CN113555908B - 一种智能配电网储能优化配置方法 - Google Patents
一种智能配电网储能优化配置方法 Download PDFInfo
- Publication number
- CN113555908B CN113555908B CN202110706823.6A CN202110706823A CN113555908B CN 113555908 B CN113555908 B CN 113555908B CN 202110706823 A CN202110706823 A CN 202110706823A CN 113555908 B CN113555908 B CN 113555908B
- Authority
- CN
- China
- Prior art keywords
- wind
- power
- generation system
- power generation
- distribution network
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000010248 power generation Methods 0.000 claims abstract description 74
- 230000000295 complement effect Effects 0.000 claims abstract description 48
- 238000005457 optimization Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 16
- 230000002068 genetic effect Effects 0.000 claims description 13
- 230000005855 radiation Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 3
- 230000035772 mutation Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
-
- 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
- H02J3/381—Dispersed generators
-
- 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
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开提供了一种智能配电网储能优化配置方法,建立以配电网中风光互补发电系统收益最大化为优化目标函数,以风光互补发电系统的输出功率与配电网目标电力负荷差值最小为约束条件;根据风力、日光照强度的大小实时计算风光互补发电系统的输出功率,同时计算配电网的目标电力负荷,将风光互补发电系统的输出功率与配电网目标电力负荷比较;利用遗传算法寻找不同日光照强度大小的情况下目标函数最优的风光互补发电系统储能容量的的最优值,该方法考虑了日光照强度和风力的大小对风光互补发电系统的储能容量的影响,从而能够准确的得到风光互补发电系统的最优储能容量。
Description
技术领域
本公开属于智能配电网储能优化技术领域,尤其涉及一种智能配电网储能优化配置方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
能量储存系统的基本任务是克服在能量供应和需求之间的时间性或者局部性的差异。产生这种差异有两种情况,一种是由于能量需求量的突然变化引起的,即存在高峰负荷问题,采用储能方法可以在负荷变化率增高时起到调节或者缓冲的作用。由于一个储能系统的投资费用相对要比建设一座高峰负荷厂低,尽管储能装置会有储存损失,但由于储存的能量是来自工厂的多余能量或新能源,所以它还是能够降低燃料费用的。另一种是由于一次能源和能源转换装置之类的原因引起的,则储能系统(装置)的任务则是使能源产量均衡,即不但要削减能源输出量的高峰,还要填补输出量的低谷(即填谷)。
风能和太阳能都是清洁能源,随着光伏发电技术、风力发电技术的日趋成熟及实用化进程中产品的不断完善,为风光互补发电系统的推广应用奠定了基础。风光互补发电系统推动了我国节能环保事业的发展,促进资源节约型和环境友好型社会的建设,风光互补电站系统主要由风力发电机、太阳能电池方阵、智能控制器、蓄电池组、多功能逆变器、电缆及支撑和辅助件等组成一个发电系统,将电力并网送入常规电网中。夜间和阴雨天无阳光时由风能发电,晴天由太阳能发电,在既有风又有太阳的情况下两者同时发挥作用,实现了全天候的发电功能,比单用风机和太阳能更经济、科学、实用。
但是,发明人发现由于风光互补发电系统的风力发电机以及太阳能电池方阵的发电都和天气情况分不开,天气情况的变化严重影响着风光互补发电系统为配电网储能的容量,因此,考虑天气状况对配电网风光储能系统的容量优化配置有着重要的意义。
发明内容
为了解决现有技术的不足,本公开提供了一种智能配电网储能优化配置方法,考虑了日光照强度和风力的大小对风光互补发电系统的储能容量的影响,从而能够准确的得到风光互补发电系统的最优储能容量。
第一方面,为了实现上述目的,本公开采用如下技术方案:
在一个或多个实施例中,一种智能配电网储能优化配置方法,
步骤1:建立以配电网中风光互补发电系统储能容量最大化为优化目标函数,以风光互补发电系统的输出功率与配电网目标电力负荷差值最小为约束条件;
步骤2:根据风力、日光照强度的大小实时计算风光互补发电系统的输出功率,同时计算配电网的目标电力负荷,将风光互补发电系统的输出功率与配电网的目标电力负荷比较;
步骤3:利用遗传算法寻找不同日光照强度大小的情况下目标函数最优的风光互补发电系统储能容量的的最优值。
第二方面,本公开还提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一方面中的方法。
第三方面,本公开还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一方面中方法的步骤。
与现有技术相比,本公开的有益效果是:
本公开考虑了日光照强度和风力的大小对风光互补发电系统的储能容量的影响,通过计算风力机的输出功率以及光伏发电系统的输出功率,与配电网目标负荷量进行对比,以配电网中风光互补发电系统收益最大化为优化目标函数,从而能够准确的得到风光互补发电系统的最优储能容量。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1是本公开实施例一的方法流程图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
如图1所示,一种智能配电网储能优化配置方法,包括:
步骤1:建立以配电网中风光互补发电系统储能容量最大化为优化目标函数,以风光互补发电系统的输出功率与配电网目标电力负荷差值最小为约束条件;
步骤2:根据风力、日光照强度的大小实时计算风光互补发电系统的输出功率,同时计算配电网的目标电力负荷,将风光互补发电系统的输出功率与配电网的目标电力负荷比较;
步骤3:利用遗传算法寻找不同日光照强度大小的情况下目标函数最优的风光互补发电系统储能容量的的最优值。
具体地,优化目标函数为风光互补发电系统的发电效率、装机容量、输出功率、整体收益的最大化,优化目标为风光互补发电系统的储能容量最大。
具体地,根据风力、日光找强度的大小实时计算风光互补发电系统的输出功率,具体如下:
根据测风塔观测资料以及风电场的风力机风速,计算风电场输出功率模型;
根据气象站逐时辐射观测资料计算光伏发电系统输出功率模型。
具体地,风电场输出功率模型,具体为:
假设风电场各风力机风速与测风塔处一致,则风电场输出功率模型为:
式中,PV-风电场理论输出功率;PS-单台风力机理论输出功率;P0-风电场装机容量;PWG-单台风力机装机容量;v-风速,m/s;Pr-风力机额定功率;vci-风力机切入风速,m/s;vco-风力机切除风速,m/s;vr-风力机额定风速,m/s;a、b、c-功率曲线特性参数。
具体地,光伏发电系统输出功率模型为:
式中,PPV-太阳能光伏电池组理论输出功率;GT-斜面总辐射辐照度,W/㎡;GSTG-标准辐照度(1000W/㎡);P1-光伏发电系统装机容量。
气象站观测得到的通常是水平面辐照度,需换算成倾斜面上的总辐射辐照度才能对发电量进行计算。斜面总辐射计算公式为:
式中,Gb--水平面直接辐射辐照度,W/㎡;Gd-水平面散射辐射辐照度,W/㎡;Rb-斜面与水平面直接辐射辐照度比值;Rd-斜面与水平面散射辐射辐照度比值,采用散射辐射各向异性的HDKR模型;ρ-地面反射率;G-水平面总辐射辐照度,W/㎡;β-斜面倾角。
具体地,风光互补发电系统的输出功率为:
P=PVRV+PPVRPV (5)
式中,P-风光互补发电系统总输出功率;RV-风电场综合发电效率;RPV-光伏发电系统综合发电效率。
具体地,优化目标函数为:
式中,n-一日的时数;Pt-t时刻风光互补发电系统总输出功率;P0-风电场装机容量、P1-光伏发电系统装机容量;Et-t时刻配电网目标电力负荷,Q-为风光互补发电系统的收益;优化求解的约束条件为风光互补发电系统总输出功率均不超过当时配电网目标负荷,即Pt≤Et。
具体地,利用遗传算法寻找不同日光照强度大小的情况下目标函数最优的风光互补发电系统储能容量的的最优值,具体过程为:
(1)采用遗传算法对储能容量进行初始化,生成储能容量的初始种群;
设置进化代数计数器n=0,设置最大进化代数N,随机生成M个个体作为初始种群D(0)。
(2)计算种群D(n)中各个个体的适应度;
(3)根据约束条件进行多次迭代;
选择运算:将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在种群中个体的适应度评估基础上的。
交叉运算:将交叉算子作用于种群。遗传算法中起核心作用的就是交叉算子。
变异运算:将变异算子作用于种群。即是对种群中的个体串的某些基因座上的基因值作变动。种群D(n)经过选择、交叉、变异运算之后得到下一代群体D(n+1)。
终止条件判断:若n=N,则以进化过程中所得到的具有最大适应度个体作为最优解输出,终止计算。
(4)通过多步迭代,当迭代解达到精度要求且满足约束条件时,即可认为求得风电和光伏系统的装机容量P0、P1的最优解。
遗传算法是一类借鉴生物界的进化规律(适者生存,优胜劣汰遗传机制)演化而来的随机化搜索方法。具有并行性、自适应寻优等特点,适合本文同时对多个储能功率计算的要求,所以这里采用遗传算法作为风光互补发电系统储能容量优化模型的求解算法。本文将遗传算法生成的每个个体用八位二进制数来进行编码,之后带入设定情景进行适应度函数(目标函数)计算,通过遗传操作提高适应度高的个体进入下一代的几率,通过交叉、变异等操作以模仿生物界产生新的个体防止整个种群陷入局部最优的早熟现象。将新-代种群按照上述方法重复实验,直到满足终止条件得出优解。
本文通过采用遗传算法生成储能容量的初始种群,得到对应目标函数值以寻求各分布式储能较优容量解,并保留到算法下一代。通过筛选优化,寻求不同日光照强度、风力大小的情景下储能容量的佳配置方案。
实施例二
本实施例还提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一个实施例中方法的步骤。
实施例三
本实施例还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一个实施例中方法的步骤。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (8)
1.一种智能配电网储能优化配置方法,其特征在于,包括:
步骤1:建立以配电网中风光互补发电系统储能容量最大化为优化目标函数,以风光互补发电系统的输出功率与配电网目标电力负荷差值最小为约束条件;
所述优化目标函数为风光互补发电系统的发电效率、装机容量、输出功率、整体收益的最大化,优化目标为风光互补发电系统的储能容量最大;
所述优化目标函数为:
式中,n-一日的时数;Pt-t时刻风光互补发电系统总输出功率;P0-风电场装机容量、P1-光伏发电系统装机容量;Et-t时刻配电网目标电力负荷,Q-为风光互补发电系统的收益;优化求解的约束条件为风光互补发电系统总输出功率均不超过当时配电网目标负荷,即Pt≤Et;
步骤2:根据风力、日光照强度的大小实时计算风光互补发电系统的输出功率,同时计算配电网的目标电力负荷,将风光互补发电系统的输出功率与配电网的目标电力负荷比较;
步骤3:利用遗传算法寻找不同日光照强度大小的情况下目标函数最优的风光互补发电系统储能容量的的最优值。
2.如权利要求1所述的一种智能配电网储能优化配置方法,其特征在于,根据风力、日光找强度的大小实时计算风光互补发电系统的输出功率,具体如下:
根据测风塔观测资料以及风电场的风力机风速,计算风电场输出功率模型;
根据气象站逐时辐射观测资料计算光伏发电系统输出功率模型。
3.如权利要求2所述的一种智能配电网储能优化配置方法,其特征在于,所述风电场输出功率模型,具体为:
假设风电场各风力机风速与测风塔处一致,则风电场输出功率模型为:
式中,PV-风电场理论输出功率;PS-单台风力机理论输出功率;P0-风电场装机容量;PWG-单台风力机装机容量;v-风速,m/s;Pr-风力机额定功率;vci-风力机切入风速,m/s;vco-风力机切除风速,m/s;vr-风力机额定风速,m/s;a、b、c-功率曲线特性参数。
4.如权利要求2所述的一种智能配电网储能优化配置方法,其特征在于,所述光伏发电系统输出功率模型为:
式中,PPV-太阳能光伏电池组理论输出功率;GT-斜面总辐射辐照度,W/㎡;GSTG-标准辐照度(1000W/㎡);P1-光伏发电系统装机容量。
5.如权利要求2所述的一种智能配电网储能优化配置方法,其特征在于,所述风光互补发电系统的输出功率为:
P=PVRV+PPVRPV
式中,P-风光互补发电系统总输出功率;RV-风电场综合发电效率;RPV-光伏发电系统综合发电效率。
6.如权利要求1所述的一种智能配电网储能优化配置方法,其特征在于,所述步骤3的具体过程为:
(1)采用遗传算法对储能容量进行初始化,生成储能容量的初始种群;
(2)计算种群中各个个体的适应度;
(3)根据约束条件进行多次迭代;
(4)通过多步迭代,当迭代解达到精度要求且满足约束条件时,即可认为求得风电和光伏系统的装机容量P0、P1的最优解。
7.一种电子设备,其特征是,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-6中任一项方法所述的步骤。
8.一种计算机可读存储介质,其特征是,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-6中任一项方法所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110706823.6A CN113555908B (zh) | 2021-06-24 | 2021-06-24 | 一种智能配电网储能优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110706823.6A CN113555908B (zh) | 2021-06-24 | 2021-06-24 | 一种智能配电网储能优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113555908A CN113555908A (zh) | 2021-10-26 |
CN113555908B true CN113555908B (zh) | 2023-11-14 |
Family
ID=78130932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110706823.6A Active CN113555908B (zh) | 2021-06-24 | 2021-06-24 | 一种智能配电网储能优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113555908B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114069723B (zh) * | 2021-12-03 | 2023-11-24 | 华北电力大学 | 一种含氢燃气轮机的新能源发电系统的管理方法和装置 |
CN116451978B (zh) * | 2023-06-15 | 2023-09-12 | 山东泰霖环保科技有限公司 | 一种风光电能源网架规划分析系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014153946A1 (zh) * | 2013-03-27 | 2014-10-02 | 国网浙江省电力公司电力科学研究院 | 独立微网系统的优化方法 |
CN106992549A (zh) * | 2017-05-22 | 2017-07-28 | 河南森源电气股份有限公司 | 一种独立微电网系统的容量优化配置方法及装置 |
WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
CN111313480A (zh) * | 2020-03-26 | 2020-06-19 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于多目标寻优的多能互补系统的设计方法 |
CN111799778A (zh) * | 2020-06-11 | 2020-10-20 | 国网山东省电力公司经济技术研究院 | 一种计及调峰需求的含风电电力系统储能容量优化方法 |
-
2021
- 2021-06-24 CN CN202110706823.6A patent/CN113555908B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014153946A1 (zh) * | 2013-03-27 | 2014-10-02 | 国网浙江省电力公司电力科学研究院 | 独立微网系统的优化方法 |
CN106992549A (zh) * | 2017-05-22 | 2017-07-28 | 河南森源电气股份有限公司 | 一种独立微电网系统的容量优化配置方法及装置 |
WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
CN111313480A (zh) * | 2020-03-26 | 2020-06-19 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于多目标寻优的多能互补系统的设计方法 |
CN111799778A (zh) * | 2020-06-11 | 2020-10-20 | 国网山东省电力公司经济技术研究院 | 一种计及调峰需求的含风电电力系统储能容量优化方法 |
Non-Patent Citations (2)
Title |
---|
区域电网分布式储能选址定容规划;郜宁;张慧媛;王子琪;许军;程杰慧;高荣刚;赵建平;;高压电器(第08期);全文 * |
基于改进微分进化算法的风光互补系统发电容量优化配置;陈天;蔡泽祥;谢鹏;Salvy BOURGUET;;电力科学与技术学报(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113555908A (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Optimal sizing of standalone hybrid wind/PV power systems using genetic algorithms | |
CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
CN108879793B (zh) | 一种风光蓄能水电站互补的离网式混合能源系统优化方法 | |
CN103944175B (zh) | 风光储联合发电系统出力特性优化方法 | |
CN104578157B (zh) | 一种分布式电源接入电网的潮流计算方法 | |
CN110365013B (zh) | 一种光热-光伏-风电联合发电系统的容量优化方法 | |
CN104242335A (zh) | 一种基于额定容量的风光储发电单元容量优化配置方法 | |
CN113555908B (zh) | 一种智能配电网储能优化配置方法 | |
CN110135662B (zh) | 一种考虑减小峰谷差的储能选址定容多目标优化方法 | |
CN107482992A (zh) | 一种考虑经济因素的电站级光伏倾角优化方法 | |
CN110994606B (zh) | 一种基于复杂适应系统理论的多能源电源容量配置方法 | |
CN113435730B (zh) | 一种变电站储能容量的协同配置方法、装置及系统 | |
CN104050609A (zh) | 一种并网光伏发电的低碳综合效益分析系统 | |
CN110601254A (zh) | 一种考虑动态载流特性的风电场储能优化配置方法及系统 | |
CN117096908A (zh) | 基于麻雀搜索的并网型微电网优化调度方法 | |
CN115577929A (zh) | 基于多场景分析的乡村综合能源系统随机优化调度方法 | |
CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
CN114301089A (zh) | 一种风光联合发电系统储能容量配置优化方法 | |
CN113285655A (zh) | 一种风光互补优化配比方法 | |
CN110098623B (zh) | 一种基于智能负载的Prosumer单元控制方法 | |
CN115940284B (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
CN111311032A (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 | |
CN111082446A (zh) | 一种考虑电池自消耗的储能优化配置方法 | |
CN110334856A (zh) | 一种基于碳交易机制的风光储容量规划方法 | |
CN110414185B (zh) | 一种用于多可再生能源发电系统的储能设备容量优化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |