CN113408825A - 一种基于萤火虫算法的海上升压站选址方法 - Google Patents
一种基于萤火虫算法的海上升压站选址方法 Download PDFInfo
- Publication number
- CN113408825A CN113408825A CN202110802914.XA CN202110802914A CN113408825A CN 113408825 A CN113408825 A CN 113408825A CN 202110802914 A CN202110802914 A CN 202110802914A CN 113408825 A CN113408825 A CN 113408825A
- Authority
- CN
- China
- Prior art keywords
- offshore
- booster station
- offshore booster
- cost
- site selection
- 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
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
-
- 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
Abstract
本发明一种基于萤火虫算法的海上升压站选址方法,包含步骤:步骤1:输入海上风电场的基本信息;步骤2:在海上风电场,随机选取多个海上升压站的初始位置;步骤3:确定以上初始海上升压站地理位置的合理性;步骤4:确定海上升压站最适合的位置以及与海上风机之间最优的距离;步骤5:通过优化后的位置公式计算,得到最新的海上升压站的位置选项;步骤6:根据优化后的萤火虫算法,计算α,β,γ的数值;步骤7:迭代次数增加1;步骤8:判断算法是否收敛,收敛,升压站是最优的位置;步骤9:比较不同升压站的选址方案,选择全寿命周期成本的最低方案为最优的地点。本发明通过全寿命周期经济成本最优模型确定海上升压站最优位置。
Description
技术领域
本发明属于风电领域,尤其涉及一种基于萤火虫算法的海上升压站选址方法。
背景技术
风力发电是新能源中不可获取的一部分,其中海上升压站是整个风电场的心脏。所有风力发电机发出的电能集中于升压站,然后通过海缆连接到陆地上的电网。海上升压站的造价非常昂贵,需要运行将近十年才能开始盈利。合理的选址可以降低整个海上升压站的成本,并且提高整个系统的运行效率。
海上升压站选址规划建设系统的依据是以经济性方案为主。目前,在选址阶段通常依据海缆的整体投资确定海上升压站的位置。因为海缆的投资成本占总体投资的10%,降低海缆的投资成本就可以减少整体的投资成本。但是这种方法缺少全面性,需要对经济性方案进行优化。
发明内容
本发明的目的是针对现有技术中海上升压站选址的片面性,提供了一种基于萤火虫算法的海上升压站选址方法。
本发明采用如下技术方案来实现的:
一种基于萤火虫算法的海上升压站选址方法,包含以下步骤:
步骤1:输入海上风电场的基本信息,包括海上风电场风机位置、工程约束条件;
步骤2:在海上风电场,根据海上风机的位置,随机选取多个海上升压站的初始位置;
步骤3:根据地理和环境位置,确定以上初始海上升压站地理位置的合理性;
步骤4:通过目标函数计算海上升压站位置数量的适合值,确定海上升压站最适合的位置以及与海上风机之间最优的距离;
步骤5:通过优化后的位置公式计算,得到最新的海上升压站的位置选项;
步骤6:根据优化后的萤火虫算法,计算α,β,γ的数值;
步骤7:迭代次数增加1;
步骤8:判断算法是否收敛,收敛,升压站是最优的位置,并进行下一步,无收敛返回步骤2;
步骤9:比较不同升压站的选址方案,选择全寿命周期成本的最低方案为最优的地点。
本发明进一步的改进在于,所述初始条件包括海上风电场风机位置、工程约束条件以及海缆单价。
本发明进一步的改进在于,优化后的萤火虫算法包括了整个海上升压站的全寿命周期经济成本,并将全寿命周期经济成本作为海上升压站选址的主要标准。
本发明进一步的改进在于,全寿命周期经济成本包括建造投资成本,运行成本和维修成本。
本发明进一步的改进在于,全寿命周期经济成本最优模型:M=Ma+Mb+ Mc;
其中,Ma为投资成本,Mb为运行费用,MC为维修费用。
本发明进一步的改进在于,Ma通过以下方式计算:
其中,N为建造的海上升压站的数量,f(Mi)表示第i个海上升压站的建设投资成本,Mm表示建造一个海上升压站的材料费用,J为陆上集控中心总数,μ为单位长度线路投资成本,lij为升压站i到陆上集控中心j的海缆线路长度,liz为升压站i到风电场z的海缆线路长度。
本发明进一步的改进在于,Mb分别通过以下方式计算:
其中,f’(Mi)为海上升压站的运行成本,λ为海上升压站的使用年限,MS为海域使用年费,γ为单位长度线路的运行成本。
本发明进一步的改进在于,MC分别通过以下方式计算:
Mc=nBMB+nsMs
其中,nB为海上升压站维修次数,ns为海缆维修次数,MB为海上升压站单次维修费用,Ms为海缆单次维修费用。
本发明至少具有如下有益的技术效果:
现有的选址方法,通过确定风电场与陆地变电站的位置,计算不同海缆的全寿命周期成本,然后选择一种海缆方案,再计算海缆的安装成本,选择成本最低的方案为升压站最终的位置。但现有的选址方法存在不足之处,均值聚类法未考虑海上风电场不同坐标的总成本以及高中压海缆价格的区别,而一种基于萤火虫算法的海上升压站选址方法在萤火虫的算法上融入了海上升压站的全寿命周期经济成本最优模型,包括了整体的建造投资成本、运行成本和维修成本。从更多的方面筛选出最优的海上升压站位置。首先,根据用户给出的海上风电场基本信息,根据海上风电场风机位置和其他工程约束条件,随机选择海上升压站的初始位置,依据海上的环境初步对海上升压站的初始位置进行筛选,通过目标函数确定海上升压站最适合的位置以及与海上风机之间最优的距离,通过全寿命周期经济成本最优模型确定海上升压站最优位置。
附图说明
图1为本发明基于萤火虫算法的海上升压站选址方法的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
海上升压站选址的全寿命周期经济成本,具体步骤如下:
(1)全寿命周期经济成本最优模型
M=Ma+Mb+Mc
其中,Ma为投资成本,Mb为运行费用,MC为维修费用。
投资成本Ma的表达式:
其中,N为建造的海上升压站的数量,f(Mi)表示第i个海上升压站的建设投资成本,Mm表示建造一个海上升压站的材料费用,J为陆上集控中心总数,μ为单位长度线路投资成本,lij为升压站i到陆上集控中心j的海缆线路长度,liz为升压站i到风电场z的海缆线路长度。
运行成本Mb的表达式:
其中,f’(Mi)为海上升压站的运行成本,λ为海上升压站的使用年限,MS为海域使用年费,γ为单位长度线路的运行成本。
维修成本Mc的表达式:
Mc=nBMB+nsMs
其中,nB为海上升压站维修次数,ns为海缆维修次数,MB为海上升压站单次维修费用,Ms为海缆单次维修费用。
(2)Firefly Algorithm萤火虫算法
萤火虫算法是根据萤火虫的发光原理得来的,萤火虫可以通过光信号向它的同伴传递信息。这种算法中,萤火虫是随机分布在空间中,每只萤火虫的荧光素含量都是不同的,而在发射信号的时候,荧光素会在荧光素酶的催化作用下与空气中的氧气发生反应,从而发光传递信号。萤火虫的移动速度和方向是由其吸引力决定的,而吸引力是由萤火虫之间的相对距离决定的,相对距离则由其亮度决定。所以就构成了一个函数,萤火虫的亮度为目标函数,其他因素则由亮度决定。
相对荧光亮度的表达式:
其中,I0为萤火虫的最大荧光亮度,γ为光吸收系数,rij为萤火虫i,j之间的距离。
吸引度的表达式:
其中,β0=1,J(t)为迭代过程的目标函数值。
位置的表达式:
xi(n+1)=xi(n)+β(xj(n)-xi(n))+α(rand-0.5)
其中,α为步长因子,rand为扰动因素,n为第n次迭代。
(3)优化萤火虫算法
原有的萤火虫算法的前期搜索能力差,并且后期选优易产生混乱。陈家俊等人提出使用混沌理论优化原有参数(α,β,γ)的算法。优化的算法主要是通过种群的迭代次数把迭代过程分为初期和后期,不同时期采取不同的参数。所以这是一种基于参数方差调节改进的萤火虫算法。
归一化公式:
其中,Ii为萤火虫个体荧光亮度,Ia为平均萤火亮度。
荧光亮度方差的表达式:
其中,y为萤火虫个数。
优化α,β,γ的表达式
其中,αn、γn为结束,α0、γ0为开始。αi反映萤火虫种群的收敛程度,数值较大说明
置分散,参数值接近开始值,反之亦然。
优化后位置的表达式:
x(i+1)=x(i)+kβij(x(j)-x(i))+α(rand-0.5)
4)数学建模
步骤1:输入海上风电场的基本信息,包括海上风电场风机位置、工程约束条件。
步骤2:随机的萤火虫的位置,代表了升压站的初始位置。
步骤3:根据地理和环境位置,确定升压站位置的合理性。
步骤4:通过目标函数的全生命周期值计算萤火虫个体的适合值,确定萤火虫的最亮位置以及其移动的方向。
步骤5:通过优化后的位置公式计算,得到最新的萤火虫个体的位置。
步骤6:根据优化后的萤火虫算法,计算α,β,β的数值。
步骤7:迭代次数增加1。
步骤8:判断算法是否收敛,如收敛,升压站是最优的位置,进行下一步,无收敛,返回步骤2。
步骤9:比较不同升压站的选址方案,选择全寿命周期成本的最低方案为最优的地点。
实施例
选址风电场场址(坐标:111.665°E,111.552°E,21.339°N,21.377°N,涉海面积约48km2),场址水深范围23m~27m,中心离岸距离约20km,陆上集控中心位于风电场东北侧。建造一座220kv海上升压站为算例。根据风电场以及陆上集控中心,海上升压站的站址预选方案有3种(表1),分别是位于场址的中心位置、北侧靠陆地位置和东北侧靠陆地位置。通过对于周围环境以及海域的勘探,不采用方案三。
根据额定载流量的要求,220KV海底电缆的选择方案(表2)有5种。首先计算当海上升压站的位址建造于场址中心时,五种海底电缆方案的全寿命周期成本,如表3所示,220kv海底电缆方案四的全寿命周期成本最低。然后计算当海上升压站的位址建造于场址北侧时,五种海底电缆方案的全寿命周期成本,如表4所示,220kv海底电缆方案三的全寿命周期成本最低。
最终,对比海上升压站选址方案的全寿命周期成本,当海上升压站建造于场址北侧位置,并且选择单回3x1000mm2海缆时,其全寿命周期成本最低,则位置最优。
表1海上升压站站址方案
表2 220KV海底电缆方案
表3海上升压站建造在场址中心位置全寿命周期成本
表4海上升压站建造在场址北侧位置全寿命周期成本
虽然,上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (8)
1.一种基于萤火虫算法的海上升压站选址方法,其特征在于,包含以下步骤:
步骤1:输入海上风电场的基本信息,包括海上风电场风机位置、工程约束条件;
步骤2:在海上风电场,根据海上风机的位置,随机选取多个海上升压站的初始位置;
步骤3:根据地理和环境位置,确定以上初始海上升压站地理位置的合理性;
步骤4:通过目标函数计算海上升压站位置数量的适合值,确定海上升压站最适合的位置以及与海上风机之间最优的距离;
步骤5:通过优化后的位置公式计算,得到最新的海上升压站的位置选项;
步骤6:根据优化后的萤火虫算法,计算α,β,γ的数值;
步骤7:迭代次数增加1;
步骤8:判断算法是否收敛,收敛,升压站是最优的位置,并进行下一步,无收敛返回步骤2;
步骤9:比较不同升压站的选址方案,选择全寿命周期成本的最低方案为最优的地点。
2.根据权利要求1所述的一种基于萤火虫算法的海上升压站选址方法,其特征在于,所述初始条件包括海上风电场风机位置、工程约束条件以及海缆单价。
3.根据权利要求1所述的一种基于萤火虫算法的海上升压站选址方法,其特征在于,优化后的萤火虫算法包括了整个海上升压站的全寿命周期经济成本,并将全寿命周期经济成本作为海上升压站选址的主要标准。
4.根据权利要求3所述的一种基于萤火虫算法的海上升压站选址方法,其特征在于,全寿命周期经济成本包括建造投资成本,运行成本和维修成本。
5.根据权利要求3所述的一种基于萤火虫算法的海上升压站选址方法,其特征在于,全寿命周期经济成本最优模型:M=Ma+Mb+Mc;
其中,Ma为投资成本,Mb为运行费用,MC为维修费用。
8.根据权利要求5所述的一种基于萤火虫算法的海上升压站选址方法,其特征在于,MC分别通过以下方式计算:
Mc=nBMB+nsMs
其中,nB为海上升压站维修次数,ns为海缆维修次数,MB为海上升压站单次维修费用,Ms为海缆单次维修费用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110802914.XA CN113408825A (zh) | 2021-07-15 | 2021-07-15 | 一种基于萤火虫算法的海上升压站选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110802914.XA CN113408825A (zh) | 2021-07-15 | 2021-07-15 | 一种基于萤火虫算法的海上升压站选址方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113408825A true CN113408825A (zh) | 2021-09-17 |
Family
ID=77686675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110802914.XA Pending CN113408825A (zh) | 2021-07-15 | 2021-07-15 | 一种基于萤火虫算法的海上升压站选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113408825A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116562424A (zh) * | 2023-03-30 | 2023-08-08 | 上海勘测设计研究院有限公司 | 海上变电站的位置选择方法、系统、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866915A (zh) * | 2015-05-05 | 2015-08-26 | 湖南大学 | 基于全寿命周期成本的电动汽车充电站优化规划方法 |
CN106203744A (zh) * | 2016-08-19 | 2016-12-07 | 中国能源建设集团广东省电力设计研究院有限公司 | 海上升压站的选址优化方法 |
CN107330563A (zh) * | 2017-07-17 | 2017-11-07 | 华北电力大学 | 一种海上风电集电与输电系统联合拓扑优化方法 |
CN109462232A (zh) * | 2018-11-21 | 2019-03-12 | 国网浙江省电力公司湖州供电公司 | 一种配电网的节能优化方法 |
CN112487659A (zh) * | 2020-12-15 | 2021-03-12 | 国网江苏省电力有限公司经济技术研究院 | 一种海上风电场集电系统优化设计方法和系统 |
WO2021128223A1 (zh) * | 2019-12-26 | 2021-07-01 | 上海电气风电集团股份有限公司 | 风电场布局的优化方法、优化系统及计算机可读存储介质 |
-
2021
- 2021-07-15 CN CN202110802914.XA patent/CN113408825A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866915A (zh) * | 2015-05-05 | 2015-08-26 | 湖南大学 | 基于全寿命周期成本的电动汽车充电站优化规划方法 |
CN106203744A (zh) * | 2016-08-19 | 2016-12-07 | 中国能源建设集团广东省电力设计研究院有限公司 | 海上升压站的选址优化方法 |
CN107330563A (zh) * | 2017-07-17 | 2017-11-07 | 华北电力大学 | 一种海上风电集电与输电系统联合拓扑优化方法 |
CN109462232A (zh) * | 2018-11-21 | 2019-03-12 | 国网浙江省电力公司湖州供电公司 | 一种配电网的节能优化方法 |
WO2021128223A1 (zh) * | 2019-12-26 | 2021-07-01 | 上海电气风电集团股份有限公司 | 风电场布局的优化方法、优化系统及计算机可读存储介质 |
CN112487659A (zh) * | 2020-12-15 | 2021-03-12 | 国网江苏省电力有限公司经济技术研究院 | 一种海上风电场集电系统优化设计方法和系统 |
Non-Patent Citations (2)
Title |
---|
李雪亮等: "基于改进萤火虫算法的变电站选址定容研究", 《湘潭大学学报(自然科学版)》 * |
杨源等: "海上升压站选址优化研究", 《中国电力》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116562424A (zh) * | 2023-03-30 | 2023-08-08 | 上海勘测设计研究院有限公司 | 海上变电站的位置选择方法、系统、电子设备及存储介质 |
CN116562424B (zh) * | 2023-03-30 | 2024-03-22 | 上海勘测设计研究院有限公司 | 海上变电站的位置选择方法、系统、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109103926A (zh) | 基于多辐照特性年气象场景的光伏发电接纳能力计算方法 | |
CN106886833A (zh) | 一种适用于复杂约束条件的风力发电机选址选型优化方法 | |
CN110112789A (zh) | 基于自适应快速粒子群的孤岛型微网多目标优化配置算法 | |
CN104638672A (zh) | 一种考虑变量相关性的光伏穿透功率极限的确定方法 | |
CN106682282A (zh) | 一种基于遗传算法嵌套粒子群算法的风电场多型号风力发电机排布优化方法 | |
CN104362681A (zh) | 一种考虑随机性的孤岛微电网容量优化配置方法 | |
Menshsari et al. | Optimal design of hybrid water-wind-solar system based on hydrogen storage and evaluation of reliability index of system using ant colony algorithm | |
CN109886446A (zh) | 基于改进混沌粒子群算法的电力系统动态经济调度方法 | |
CN105320114A (zh) | 基于数据挖掘的火力发电站锅炉燃烧调整模型获取方法 | |
CN104299173A (zh) | 一种适用于多种能源接入的鲁棒优化日前调度方法 | |
CN113408825A (zh) | 一种基于萤火虫算法的海上升压站选址方法 | |
CN114706445B (zh) | 基于de-gwo算法的光伏最大功率点跟踪方法 | |
KR20200059694A (ko) | 도시의 에너지 공급 계획 방법 | |
CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
CN115115193A (zh) | 一种工业园区低碳分析及优化规划方法 | |
CN111626558B (zh) | 基于情景分析的综合能源系统模型比较方法和优化系统 | |
CN116341226A (zh) | 一种考虑噪声的海上风电场布局和布线的多目标优化方法 | |
CN116485000A (zh) | 基于改进的多元宇宙优化算法的微电网优化调度方法 | |
CN111342456A (zh) | 一种台区能源系统建模方法及系统 | |
CN113488990B (zh) | 基于改进的蝙蝠算法的微电网优化调度方法 | |
KR102439311B1 (ko) | 희소화된 웨이크 방향 그래프를 이용한 풍력 발전 단지의 조정 최적화 방법 및 이를 수행하는 장치 | |
CN109447307A (zh) | 一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法 | |
CN111082442B (zh) | 一种基于改进fpa的储能容量优化配置方法 | |
Teske et al. | Renewable Energy for Viet Nam-A proposal for an economically and environmentally sustainable 8th Power Development Plan of the government of Viet Nam | |
CN117521968A (zh) | 多源电源与新能源的协同规划蚁群优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |