电网从无源网转化为有源网，储能设备的规模应用也使得负荷发生了时间的平移，不仅使得配电网在规划建设过程中发生巨大变化，还对于配电网运行产生了一定影响，成就新型主动配电网。主动配电网实现了以灵活的网络拓扑结构对电力潮流进行高效管理，使分布式电源、负荷和储能系统等分布式设备形成有序集合进行高效控制，并在适当的监管和并网协议下为电力系统运行提供有效支撑，具有传统配电网所无法比拟的优势。同时，随着电力行业市场化的脚步不断深化，以不同设备为代表的各运营主体不断形成，考虑各运营主体的协调规划具有实际意义。因此，建立并完善一套面对不同运营主体之间的考虑配电网中多设备时序运行的协调规划方法，对于配电网中多种设备规划建设工作具有重要的理论和实践价值。
近些年，对于主动配电网的规划、运行等方面的研究也越来越多且已取得很多成果，但在研究和应用示范的过程中，发现主动配电网的应用需要与传统配电网理论和技术存在部分矛盾。因为，主动配电网在规划过程中需要考更多的复杂耦合的因素，存在着如下的问题：
一、目前对于主动配电网中多种可再生能源接入多数只考虑单一能源接入配电系统所带来的影响，缺乏对于多种可再生能源时空分布特性的协调利用和多能互补等方面的研究。
二、现有关于主动配电网规划的研究从规划层面出发，对于主动配电网中多种可再生能源和储能设备之间的协同优化作用还可以继续进行挖掘，更好的实现“源-网-储”的优化协调规划方案的目标。
三、目前电力改革不断深入，电力市场逐步有序开放，对于电力市场环境下的不同运营主体之间存在着许多新出现的矛盾，相互之间呈现出相辅相成、相互制约的局面，现有规划体系并未全面协调开放市场环境下之间不同运营主体关系，无法满足包含“源网储”多运营主体的协调规划和各运营主体的优化配置需求。
源于电能运输的安全和经济、生产和使用方便、对环境友好等优点，目前我国正在积极推动电能替代战略的发展和普及工作，并随之电力市场的不断开放，主动配电网作为电能的承载网络，是促进资源友好和环境友好型社会发展、构建以电能为主的绿色能源消费模式的重要枢纽。
因此，如何多方位协调“源网储”多运营主体之间的相辅相成、相互制约的关系，计及主动配电网运行过程中多种可再生能源分布的时间特性以及储能系统运行时序特性，建立“源网储”各个运营主体的规划模型，并采用科学合理的规划方法筛选出最优方案，推动开放电力市场环境下“源网储”多运营主体的优化配置和协调规划，从而为主动配电网的建设和发展提供理论和技术支撑成为了当下亟需解决的研究课题。
发明内容
本发明的目的在于提出一种考虑配电网多设备时序运行的“源网储”规划方法，建立“源网储”各个运营主体的规划模型，形成科学、合理、有效的协调规划体系，并利用科学合理的规划方法为主动配电网的建设和发展提供理论和技术支撑，具有良好的应用前景。
为达此目的，本发明采用以下技术方案：
一种考虑配电网多设备时序运行的“源网储”规划方法，其特征在于，包括如下步骤：
设备建模步骤S110：全面分析主动配电网内部“源网储”各设备之间运行特性并对各设备进行建模；
配电网综合模型及其约束条件构建步骤S120:
根据配电公司网架结构，构建配电网综合多目标函数规划模型及其约束条件；
分布式电源模型及其约束条件构建步骤S130:
根据多种可再生能源分布特性，构建分布式电源综合多目标函数规划模型及其约束条件；
储能系统规划模型及其约束条件构建步骤S140：
根据储能系统时序运行特性，构建以储能系统综合多目标函数的储能系统规划模型及其约束条件；
“源网储”三层协调规划模型建立步骤S150：
基于双层规划方法，分析并得出配电公司、DG运营主体和ESS运营主体的各运营主体间决策变量和状态变量的耦合关系，根据Stackelberg博弈模型的原则，对各运营主体模型复合化，构建基于多方协调最优的“源网储”三层协调规划模型；
“源网储”三层协调规划模型求解步骤S160：
采用并行遗传算法对“源网储”三层协调规划模型求解，确定最优规划方案。
本发明进一步公开了一种存储介质，用于存储计算机可执行指令，其特征在于：
所述计算机可执行指令在被处理器执行时执行上述的考虑配电网多设备时序运行的“源网储”规划方法。
本发明具有如下优点：
(1)综合考虑配电公司、DG运营主体和ESS运营主体之间相互影响，一方面考虑配电网网架结构对DG和ESS选址定容的影响，同时DG和ESS的接入也优化配电网运行，从而优化配电网网架结构，另一方面，DG和ESS相辅相成，ESS通过自身可以平移负荷的特性，提升配电网对于可再生能源的消纳，DG通过为ESS提供低价可再生能源提高ESS的边际收益。
(2)将效率性、可靠性和安全性同时考虑，充分考虑配电网、DG和ESS自身特性，实现各个运营主体之间的有机协调。根
(3)实现了多运营主体之间的协调规划，提高了配电网运行效率和可靠性、可再生能源的消纳与多能互补和ESS的有序接入，对开放电力市场背景下多主体的良性发展提供了理论指导和技术支撑。
附图说明
图1为根据本发明具体实施例的考虑配电网多设备时序运行的“源网储”规划方法的流程图；
图2为根据本发明的主动配电网“源网储”多层协调规划模型关系图
图3为根据本发明具体实施例的并行遗传算法求解主动配电网“源网储”多层协调模型流程图；
图4为根据本发明具体实施例的主动配电网“源网储”多层协调规划方法中模型网架结构图，其中图4(a)表示待规划网架结构，图4(b)表示配电网规划结果。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
本发明主要在于：分析配电网，特别是主动配电网内部的源网储”各设备之间运行特性并对各设备进行建模，分别根据配电公司网架结构、多种可再生能源分布特性、和储能系统时序运行特性，构建相应的多目标函数的综合模型及其约束条件，基于双层规划函数，构建基于多方协调最优的“源网储”三层协调规划模型，最后采用并行遗传算法对“源网储”三层协调规划模型求解，确定最优规划方案。
具体的，参见图1，示出了根据本发明具体实施例的考虑配电网多设备时序运行的“源网储”规划方法的流程图，包括如下步骤：
设备建模步骤S110：全面分析主动配电网内部“源网储”各设备之间运行特性并对各设备进行建模，该步骤为优化配置和协调规划方案的选取奠定基础。
具体而言，主动配电网中主要包含的设备有分布式电源(distributiongeneration，DG)和储能装置(energy storage system，ESS)，其中分布式电源包括风力发电机和光伏发电机，储能装置包括钠硫电池、锂离子电池、铅酸电池等蓄电设备。主动配电网中与分布式电源、储能装置进行电能交互，在满足配电网络安全、可靠运行的约束下以保证用户侧需求，各类设备模型如下：
1.风力发电机模型
风力发电机的输出功率与所安装地风速相关，在得到风速时序变化数据后，可通过风力发电机功率输出特性得到风力发电机时序变化的功率输出，表达式为：
式中，Pt WG为风力发电机在t时刻的输出功率；A,B,C分别为风力发电机功率参数；PWG,rated为风力发电机额定功率；vrated是风力发电机的额定风速；vci是风力发电机的切出风速；vco是风力发电机的切出风速。
2.光伏发电机模型
光伏发电机的输出功率主要与光伏发电机安装地的辐照强度、环境温度及能量转换特性等有光，在得到光照强度数据后，可结合光伏发电机参数确定光伏发电机时序变化功率输出情况，表达式为：
式中，Pt PV为光伏发电机在时刻t的功率输出；ri为t时刻光照强度；SPV为t时刻光伏发电机池板面积；εt PV为光电转换效率；rrated为光伏池板额定光照强度；εPV为光伏池板额定转换效率。
3.储能设备
储能设备正常运行时，电池的荷电状态(state storage system，SOC)是体现电池剩余电量的重要参数。
式中，SOC的取值范围在0～1之间；E(t)为t时刻电池储能的剩余电量；Er为电池储能的额定容量。
SOCmin≤SOC≤SOCmax
式中，SOCmin、SOCmax分别为储能SOC的上限值和下限值。
E(t)＝(1-σES)E(t-1)+ΔtPES(t)
0≤Pc(t)≤Pcmax
0≤Pd(t)≤Pdmax
Pc(t)Pd(t)＝0
式中，E(t)和E(t-1)分别为t时刻和t-1时刻的储能剩余电量；σES为储能在Δt时刻内的自放电率；Δt为t时刻和t+1时刻之间的时间间隔；PES(t)表示t时刻的储能充放电功率，PES(t)＞0表示储能元件在充电，PES(t)＜0为储能元件在放电；Pcmax为储能元件充电功率上限；Pdmax为储能元件放电功率的上限，Pc(t)表示充电功率，Pd(t)表示放电功率。
配电网综合模型及其约束条件构建步骤S120:
根据配电公司网架结构，构建配电网综合多目标函数规划模型及其约束条件。
具体的，配电网综合多目标函数为：
式中，CS,W表示配电公司建配电网线路固定投资成本；Ploss表示配电公司在运营配电网过程中所产生的电能损耗有功功率；pinfiltration表示配电公司运行过程中可再生能源渗透率；PEENS表示配电公司在运营配电网过程中因发生故障所产生的失负荷功率；DCO2表示配电公司在运营配电网过程中因采用清洁能源而减少得CO2排放量。
式中，L为配电网建设支路总数；α为0-1变量，α＝0表示待规划线路未被建设或改造，α＝1表示待规划线路被建设；Cline,i为第i条待规划线路建设所需综合成本；r为贴现率；T为线路可使用年限；S为典型场景总数；T为一个典型场景中总小时数(每一个场景均为24小时)；TS为第s典型场景一年时间内运行总天数；Tt为典型场景中被划分好的一个时间间隔；Ploss,s,t为第s场景第t时段配电网运行所产生的有功功率损耗；
为第s场景第t时段用户侧负荷需求；
为第s场景第t时段配电公司从DG运营主体购电量；λ为ESS的充/放电/备用状态，1表示ESS处于充电状态、-1表示ESS处于放电状态、0表示ESS处于备用状态；
为第s场景第t时段ESS充/放电/备用状态下有功功率的总净值。
PEENS计算方法如下：
(1)如果孤岛中不存在DG和ESS系统，PEENS为孤岛中各节点原始负荷值之和；
(2)如果孤岛中仅存在DG或ESS系统，DG或ESS系统按负荷重要程度依次给孤岛中的负荷供电，相应求得此时PEENS值；
(3)如果孤岛中同时存在DG和ESS系统，优先DG供电，不足部分根据该时刻ESS设备电量供电，相应求得此时PEENS值。
约束条件：
式中：Ps,t,i、Qs,t,i为第s场景第t时段节点i有功和无功流出，在本发明中采用“牛顿-拉夫逊”公式进行表达；Us,t,i、Us,t,j为第s场景第t时段电压幅值；Gij、Bij为节点i和节点j之间电导和电纳；θij为节点i和节点j之间电压相角差；
为第s场景第t时段节点i负荷、DG、ESS有功和无功需求(出力)；
为节点i电压幅值上下限；Ss,t,ij为节点i和节点j之间支路传输功率，
传输功率上限值。
分布式电源模型及其约束条件构建步骤S130:
根据多种可再生能源分布特性，构建分布式电源综合多目标函数规划模型及其约束条件。
具体的，以DG运营主体综合目标函数，表达如下：
式中：PDG为风电和光伏被允许接入配电网的功率；pabandon为可再生能源弃置率(例如弃光、弃风)；CO,DG为DG运营所需的运行维护成本；CS,DG为DG固定投资建设成本。
式中：
是第s场景第t时段各节点所接入光伏有功总出力；
是第s场景第t时段各节点所接入风电有功总出力；
是第s场景第t时段各节点光伏电源实际有功总出力；
是第s场景第t时段各节点风电电源实际有功总出力；c3为DG单位容量运行维护成本；n为配电公司允许DG接入总节点数；cPV、cWG分别是光伏和风电单位容量建设成本；
分别光伏和风电接入节点i的额定总功率。
约束条件：
式中，
为DG接入配网系统容量上下限值；Ploss,i为未接入DG配网第i条支路全场景运行有功功率损耗总和；
为接入DG配网第i条支路全场景运行有功功率损耗总和；Urated为额定电压；Ui为未接入DG时节点i电压幅值；
为接入DG后节点i的电压幅值。
储能系统规划模型及其约束条件构建步骤S140：
根据储能系统时序运行特性，构建以储能系统综合多目标函数的储能系统规划模型及其约束条件。
以ESS运营主体综合目标函数，表达如下：
式中：W1为ESS移峰填谷，延缓电力系统升级改造的能力；W2为ESS抑制波动，改善用户侧负荷特性的能力；Ff,ESS为ESS根据配电公司峰谷电价策略制定“低储高发”运行策略所获收益；CS,ESS为ESS系统单位容量固定投资成本；CO,ESS为ESS单位容量运行维护成本。
式中，
为第s场景第t时段节点i ESS充电(放电)功率，
为ESS放电功率，
为ESS充电功率；Ps average表示第s场景的总负荷平均值；CESS,P为ESS系统单位充/放电功率成本；
为ESS系统充/放电额定功率；CESS,e为ESS系统单位ESS容量成本；
为ESS系统额定容量；co,ess为ESS系统单位充/放电年运行维护成本。
约束条件；
式中：
为第s场景第t时段ESS中剩余电量，
为第s场景t-1时段ESS系统中剩余电量；μc、μd分别为ESS充电效率、放电效率；
分别为ESS荷电状态上限和下限；
为第s场景第t时段ESS所处的荷电状态；
为t时段、t-1时段用户侧负荷；Pt ESS为t时段ESS充/放电功率；
为接入ESS系统后t时段用户侧负荷。
在本发明中，按顺序叙述了S120-S140，但本发明不依次为限制，S120-S140为平行的执行顺序，可以平行或者其它的先后顺序执行，只需要在三层规划模型建立步骤前完成上述的S110-S140的步骤即可。
“源网储”三层协调规划模型建立步骤S150：
基于双层规划方法，分析并得出配电公司、DG运营主体和ESS运营主体的各运营主体间决策变量和状态变量的耦合关系，根据Stackelberg博弈模型的原则，对各运营主体模型复合化，构建基于多方协调最优的“源网储”三层协调规划模型。
即按照双层规划理论，对S120-S140的配电公司网架结构、多种可再生能源分布特性、和储能系统所构建的模型进行复合化。
双层规划理论一般形式如下：
minF＝F(x,y)
s.t.G(x)≤0
minv＝f(x,y)
s.t.g(x,y)≤0
式中，F为上层规划主体的目标函数，x为其决策变量，G(x)为其约束条件；f为下层规划主体的目标函数，y为其决策变量，g(x,y)为其约束条件。
如上所述，以配电公司综合目标函数为上层目标函数，如下：
以DG运营主体综合目标函数为配电公司下层目标函数，如下：
以ESS运营主体综合目标函数为配电公司下层目标函数，如下：
具体的，参见图2，结合双层规划理论，对于上述配电公司、DG运营主体和ESS运营主体的综合目标函数，形成三层规划模型，以“配电公司层”为领导者，先行做出决定，其中决策变量为配电网络拓扑结构，状态变量为DG和ESS在典型场景下的时序出力，在优化过程中根据状态变量调整自身决策变量；“DG运营主体层”作为跟随者，在领导者做出决策后制定自己的策略，其中决策变量为DG容量配置和典型场景下的时序出力，状态变量为配电网络拓扑结构和ESS在典型场景下的时序出力，在优化过程中根据状态变量调整自身决策变量；“ESS运营主体层”同样作为“配电公司层”的跟随者，在领导者做出决策后制定自己的策略，其中决策变量为ESS容量与功率配置和典型场景下的时序出力，状态变量为配电网络拓扑结构和DG在典型场景下的时许出力，在优化过程中根据状态变量调整自身决策变量。
“源网储”三层协调规划模型求解步骤S160：
采用并行遗传算法对“源网储”三层协调规划模型求解，确定最优规划方案。
该步骤具体包括：
S161:使得网架结构、DG容量配置、ESS容量配置、DG和ESS时序运行功率为多层模型需求解变量，分别利用0-1变量和实数变量进行编码，生成个体规模为N的种群。
(1)配电网网架结构存在辐射网约束、全连通约束，完全随机生成存在大量不可行解，因此，结合图论中避圈法的思维和无向图，对于配电网网架，在不生成虚拟节点和虚拟支路的情况下生成满足约束的网架结构个体。
(2)对于DG和ESS的种群，生成均采用实数编码，均以N×j维矩阵，N为种群规模，j为配电网节点个数。因为本发明考虑了各设备的时序运行情况，所以对于ESS在S各典型场景下Th个时段的充/放电功率，以j×Th×S维矩阵。
S162:并行计算种群适应度函数
1)利用parallel pool根据CPU自身性能划分为n个works，将种群划分到n个works中，并行计算个体的适应度函数；判断个体是否满足约束，若不满足则进行惩罚；
2)对于“配电公司层”适应度函数并行计算时，在DG和ESS零接入情况下给出初始网架结构，并传递至“DG运营主体层”和“ESS运营主体层”；在新一轮的优化计算中，结合DG和ESS位置、容量和出力信息并行计算自身目标函数，进而实现对自身网架结构的调整。
3)对于“DG运营主体层”适应度函数并行计算时，获取网架结构以及ESS位置、容量和出力信息，进而给出自身容量配置方案和出力情况，并将信息传递给”配电公司层”和”ESS运营主体层“进行下一轮优化。
4)对于“ESS运营主体层”适应度函数并行计算时，获取网架结构以及DG位置、容量和出力信息，进而给出自身容量配置方案和出力情况，并将信息传递给”配电公司层”和”DG运营主体层“进行下一轮优化。
S163:对种群进行交叉换位
首先随机选择交叉换位点，然后按照与进化代数相关的反余切规律、与适应度值相关的指数规律自适应生成交叉换位发生的概率，表达式如下：
式中，R为交叉换位规则；o1,o2为种群中进行交叉换位的两个个体；o3,o4为经过交叉换位后的新个体；xj(1≤j≤l)、yj(1≤j≤l)为个体的第j位元素；pc为交叉概率；
为交叉概率的上下限值；α为交叉换位中指数变化的底数；fmax为种群中个体的最大适应度；favg为种群中个体的平均适应度；f为进行交叉换位的两个个体中较大的适应度；Ngen为进化迭代数；kc为统一数量级的参数。
S164.对种群进行变异改写
首先随机选择交叉换位点，然后按照与进化代数相关的反余切规律、与适应度值相关的指数规律自适应生成变异改写发生的概率，表达式如下：
式中：pm为变异概率；
为变异概率的上下限值；b为变异改写中指数变化的底数；km为统一数量级的参数。
S165.更新种群
生成新的种群，计算新一代种群的个体适应度，并判断是否满足约束。
S166.进行收敛规则
判断种群是否满足收敛条件，所述收敛条件具体为：k＞kmax，其中k为当前进化代数，kmax为最大进化代数，若满足则输出最优方案，结束计算，若不满足则增加迭代次数，进行新一轮的迭代计算。
具体的，参见图3，示出了利用遗传算法求解“源网储”三层协调规划模型的步骤。
本发明进一步公开了一种存储介质，用于存储计算机可执行指令，其特征在于：
所述计算机可执行指令在被处理器执行时执行上述的考虑配电网多设备时序运行的“源网储”规划方法。
实施例：
利用本发明的方案对配电公司、DG运营主体和ESS运营主体进行综合规划，其中，
1)配电公司网架结构规划方案如图4所示，具体的图4(a)和图4(b)分别表示待规划网架结构和规划结果；
2)DG运营主体规划结果如表1所示，其中该表中相应的数据均为台数，单台容量均为100kW；
表1
3)ESS运营主体规划结果如表2所示。
表2
本发明具有如下优点：
(1)综合考虑配电公司、DG运营主体和ESS运营主体之间相互影响，一方面考虑配电网网架结构对DG和ESS选址定容的影响，同时DG和ESS的接入也优化配电网运行，从而优化配电网网架结构，另一方面，DG和ESS相辅相成，ESS通过自身可以平移负荷的特性，提升配电网对于可再生能源的消纳，DG通过为ESS提供低价可再生能源提高ESS的边际收益。
(2)将效率性、可靠性和安全性同时考虑，充分考虑配电网、DG和ESS自身特性，实现各个运营主体之间的有机协调。根
(3)实现了多运营主体之间的协调规划，提高了配电网运行效率和可靠性、可再生能源的消纳与多能互补和ESS的有序接入，对开放电力市场背景下多主体的良性发展提供了理论指导和技术支撑。
显然，本领域技术人员应该明白，上述的本发明的各单元或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上,可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明由所提交的权利要求书确定保护范围。
Claims (9)
1.一种考虑配电网多设备时序运行的“源网储”规划方法，其特征在于，包括如下步骤：
设备建模步骤S110：
全面分析主动配电网内部“源网储”各设备之间运行特性并对各设备进行建模；
配电网综合模型及其约束条件构建步骤S120:
根据配电公司网架结构，构建配电网综合多目标函数规划模型及其约束条件；
分布式电源模型及其约束条件构建步骤S130:
根据多种可再生能源分布特性，构建分布式电源综合多目标函数规划模型及其约束条件；
储能系统规划模型及其约束条件构建步骤S140：
根据储能系统时序运行特性，构建以储能系统综合多目标函数的储能系统规划模型及其约束条件；
“源网储”三层协调规划模型建立步骤S150：
基于双层规划方法，分析并得出配电公司、DG运营主体和ESS运营主体的各运营主体间决策变量和状态变量的耦合关系，根据Stackelberg博弈模型的原则，对各运营主体模型复合化，构建基于多方协调最优的“源网储”三层协调规划模型；
“源网储”三层协调规划模型求解步骤S160：
采用并行遗传算法对“源网储”三层协调规划模型求解，确定最优规划方案。
2.根据权利要求1所述的考虑配电网多设备时序运行的“源网储”规划方法，其特征在于：
在设备建模步骤S110中，配电网为主动配电网，包括分布式电源和储能装置，其中，分布式电源包括风力发电机和光伏发电机，储能装置包括钠硫电池、锂离子电池、铅酸电池的蓄电设备。
3.根据权利要求1所述的考虑配电网多设备时序运行的“源网储”规划方法，其特征在于：
在设备建模步骤S110中，各类设备模型如下：
(1).风力发电机模型
表达式为：
式中，Pt WG为风力发电机在t时刻的输出功率，A,B,C分别为风力发电机功率参数，PWG ,rated为风力发电机额定功率，vrated是风力发电机的额定风速，vci是风力发电机的切出风速，vco是风力发电机的切出风速；
(2).光伏发电机模型
表达式为：
式中，Pt PV为光伏发电机在时刻t的功率输出，ri为t时刻光照强度，SPV为t时刻光伏发电机池板面积，
为光电转换效率，rrated为光伏池板额定光照强度，εPV为光伏池板额定转换效率；
(3).储能设备
储能设备正常运行时，电池的荷电状态SOC是体现电池剩余电量的重要参数，
式中，SOC的取值范围在0～1之间；E(t)为t时刻电池储能的剩余电量，Er为电池储能的额定容量，
SOCmin≤SOC≤SOCmax
式中，SOCmin、SOCmax分别为储能SOC的上限值和下限值，
E(t)＝(1-σES)E(t-1)+ΔtPES(t)
0≤Pc(t)≤Pcmax
0≤Pd(t)≤Pdmax
Pc(t)Pd(t)＝0
式中，E(t)和E(t-1)分别为t时刻和t-1时刻的储能剩余电量，σES为储能在Δt时刻内的自放电率，Δt为t时刻和t+1时刻之间的时间间隔，PES(t)表示t时刻的储能充放电功率，PES(t)＞0表示储能元件在充电，PES(t)＜0为储能元件在放电，Pcmax为储能元件充电功率上限，Pdmax为储能元件放电功率的上限，Pc(t)表示充电功率，Pd(t)表示放电功率。
4.根据权利要求1所述的考虑配电网多设备时序运行的“源网储”规划方法，其特征在于：
在配电网综合模型及其约束条件构建步骤S120具体为：
配电网综合多目标函数为：
式中，CS,W表示配电公司建配电网线路固定投资成本，Ploss表示配电公司在运营配电网过程中所产生的电能损耗有功功率，pinfiltration表示配电公司运行过程中可再生能源渗透率，PEENS表示配电公司在运营配电网过程中因发生故障所产生的失负荷功率，
表示配电公司在运营配电网过程中因采用清洁能源而减少得CO2排放量，
式中，L为配电网建设支路总数，α为0-1变量，α＝0表示待规划线路未被建设或改造，α＝1表示待规划线路被建设，Cline,i为第i条待规划线路建设所需综合成本，r为贴现率，T为线路可使用年限，S为典型场景总数，T为一个典型场景中总小时数，TS为第s典型场景一年时间内运行总天数，Tt为典型场景中被划分好的一个时间间隔，Ploss,s,t为第s场景第t时段配电网运行所产生的有功功率损耗，
为第s场景第t时段用户侧负荷需求，
为第s场景第t时段配电公司从DG运营主体购电量，λ为ESS的充/放电/备用状态，1表示ESS处于充电状态、-1表示ESS处于放电状态、0表示ESS处于备用状态，
为第s场景第t时段ESS充/放电/备用状态下有功功率的总净值；
PEENS计算方法如下：
(1)如果孤岛中不存在DG和ESS系统，PEENS为孤岛中各节点原始负荷值之和；
(2)如果孤岛中仅存在DG或ESS系统，DG或ESS系统按负荷重要程度依次给孤岛中的负荷供电，相应求得此时PEENS值；
(3)如果孤岛中同时存在DG和ESS系统，优先DG供电，不足部分根据该时刻ESS设备电量供电，相应求得此时PEENS值；
约束条件：
式中：Ps,t,i、Qs,t,i为第s场景第t时段节点i有功和无功流出，Us,t,i、Us,t,j为第s场景第t时段电压幅值，Gij、Bij为节点i和节点j之间电导和电纳，θij为节点i和节点j之间电压相角差，
为第s场景第t时段节点i负荷、DG、ESS有功和无功需求，
为节点i电压幅值上下限，Ss,t,ij为节点i和节点j之间支路传输功率，
传输功率上限值。
5.根据权利要求1所述的考虑配电网多设备时序运行的“源网储”规划方法，其特征在于：
分布式电源模型及其约束条件构建步骤S130具体为：
以DG运营主体综合目标函数，表达如下：
式中：PDG为风电和光伏被允许接入配电网的功率，pabandon为可再生能源弃置率，CO,DG为DG运营所需的运行维护成本，CS,DG为DG固定投资建设成本；
式中：
是第s场景第t时段各节点所接入光伏有功总出力，
是第s场景第t时段各节点所接入风电有功总出力，
是第s场景第t时段各节点光伏电源实际有功总出力，
是第s场景第t时段各节点风电电源实际有功总出力，c3为DG单位容量运行维护成本，n为配电公司允许DG接入总节点数，cPV、cWG分别是光伏和风电单位容量建设成本，
分别光伏和风电接入节点i的额定总功率；
约束条件：
式中，
为DG接入配网系统容量上下限值，Ploss,i为未接入DG配网第i条支路全场景运行有功功率损耗总和，
为接入DG配网第i条支路全场景运行有功功率损耗总和，Urated为额定电压，Ui为未接入DG时节点i电压幅值，
为接入DG后节点i的电压幅值。
6.根据权利要求1所述的考虑配电网多设备时序运行的“源网储”规划方法，其特征在于：
储能系统规划模型及其约束条件构建步骤S140具体为：
以ESS运营主体综合目标函数，表达如下：
式中：W1为ESS移峰填谷，延缓电力系统升级改造的能力，W2为ESS抑制波动，改善用户侧负荷特性的能力，Ff,ESS为ESS根据配电公司峰谷电价策略制定“低储高发”运行策略所获收益，CS,ESS为ESS系统单位容量固定投资成本，CO,ESS为ESS单位容量运行维护成本；
式中，
为第s场景第t时段节点iESS充电或放电功率，
为ESS放电功率，
为ESS充电功率，Ps average表示第s场景的总负荷平均值，CESS,P为ESS系统单位充/放电功率成本，
为ESS系统充/放电额定功率，CESS,e为ESS系统单位ESS容量成本，
为ESS系统额定容量，co,ess为ESS系统单位充/放电年运行维护成本；
约束条件，
式中：
为第s场景第t时段ESS中剩余电量，
为第s场景t-1时段ESS系统中剩余电量，μc、μd分别为ESS充电效率、放电效率，
分别为ESS荷电状态上限和下限，
为第s场景第t时段ESS所处的荷电状态，Pt load、
为t时段、t-1时段用户侧负荷，Pt ESS为t时段ESS充/放电功率，
为接入ESS系统后t时段用户侧负荷。
7.根据权利要求1所述的考虑配电网多设备时序运行的“源网储”规划方法，其特征在于：
“源网储”三层协调规划模型建立步骤S150具体为：
结合双层规划理论，对于上述配电公司、DG运营主体和ESS运营主体的综合目标函数，形成三层规划模型，以“配电公司层”为领导者，先行做出决定，其中决策变量为配电网络拓扑结构，状态变量为DG和ESS在典型场景下的时序出力，在优化过程中根据状态变量调整自身决策变量；“DG运营主体层”作为跟随者，在领导者做出决策后制定自己的策略，其中决策变量为DG容量配置和典型场景下的时序出力，状态变量为配电网络拓扑结构和ESS在典型场景下的时序出力，在优化过程中根据状态变量调整自身决策变量；“ESS运营主体层”同样作为“配电公司层”的跟随者，在领导者做出决策后制定自己的策略，其中决策变量为ESS容量与功率配置和典型场景下的时序出力，状态变量为配电网络拓扑结构和DG在典型场景下的时许出力，在优化过程中根据状态变量调整自身决策变量。
8.根据权利要求1所述的考虑配电网多设备时序运行的“源网储”规划方法，其特征在于：
所述“源网储”三层协调规划模型求解步骤S160具体为：
S161:使得网架结构、DG容量配置、ESS容量配置、DG和ESS时序运行功率为多层模型需求解变量，分别利用0-1变量和实数变量进行编码，生成个体规模为N的种群，具体的，
1)对于配电网网架，在不生成虚拟节点和虚拟支路的情况下生成满足约束的网架结构个体，
2)对于DG和ESS的种群，生成均采用实数编码，均以N×j维矩阵，N为种群规模，j为配电网节点个数，
S162:并行计算种群适应度函数
1)利用parallel pool划分为n个works，将种群划分到n个works中，并行计算个体的适应度函数；判断个体是否满足约束，若不满足则进行惩罚；
2)对于“配电公司层”适应度函数并行计算时，在DG和ESS零接入情况下给出初始网架结构，并传递至“DG运营主体层”和“ESS运营主体层”，在新一轮的优化计算中，结合DG和ESS位置、容量和出力信息并行计算自身目标函数，进而实现对自身网架结构的调整；
3)对于“DG运营主体层”适应度函数并行计算时，获取网架结构以及ESS位置、容量和出力信息，进而给出自身容量配置方案和出力情况，并将信息传递给”配电公司层”和”ESS运营主体层“进行下一轮优化；
4)对于“ESS运营主体层”适应度函数并行计算时，获取网架结构以及DG位置、容量和出力信息，进而给出自身容量配置方案和出力情况，并将信息传递给”配电公司层”和”DG运营主体层“进行下一轮优化；
S163:对种群进行交叉换位
首先随机选择交叉换位点，然后按照与进化代数相关的反余切规律、与适应度值相关的指数规律自适应生成交叉换位发生的概率，表达式如下：
式中，R为交叉换位规则，o1,o2为种群中进行交叉换位的两个个体，o3,o4为经过交叉换位后的新个体，xj(1≤j≤l)、yj(1≤j≤l)为个体的第j位元素，pc为交叉概率，
为交叉概率的上下限值，α为交叉换位中指数变化的底数，fmax为种群中个体的最大适应度，favg为种群中个体的平均适应度，f为进行交叉换位的两个个体中较大的适应度，Ngen为进化迭代数，kc为统一数量级的参数；
S164.对种群进行变异改写
首先随机选择交叉换位点，然后按照与进化代数相关的反余切规律、与适应度值相关的指数规律自适应生成变异改写发生的概率，表达式如下：
式中：pm为变异概率，
为变异概率的上下限值，b为变异改写中指数变化的底数，km为统一数量级的参数；
S165.更新种群
生成新的种群，计算新一代种群的个体适应度，并判断是否满足约束；
S166.进行收敛规则
判断种群是否满足收敛条件，所述收敛条件具体为：k＞kmax，其中k为当前进化代数，kmax为最大进化代数，若满足则输出最优方案，结束计算，若不满足则增加迭代次数，进行新一轮的迭代计算。
9.一种存储介质，用于存储计算机可执行指令，其特征在于：
所述计算机可执行指令在被处理器执行时执行权利要求1-8中任意一项所述的考虑配电网多设备时序运行的“源网储”规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110800014.1A CN113393172B (zh) | 2021-07-15 | 2021-07-15 | 一种考虑配电网多设备时序运行的“源网储”规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110800014.1A CN113393172B (zh) | 2021-07-15 | 2021-07-15 | 一种考虑配电网多设备时序运行的“源网储”规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113393172A true CN113393172A (zh) | 2021-09-14 |
| CN113393172B CN113393172B (zh) | 2023-10-10 |
Family
ID=77626176
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110800014.1A Active CN113393172B (zh) | 2021-07-15 | 2021-07-15 | 一种考虑配电网多设备时序运行的“源网储”规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113393172B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113904372A (zh) * | 2021-10-15 | 2022-01-07 | 华北电力大学 | 考虑5g基站接入的主动配电网多目标优化运行方法 |
| CN115498702A (zh) * | 2022-09-27 | 2022-12-20 | 南京邮电大学 | 考虑运行或故障态下配网对数据传输需求的路径优化方法及装置 |
| CN115879742A (zh) * | 2023-02-21 | 2023-03-31 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 配电网改造方法、系统、电子设备及存储介质 |
| CN116029532A (zh) * | 2023-02-23 | 2023-04-28 | 国网江西省电力有限公司经济技术研究院 | 一种面向配电网承载力提升的储能规划方法 |
| CN117094613A (zh) * | 2023-08-14 | 2023-11-21 | 华北电力大学 | 一种应用于综合能源系统的模型构建方法及装置 |
| CN117670071A (zh) * | 2023-10-25 | 2024-03-08 | 国家电网有限公司华东分部 | 源网储协同规划方案的生成方法及装置、介质、终端 |
| CN118036833A (zh) * | 2024-04-15 | 2024-05-14 | 山东建筑大学 | 基于多层博弈的区域综合能源系统运行优化方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110072130A1 (en) * | 2009-09-18 | 2011-03-24 | Nec Laboratories America, Inc. | Extracting Overlay Invariants Network for Capacity Planning and Resource Optimization |
| CN109740786A (zh) * | 2018-11-15 | 2019-05-10 | 国网江苏省电力有限公司电力科学研究院 | 一种多端柔性互联配电网规划方法及系统 |
| WO2021098352A1 (zh) * | 2019-11-22 | 2021-05-27 | 国网福建省电力有限公司 | 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 |
-
2021
- 2021-07-15 CN CN202110800014.1A patent/CN113393172B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110072130A1 (en) * | 2009-09-18 | 2011-03-24 | Nec Laboratories America, Inc. | Extracting Overlay Invariants Network for Capacity Planning and Resource Optimization |
| CN109740786A (zh) * | 2018-11-15 | 2019-05-10 | 国网江苏省电力有限公司电力科学研究院 | 一种多端柔性互联配电网规划方法及系统 |
| WO2021098352A1 (zh) * | 2019-11-22 | 2021-05-27 | 国网福建省电力有限公司 | 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 |
Non-Patent Citations (2)
| Title |
|---|
| 李逐云等: "考虑"源-网-荷"三方利益的主动配电网协调规划", 《电网技术》, vol. 41, no. 2, pages 378 - 386 * |
| 高慧;晏寒婷;黄春艳;: "考虑"源-荷-储"灵活性资源协调的主动配电网双层规划", 广东电力, no. 05, pages 39 - 45 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113904372A (zh) * | 2021-10-15 | 2022-01-07 | 华北电力大学 | 考虑5g基站接入的主动配电网多目标优化运行方法 |
| CN113904372B (zh) * | 2021-10-15 | 2024-02-27 | 华北电力大学 | 考虑5g基站接入的主动配电网多目标优化运行方法 |
| CN115498702A (zh) * | 2022-09-27 | 2022-12-20 | 南京邮电大学 | 考虑运行或故障态下配网对数据传输需求的路径优化方法及装置 |
| CN115879742A (zh) * | 2023-02-21 | 2023-03-31 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 配电网改造方法、系统、电子设备及存储介质 |
| CN116029532A (zh) * | 2023-02-23 | 2023-04-28 | 国网江西省电力有限公司经济技术研究院 | 一种面向配电网承载力提升的储能规划方法 |
| CN117094613A (zh) * | 2023-08-14 | 2023-11-21 | 华北电力大学 | 一种应用于综合能源系统的模型构建方法及装置 |
| CN117094613B (zh) * | 2023-08-14 | 2024-05-10 | 华北电力大学 | 一种应用于综合能源系统的模型构建方法及装置 |
| CN117670071A (zh) * | 2023-10-25 | 2024-03-08 | 国家电网有限公司华东分部 | 源网储协同规划方案的生成方法及装置、介质、终端 |
| CN118036833A (zh) * | 2024-04-15 | 2024-05-14 | 山东建筑大学 | 基于多层博弈的区域综合能源系统运行优化方法及系统 |
| CN118036833B (zh) * | 2024-04-15 | 2024-06-28 | 山东建筑大学 | 基于多层博弈的区域综合能源系统运行优化方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113393172B (zh) | 2023-10-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113393172A (zh) | 一种考虑配电网多设备时序运行的“源网储”规划方法 | |
| CN110119886B (zh) | 一种主动配网动态规划方法 | |
| Kunya et al. | Review of economic dispatch in multi-area power system: State-of-the-art and future prospective | |
| Xie et al. | Mixed-stage energy management for decentralized microgrid cluster based on enhanced tube model predictive control | |
| CN105488593A (zh) | 一种基于遗传算法的定容分布式电源发电最优选址及容量分配方法 | |
| Yin et al. | Multi-layer distributed multi-objective consensus algorithm for multi-objective economic dispatch of large-scale multi-area interconnected power systems | |
| Wang et al. | GPNBI-inspired MOSFA for Pareto operation optimization of integrated energy system | |
| CN110247428B (zh) | 一种基于源网荷协同优化的配电网光储联合配置方法 | |
| CN106684913B (zh) | 一种基于多代理的储能电站跟踪发电计划控制系统和方法 | |
| CN109560574A (zh) | 一种考虑不确定因素的智能配电网网架规划方法 | |
| CN117833285A (zh) | 一种基于深度强化学习的微电网储能优化调度方法 | |
| CN107171365A (zh) | 基于场景解耦和异步迭代的多目标随机动态经济调度方法 | |
| Yang et al. | Deep learning-based distributed optimal control for wide area energy Internet | |
| CN115841187A (zh) | 柔性配电网运行策略的优化方法、装置、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 | |
| CN111144633A (zh) | 一种cchp微电网运行优化方法 | |
| CN111311032B (zh) | 一种基于扇形雷达图模型的微网系统容量优化配置方法 | |
| CN115496427B (zh) | 一种多微网系统柔性互联投资规划决策方法 | |
| CN115425697B (zh) | 基于交替方向乘子法的分布式跨区跨省调度方法及系统 | |
| CN114759616B (zh) | 一种考虑电力电子器件特性的微电网鲁棒优化调度方法 | |
| Bourry et al. | Simulation for the evaluation of energy management algorithms at the district level-Example of use case from the AMBASSADOR project | |
| CN115719113A (zh) | 基于有向不平衡拓扑的智能电网经济调度分布式加速优化方法 | |
| CN112217198B (zh) | 一种多步图神经网络自适应动态规划的光伏发电管理方法 | |
| CN115293502A (zh) | 一种基于数据驱动的园区综合能源系统随机—分布鲁棒低碳调度方法 | |
| Ye et al. | Multi-scenario stochastic optimal scheduling for power systems with source-load matching based on pseudo-inverse Laguerre polynomials |
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 |