CN113922369A - 用于输配电网可靠性评估的方法、终端及存储介质 - Google Patents

用于输配电网可靠性评估的方法、终端及存储介质 Download PDF

Info

Publication number
CN113922369A
CN113922369A CN202111183617.8A CN202111183617A CN113922369A CN 113922369 A CN113922369 A CN 113922369A CN 202111183617 A CN202111183617 A CN 202111183617A CN 113922369 A CN113922369 A CN 113922369A
Authority
CN
China
Prior art keywords
distribution
network
distribution network
data
power
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
Application number
CN202111183617.8A
Other languages
English (en)
Inventor
王涛
张倩茅
习朋
朱天瞳
王宁
田家辉
柳璐
刘盾盾
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.)
Shanghai Jiaotong University
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Hebei Electric Power Co Ltd
Original Assignee
Shanghai Jiaotong University
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Hebei Electric Power 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 Shanghai Jiaotong University, State Grid Corp of China SGCC, Economic and Technological Research Institute of State Grid Hebei Electric Power Co Ltd filed Critical Shanghai Jiaotong University
Priority to CN202111183617.8A priority Critical patent/CN113922369A/zh
Publication of CN113922369A publication Critical patent/CN113922369A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明涉及一种用于输配电网可靠性评估的方法、终端及存储介质。该方法包括：获取输电网数据和配电网数据，并根据配电网数据进行数据重构获得不确定性集，根据输电网数据建立不确定性因素概率模型；对不确定性因素概率模型和不确定性集进行采样，获得输电网采样数据和配电网采样数据；以切负荷量最小为目标，以各发电机出力为决策变量确定交流最优潮流模型；根据输电网采样数据、配电网采样数据和交流最优潮流模型，获得输电网有功潮流分布和无功潮流分布，以及配电网的有功潮流分布和无功潮流分布，并采用一致性约束使输电网和配电网边界数据收敛一致，以根据潮流分布进行可靠性评估。本发明在可靠性评估过程中考虑配电网故障重构情况，准确性高。

Description

用于输配电网可靠性评估的方法、终端及存储介质
技术领域
本发明属于电力系统规划领域，尤其涉及一种用于输配电网可靠性评估 的方法、终端及存储介质。
背景技术
电力系统可靠性研究是从电力系统规划、设计和运行等实践活动中提出 的一项具有巨大经济价值和重大社会意义的课题。发电系统、输电系统、配 电系统可靠性研究在数据统计和系统指标计算等方面有了较为成熟的方法， 可靠性评估正逐步成为电力系统规划决策中的常规性工作。近年来，分布式 能源和配电自动化技术快速发展，传统“被动”配电网逐渐转变为“主动”配电 网，输电网和配电网彼此独立的调控和规划模式受到挑战，输电网和配电网 之间的耦合性增强，研究输配电网一体化的可靠性指标计算具有重要参考意 义，准确性高。
然而，输电网与配电网具有显著差异。在网络结构方面，输电网多为环 状、配电网多为树状；在网络参数方面，输电网支路阻抗值大、阻抗比小， 配电网支路阻抗值小、阻抗比大，参数并不匹配；在潮流大小方面，输电网 功率单位为MW，配电网功率单位为kW，潮流数值差异大。输电网注重有 功潮流分布，有时可忽略节点电压和无功潮流，而配电网则不能忽略节点电 压和无功潮流。输配电网可靠性指标计算本身需要基于输配电网一体化潮流 计算，难度极大。使用牛顿拉夫逊法或者快速解耦法计算输配电网一体化潮 流时，由于上述输配电网差异，无法保证计算的可靠性和收敛性，即便收敛 了，其计算效率也不高。而使用直流潮流法则无法考虑配电网中的节点电压 和无功潮流。此外，在故障或检修状态下，配电网可灵活改变网络拓扑实现 负荷转供并进一步改变输电网的潮流分布，可能进一步影响输配电网可靠性。
发明内容
本发明的目的在于提出一种用于输配电网可靠性评估的方法、终端及存 储介质，采用一体化交流潮流实现输配电网潮流迭代，提高输配电网可靠性 评估的准确度，进而解决输配电网可靠性差的问题。
第一方面，本发明实施例提供了一种用于输配电网可靠性评估的方法， 包括：
获取输电网数据和配电网数据，并根据所述配电网数据进行数据重构获 得不确定性集，根据输电网数据建立不确定性因素概率模型；
对所述不确定性因素概率模型和所述不确定性集进行采样，获得输电网 采样数据和配电网采样数据；
以切负荷量最小为目标，以各发电机出力为决策变量确定交流最优潮流 模型；
根据所述输电网采样数据、所述配电网采样数据和所述交流最优潮流模 型，获得输电网有功潮流分布和无功潮流分布，以及配电网的有功潮流分布 和无功潮流分布，并采用一致性约束使输电网和配电网边界数据收敛一致， 以根据潮流分布进行可靠性评估。
在一种可能的实现方式中，所述输电网数据包括输电网拓扑结构、交直 流落点、容量参数、输电线路长度、型号、阻抗、强迫停运率等参数、变电 站型号、负荷大小等参数、电源容量、出力上下限等参数。
在一种可能的实现方式中，所述配电网数据包括配电网拓扑结构尤其是 配电网线路间的联络线情况及其开关状态、配电线路长度、型号、阻抗、强 迫停运率等参数、变电站型号、负荷大小、分布式电源容量、出力上下限等 参数。
在一种可能的实现方式中，根据所述配电网数据进行数据重构获得不确 定集包括：
根据配电网数据形成配电网络拓扑结构图，结合配电网典型接线模式提 取配电网基本网络结构单元，并根据配电网运行特性，明确转供路径；
根据转供路径采用设定变量列写基本网络结构单元线路状态的逻辑关系 表；
基于所述逻辑关系表确定开关量之间的逻辑关系，并构造配电网重构不 确定集。
在一种可能的实现方式中，所述输电网数据包括：系统负荷和风光出力；
所述根据输电网数据建立不确定性因素概率模型，包括：
根据所述系统负荷和正态分布的概率模型确定负荷增长概率模型；
根据所述风光出力和分段线性的概率模型确定风光出力概率模型；
根据输变电设备故障概率采用均匀分布的0-1概率模型来表示所有输变 电设备的不确定性。
在一种可能的实现方式中，对所述不确定性因素概率模型和所述不确定 性集进行采样，获得输电网采样数据和配电网采样数据，包括：
对所述不确定性集和不确定性因素概率模型进行蒙特卡洛模拟采样获得 输电网初采样数据和配电网初采样数据；
保持原有样本期望值不变的条件下，改变输电网初采样数据和配电网初 采样数据的概率分布，获得输电网采样数据和配电网采样数据。
在一种可能的实现方式中，所述对所述不确定性集和不确定性因素概率 模型进行蒙特卡洛模拟采样获得输电网初采样数据和配电网初采样数据，包 括：
构造离散分布随机变量的重要分布函数；
根据重要分布函数、所述不确定性集和不确定性因素概率模型形成离散 拉丁超立方样本矩阵，并得到矩阵的顺序矩阵；
计算所述顺序矩阵的相关系数，对所述相关系数进行分解得到下三角矩 阵；
基于所述下三角矩阵更新所述离散拉丁超立方样本矩阵，获得采样数据。
在一种可能的实现方式中，根据所述输电网采样数据、所述配电网采样 数据和所述交流最优潮流模型，获得输电网有功潮流分布和无功潮流分布， 以及配电网的有功潮流分布和无功潮流分布，并使输电网和配电网边界数据 收敛一致，包括：
构造增广拉格朗日罚函数，将交流最优潮流模型分解为上下两层；
采用交替方向乘子算法实现对优化潮流问题的分布式求解，让每个子问 题达到各自最优的运行状态，并以此确定共享变量数值。
在一种可能的实现方式中，该方法还包括：
根据所述输电网有功潮流分布和无功潮流分布，以及所述配电网的有功 潮流分布和无功潮流分布计算输配电网可靠性指标和配电网可靠性指标。
在一种可能的实现方式中，所述可靠性指标包括：负荷削减概率和电量 不足期望值。
第二方面，本发明实施例提供了一种用于输配电网可靠性评估的装置， 包括：
获取模块，用于获取输电网数据和配电网数据；
重构模块，用于根据所述配电网数据进行数据重构获得不确定性集；
概率模型模块，用于根据输电网数据建立不确定性因素概率模型；
采样模块，用于对所述不确定性因素概率模型和所述不确定性集进行采 样，获得输电网采样数据和配电网采样数据；
潮流模型模块，用于以切负荷量最小为目标，以各发电机出力为决策变 量确定交流最优潮流模型；
数据计算模块，用于根据所述输电网采样数据、所述配电网采样数据和 所述交流最优潮流模型，获得输电网有功潮流分布和无功潮流分布，以及配 电网的有功潮流分布和无功潮流分布，并采用一致性约束使输电网和配电网 边界数据收敛一致，以根据潮流分布进行可靠性评估。
第三方面，本发明实施例提供了一种终端，包括存储器、处理器以及存 储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行 所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所 述方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机 可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上 第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施例提供一种用于输配电网可靠性评估的方法、终端及存储介 质，通过获取输电网数据和配电网数据，并根据配电网数据进行数据重构获 得不确定性集，根据输电网数据建立不确定性因素概率模型，重构不确定集 参数化表征了网络重构的所有可能组合，避免了枚举法所产生的大量计算。 对不确定性因素概率模型和不确定性集进行采样，获得输电网采样数据和配 电网采样数据，以切负荷量最小为目标，以各发电机出力为决策变量确定交 流最优潮流模型，考虑了输配电网间的协同，避免了输电网与配电网在潮流 计算时的反复交替迭代。根据输电网采样数据、配电网采样数据和交流最优 潮流模型，获得输电网有功潮流分布和无功潮流分布，以及配电网的有功潮 流分布和无功潮流分布，并采用一致性约束使输电网和配电网边界数据收敛 一致，从而缩小输和配电网侧共享变量的偏差。基于此，根据潮流分布进行 可靠性评估，可以提高可靠性评估数据的准确度。本发明在可靠性评估过程 中考虑配电网故障重构情况，采用一体化交流潮流实现输配电网潮流迭代， 科学有效，准确性高。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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，下面描述中的附 图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创 造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的用于输配电网可靠性评估的方法的流程示 意图；
图2a是本发明一实施例提供的基本网络单元的结构示意图；
图2b是本发明一实施例提供的网络单元的结构示意图；
图3是本发明一具体实施例提供的输配电网协同测试系统结构示意图；
图4是本发明一实施例提供的用于输配电网可靠性评估的装置的结构示 意图；
图5是本发明一实施例提供的终端的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技 术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员 应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它 情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不 必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具 体实施例来进行说明。
图1为本发明实施例提供的用于输配电网可靠性评估的方法的流程示意 图。如图1所示，包括如下步骤：
S101，获取输电网数据和配电网数据，并根据配电网数据进行数据重构 获得不确定性集，根据输电网数据建立不确定性因素概率模型。
S102，对不确定性因素概率模型和不确定性集进行采样，获得输电网采 样数据和配电网采样数据。
S103，以切负荷量最小为目标，以各发电机出力为决策变量确定交流最 优潮流模型。
S104，根据输电网采样数据、配电网采样数据和交流最优潮流模型，获 得输电网有功潮流分布和无功潮流分布，以及配电网的有功潮流分布和无功 潮流分布，并采用一致性约束使输电网和配电网边界数据收敛一致，以根据 潮流分布进行可靠性评估。
在本实施例中，通过获取输电网数据和配电网数据，并根据配电网数据 进行数据重构获得不确定性集，根据输电网数据建立不确定性因素概率模型， 重构不确定集参数化表征了网络重构的所有可能组合，避免了枚举法所产生 的大量计算。对不确定性因素概率模型和不确定性集进行采样，获得输电网 采样数据和配电网采样数据，以切负荷量最小为目标，以各发电机出力为决 策变量确定交流最优潮流模型，考虑了输配电网间的协同，避免了输电网与 配电网在潮流计算时的反复交替迭代。根据输电网采样数据、配电网采样数据和交流最优潮流模型，获得输电网有功潮流分布和无功潮流分布，以及配 电网的有功潮流分布和无功潮流分布，并采用一致性约束使输电网和配电网 边界数据收敛一致，从而缩小输和配电网侧共享变量的偏差。基于此，根据 潮流分布进行可靠性评估，可以提高可靠性评估数据的准确度。本发明在可 靠性评估过程中考虑配电网故障重构情况，采用一体化交流潮流实现输配电 网潮流迭代，科学有效，准确性高。
在一种可能的实现方式中，输电网数据包括输电网拓扑结构、交直流落 点、容量参数、输电线路长度、型号、阻抗、强迫停运率等参数、变电站型 号、负荷大小等参数、电源容量、出力上下限等参数。
在一种可能的实现方式中，配电网数据包括配电网拓扑结构尤其是配电 网线路间的联络线情况及其开关状态、配电线路长度、型号、阻抗、强迫停 运率等参数、变电站型号、负荷大小、分布式电源容量、出力上下限等参数。
在一种可能的实现方式中，步骤S101中，根据配电网数据进行数据重 构获得不确定集包括：
根据配电网数据形成配电网络拓扑结构图，结合配电网典型接线模式提 取配电网基本网络结构单元，并根据配电网运行特性，明确转供路径；
根据转供路径采用设定变量列写基本网络结构单元线路状态的逻辑关系 表；
基于逻辑关系表确定开关量之间的逻辑关系，并构造配电网重构不确定 集。
其中，配电网可灵活改变网络拓扑结构，从而实现负荷转供，进而影响 输电网安全运行。以下以两种简单地网络拓扑结构对数据重构过程进行说明。
如图2a示例性示出一个具有转供能力的基本网络单元，它包括两个上级 电源、三个联络开关、配电线路和下级变压器。图2a中，三个联络开关包括： v1、v2和v3，其中，黑色表示开关闭合，白色表示开关断开。通过0-1变量 表示联络开关的状态，即v1,v2,v3∈{0，1}。如表1所示列写出了基本网络 单元线路状态的逻辑关系，1表示线路联通，0表示线路断开。
表1
序号 v<sub>1</sub> v<sub>2</sub> v<sub>3</sub>
1 1 1 0
2 1 0 1
3 0 1 1
由上表1可知，基本网络单元共有3种运行方式，根据基本网络单元线 路状态的逻辑关系，构建配电网重构不确定集如下：
Ω＝{vl∈{0，1}|v1+v2+v3＝2}
其中，v1+v2+v3＝2表示在基本网络单元的3条线路中有且仅有2条 线路连通；l＝1，2，3。
按此思路，可对拓扑更加复杂的网络单元组合构建重构不确定集。图2b 示例性示出了一种网络单元组合，由两个基本网络单元组合而成，包括两个 上级电源、六个联络开关、配电线路和下级变压器。图2b中，六个联络开关 包括：v1、v2、v3、v4、v5和v6，黑色表示开关闭合，白色表示开关断开。 通过0-1变量表示联络开关的状态，即v1,v2,v3,v4,v5,v6∈{0，1}。如表2 列出其线路状态的逻辑关系：
表2
序号 v<sub>1</sub> v<sub>2</sub> v<sub>3</sub> v<sub>4</sub> v<sub>5</sub> v<sub>6</sub>
1 1 1 0 1 1 0
2 1 0 1 1 1 0
3 0 1 1 1 1 0
4 1 1 0 1 0 1
5 1 0 1 1 0 1
6 0 1 1 1 0 1
7 1 1 0 0 1 1
8 1 0 1 0 1 1
9 0 1 1 0 1 1
由上表2可知，配电网当含有2个基本网络单元时，共有9种网络结构。 网络结构总数与基本网络单元数量呈幂指数关系。即，若配电网含有n个基 本网络单元组合，那么则共有3n种网络结构。显然，若采用枚举法列举出每 一种网络结构，结构数量将十分庞大，并且效率很低。若采用不确定集刻画 如上表2中的9种网络结构，则可表示为如下的简洁形式：
Figure BDA0003298288940000091
其中，
Figure BDA0003298288940000092
表示在联络开关v1、v2和v3控制下有且仅有2条线路 连通；
Figure BDA0003298288940000093
表示在联络开关v4、v5和v6控制下有且仅有2条线路连通。
基于图2a和图2b示出的基本网络单元可以理解，对于更复杂的、含有 更多基本网络单元的拓扑结构，总是可以找到开关量之间的逻辑关系，并构 造出重构不确定集，表示为如下矩阵形式：
Ω＝{vl∈{0，1}|Lv＝h}
式中，Lv为刻画开关量逻辑关系的系数矩阵，h为常数向量。
具体的，根据配电网数据中的联络线情况及其开关状态形成配电网络拓 扑结构图，进而重构不确定集。重构不确定集参数化表征了网络重构的所有 可能组合，避免了枚举法所产生的大量计算。不仅如此，利用鲁棒优化技术， 还可以动态识别重构不确定集合中最薄弱的配电网结构，从而提升输电网规 划方案对不同配电网结构的适应性。
在一种可能的实现方式中，输电网数据包括：系统负荷和风光出力。
步骤S101中，根据输电网数据建立不确定性因素概率模型，包括：
根据系统负荷和正态分布的概率模型确定负荷增长概率模型；
根据风光出力和分段线性的概率模型确定风光出力概率模型；
根据输变电设备故障概率采用均匀分布的0-1概率模型来表示所有输变 电设备的不确定性。
常规输配电网线路视为两状态设备，利用计算机产生一个在[0，1]区间 服从均匀分布U(0，1)的随机数，将此随机数与设备的故障率比较，确定该设 备的状态。当随机数小于故障率时，认为线路故障；当随机数大于故障率时， 认为线路正常状态。基于正态分布的概率模型来表示负荷波动的不确定性。 对于现有负荷节点i，假设该点平均负荷为PDi0，该点负荷的变化量ΔPDi为一 随机变量，服从正态分布
Figure BDA0003298288940000101
其中，μi为期望值即PDi0，则该 点实际负荷PDi＝PDi0+ΔPDi，σi的取值依据为负荷大于1.2μi或者小于0.8μi的概率小于0.05，即负荷波动数值大于1.2倍的期望值的概率不超过0.025。
在一种可能的实现方式中，步骤S102中，对不确定性因素概率模型和 不确定性集进行采样，获得输电网采样数据和配电网采样数据，包括：
对不确定性集和不确定性因素概率模型进行蒙特卡洛模拟采样获得输电 网初采样数据和配电网初采样数据；
保持原有样本期望值不变的条件下，改变输电网初采样数据和配电网初 采样数据的概率分布，获得输电网采样数据和配电网采样数据。
步骤S102中，对不确定性集和不确定性因素概率模型进行蒙特卡洛模 拟采样，从而获得输配电网状态的采样数据，包括所有输变电设备是正常运 行状态还是故障状态、含风光在内的发电机初始出力大小、负荷大小。
在一种可能的实现方式中，对不确定性集和不确定性因素概率模型进行 蒙特卡洛模拟采样获得输电网初采样数据和配电网初采样数据，包括：
构造离散分布随机变量的重要分布函数；
根据重要分布函数形成离散拉丁超立方样本矩阵，并得到矩阵的顺序矩 阵；
计算顺序矩阵的相关系数，对其进行Cholesky分解得到下三角矩阵；
基于三角矩阵更新离散拉丁超立方样本矩阵，获得采样数据。
蒙特卡洛模拟方法是基于概率模型进行可靠性计算分析的常用方法。可 采用matlab编程生成满足不确定性模型的随机变量xi，该变量满足取值为si，j的数量同该随机变量取值为si，j的概率成正比，即：
Num(xi＝si，j)＝n×P(xi＝si，j)
式中，Num(xi＝si，j)表示随机变量xi取值为si，j的样本数量，i＝1，2…，k， P(xi＝si，j)表示随机变量xi取值为si，j的概率。
为了提高蒙特卡洛模拟的计算精度，对该方法进行改进，具体步骤如下：
首先，构造离散分布随机变量的重要分布函数。
由于：
E(F)＝∑xeΩF(X)P(X)＝∑xeΩ[F(X)P(X)/P*(X)]P*(X)
令F*(X)＝F(X)P(X)/P*(X)，有E(F)＝∑F*(X)P*(X)＝E(F*)。其中， F(X)为系统状态函数；P(X)为系统状态分布函数；F*(X)为新概率分布下的 系统状态函数。如果选择的新分布P*(X)能够突出“重要事件”(即引起系 统失效的事件)，则能够证明F*(X)的方差将小于F(X)的方差。新分布P*(X)又 称为重要分布函数。
定义系统元件的重要分布函数为：
Figure BDA0003298288940000111
其中，fi为系统元件i的强迫停运率；k为乘子；xi为系统元件i状态Xi的 取值，0表示停运状态，1表示运行状态。
设P*(X)＝mP(X)，则有F*(X)＝F(X)/m。其中，
Figure BDA0003298288940000112
当xi＝0时，元件i停运，上式中第1项有效；当xi＝1时，元件i运行， 系统元件的重要分布函数中第2项有效。考察系统所有元件的状态，计算得 到m的值，将其代入F*(X)＝F(X)/m得到新的状态函数值。
其次，根据重要分布函数形成离散拉丁超立方样本矩阵X，并得到矩阵X 的顺序矩阵L。
X是k＝n样本矩阵，行元素为某一随机变量的采样值，且采样值从小到 大排列：
Figure BDA0003298288940000121
的位置，不同的随机变量的分布函数不同，因此取到的状态数可以不一致。
基于上述样本矩阵X得到如下的k×n阶的顺序矩阵L，该矩阵的每一行 的元素代表样本矩阵X对应元素在该行排列的位置：
Figure BDA0003298288940000122
然后，计算矩阵L的相关系数ρL，对其进行Cholesky分解得到下三角矩 阵D。
计算顺序矩阵L的相关系数矩阵ρL，ρL为对称正定矩阵。对ρL进行如下 式示的Cholesky分解得到下三角矩阵D：
ρL＝DDT
最后，基于三角矩阵更新离散拉丁超立方样本矩阵，获得采样数据。
根据上式得到矩阵G，根据G中各行元素在该行中的排列对矩阵L的元素 进行更新：
G＝D-1L
根据G各行元素的排列顺序对矩阵L进行更新。由于矩阵G的相关系数矩 阵为单位阵，更新后的矩阵L各行元素的相关系数小于原矩阵L各行元素的相 关系数。
根据矩阵L对样本矩阵X中元素的位置进行重新排列。假设更新后的矩阵 X的相关系数矩阵为ρX，那么ρX与ρL之间的差距较小，ρx与ρL不相等但是具 有一致性，即较小的ρL可以得到较小的ρX，因此可以得到相关系数较小的样 本矩阵X。
将更新后的样本矩阵X视为新的采样结果，根据重要抽样函数计算原样 本空间状态的期望值。
在一种可能的实现方式中，步骤103中，以切负荷量最小为目标，以各 发电机出力为决策变量确定交流最优潮流模型如下：
Figure BDA0003298288940000131
Figure BDA0003298288940000132
Figure BDA0003298288940000133
PL，ij＝Vi 2Gij-ViVj(Gijcosθij+Bijsinθij)
QL，ij＝-Vi 2Bij-ViVj(Gijsinθij-Bijcosθij)
-SL，ij，max≤SL，ij≤SL，ij，max
PG，j，min≤PG，j≤PG，j，max
Vi，min≤Vi≤Vi，max
0≤Pr，i≤PD，i
以输电网和配电网交界节点的有功和电压为输配电网交互变量也称为共 享变量。约束条件s.t.自上而下分别为有功平衡约束、无功平衡约束、线路 有功潮流计算公式、线路无功潮流计算公示、线路传输容量约束、机组出力 约束、节点电压约束、切负荷量约束。
式中，Pr，i为切负荷量；PG，i、PD，i分别为节点i的发电机有功出力和有功 负荷；QG，i、QD，i分别为节点i的发电机无功出力和无功负荷；PL，ij、QL，ij为线 路ij的有功、无功潮流；Gij和Bij分别为线路ij的电导、电纳；Vi和θij分别为 节点i的电压幅值和节点i，j之间的电压相位差；SL，ij、SL，ij，max分别为线路视 在功率及其传输容量上限；
Figure BDA0003298288940000141
为第n条输配边界线路的有功潮流，PL，n，max和PL，n，min分别为该线路的有功功率传输上下限；PG，j，max和PG，j，min为机组j出力 上下限；Vi，max和Vi，min为节点i处电压幅值上下限。
在一种可能的实现方式中，步骤104中，根据输电网采样数据、配电网 采样数据和交流最优潮流模型，获得输电网有功潮流分布和无功潮流分布， 以及配电网的有功潮流分布和无功潮流分布，并使输电网和配电网边界数据 收敛一致，包括：
构造增广拉格朗日罚函数，将交流最优潮流模型分解为上下两层；
采用交替方向乘子算法实现对优化潮流问题的分布式求解，让每个子问 题达到各自最优的运行状态，并以此确定共享变量数值。
配电网侧最优潮流模型与输电网类似。由于考虑了输配电网间的协同， 为保证两层子问题潮流方程形式的一致以及共享变量中节点电压的计算，没 有像通常的输电网规划问题中将潮流方程简化为直流潮流形式。两层子问题 均采用交流潮流极坐标形式来表示线路潮流方程，于是方程中会含有大量三 角函数项、二次项等非线性项，是一个典型的非凸优化问题。而通常的优化 算法收敛条件需满足模型为凸优化问题，故为了保证求解时的收敛性同时降 低计算复杂度，可采用凸松弛技术对模型进行转化，将原问题转化为一个二 阶锥规划(second-order cone programming，SOCP)问题。以上述公式 PL，ij＝Vi 2Gij-ViVj(Gijcosθij+Bijsinθij)为例，引入如下进行变量替代：
Figure BDA0003298288940000143
Kij＝Vi Vj cosθij，Hij＝Vi Vjsinθij
添加如下约束以保证变量间的耦合：
Kij-Kji＝0，Hij+Hji＝0，
Figure BDA0003298288940000144
公式转换为：
PL，ij＝GijJi-GijKij-BijHij
模型的求解可采用分析目标级联算法。算法包括内外两层循环，内层循 环针对每个输、配电网子问题，让每个子问题达到各自最优的运行状态，并 以此确定共享变量数值；外层循环则使共享变量趋于一致，从而反映输配电 网间的耦合关系。由于一致性约束(即输配电网中计算出来的共享变量应该 趋于一致)的存在，输、配电网层的优化模型中均含有与另一层相耦合的变 量，无法单独求解。根据算法思想，实现两层子问题解耦。以上述公式
Figure BDA0003298288940000151
为例，目标函数可修正为：
Figure BDA0003298288940000152
式中，αn，βn和
Figure BDA0003298288940000153
γn分别为传输功率和节点电压罚函数一次项与二次 项的乘子；
Figure BDA0003298288940000154
和
Figure BDA0003298288940000155
为目标变量；上标“*”表示该项已经给定，即从另一层 优化模型中解得并传递而来的共享变量。
求解结果将得到各种输配电网状态下的有功、无功潮流分布、切负荷大 小、切负荷次数。
在一种可能的实现方式中，在步骤S104之后，还包括：
根据输电网有功潮流分布和无功潮流分布，以及配电网的有功潮流分布 和无功潮流分布计算输配电网可靠性指标和配电网可靠性指标。
在一种可能的实现方式中，可靠性指标包括：负荷削减概率和电量不足 期望值。
其中，负荷削减概率LOLP，表示系统在某一负荷水平下因种种原因需 要削减负荷的概率。负荷削减概率LOLP计算式如下：
Figure BDA0003298288940000161
其中，pi是系统削减负荷值为Ci的概率，Ci和pi基于交流最优潮流模 型确定。
电量不足期望值EENS，指在被研究的一段时间内由于负荷需要超过可 用发电容量而引起用户停电的平均值。EENS全年指标如下式所示。
Figure BDA0003298288940000162
其中，pi是系统削减负荷值为Ci的概率，Ci和pi基于交流最优潮流模 型确定。
在一具体实施例中，对图3所示的具体的输配电网协同测试系统结构示 意图，分别基于输电网单独计算、配电网单独计算和本发明实施例提供的输 配电一体化计算三种方案
基本算法参数设置如下：乘子αn，βn和
Figure BDA0003298288940000163
γn的初值均设为0.5；目 标变量初值
Figure BDA0003298288940000164
所有程序均在MATLAB上采用Yalmip编 写，并调用商用求解器Gurobi对模型加以求解。
基于本发明实施例提供的方法包括如下步骤：
首先，建立考虑配电网运行特性的配电网重构不确定性集，以具有转供 能力的基本网络单元为对象，通过0-1变量表示线路状态，列写基本网络单 元线路状态的逻辑关系，通过分析开关量之间的逻辑关系，形成重构不确定 性集。
然后，综合考虑配电网重构不确定性集、常规输配电网中的电源出力、 负荷大小不确定性模型，采用离散拉丁超立方重要抽样结合蒙特卡洛模拟方 法进行输配电网状态采样。
其次，对采样得到的网络进行输配电网一体化的交流最优潮流计算，以 切负荷量最小为目标，求解得出输配电网有功和无功潮流分布。若该次采样 下的系统状态存在切负荷，那么切负荷概率+1，重复进行下一次状态采样和 潮流计算，直至算法达到模拟次数的终止条件。
最后，计算并输出负荷削减概率可靠性指标。
如下表3给出了三种方法下的可靠性指标对比结果。
表3
可靠性指标 输电网单独 配电网单独 输配电网一体
LOLP 0.0036 0.067 0.0038
其中，输电网单独计算方法即将配电网全部等效为固定负荷，加入到输 配边界节点中。配电网单独计算方法即将输电网全部等效为固定电源，加入 到输配边界节点中，并且不考虑故障下的配电网重构。输配电网一体计算方 法即为本发明前述实施例提供的方法。由表3可知，输配电网一体计算方法 得出的负荷削减概率要大于输电网单独计算的数值、小于配电网单独计算的 数值，能够得到输配电网的整体可靠性度量，考虑配电网重构能够有效提高 可靠性，结果更符合实际，准确性高。
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上 述对应的方法实施例。
图4示出了本发明实施例提供的用于输配电网可靠性评估的装置的结构 示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
如图4所示，用于输配电网可靠性评估的装置，包括：获取模块401、 重构模块402、概率模型模块403、采样模块404、潮流模型模块405和数据 计算模块406。
获取模块401，用于获取输电网数据和配电网数据。
重构模块402，用于根据所述配电网数据进行数据重构获得不确定性集。
概率模型模块403，用于根据输电网数据建立不确定性因素概率模型。
采样模块404，用于对所述不确定性因素概率模型和所述不确定性集进 行采样，获得输电网采样数据和配电网采样数据。
潮流模型模块405，用于以切负荷量最小为目标，以各发电机出力为决 策变量确定交流最优潮流模型。
数据计算模块406，用于根据所述输电网采样数据、所述配电网采样数 据和所述交流最优潮流模型，获得输电网有功潮流分布和无功潮流分布，以 及配电网的有功潮流分布和无功潮流分布，并采用一致性约束使输电网和配 电网边界数据收敛一致，以根据潮流分布进行可靠性评估。
在本实施例中，通过获取输电网数据和配电网数据，并根据配电网数据 进行数据重构获得不确定性集，根据输电网数据建立不确定性因素概率模型， 重构不确定集参数化表征了网络重构的所有可能组合，避免了枚举法所产生 的大量计算。对不确定性因素概率模型和不确定性集进行采样，获得输电网 采样数据和配电网采样数据，以切负荷量最小为目标，以各发电机出力为决 策变量确定交流最优潮流模型，考虑了输配电网间的协同，避免了输电网与 配电网在潮流计算时的反复交替迭代。根据输电网采样数据、配电网采样数据和交流最优潮流模型，获得输电网有功潮流分布和无功潮流分布，以及配 电网的有功潮流分布和无功潮流分布，并采用一致性约束使输电网和配电网 边界数据收敛一致，从而缩小输和配电网侧共享变量的偏差。基于此，根据 潮流分布进行可靠性评估，可以提高可靠性评估数据的准确度。本发明在可 靠性评估过程中考虑配电网故障重构情况，采用一体化交流潮流实现输配电 网潮流迭代，科学有效，准确性高。
图5是本发明实施例提供的终端的示意图。如图5所示，该实施例的终 端5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处 理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时 实现上述各个用于输配电网可靠性评估的方法实施例中的步骤，例如图1所 示的步骤S101至步骤S104。或者，所述处理器50执行所述计算机程序52 时实现上述各装置实施例中各模块/单元的功能，例如图4所示模块401至 406的功能。
示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所 述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执 行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一 系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述终端5 中的执行过程。例如，所述计算机程序52可以被分割成图4所示的模块401 至406。
所述终端5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计 算设备。所述终端5可包括，但不仅限于，处理器50、存储器51。本领域技 术人员可以理解，图5仅仅是终端5的示例，并不构成对终端5的限定，可 以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例 如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit，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)、现场可编程门 阵列(Field-Programmable Gate Array，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。通用处理器可以是微处理器或 者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端5的内部存储单元，例如终端5的硬盘或 内存。所述存储器51也可以是所述终端5的外部存储设备，例如所述终端5 上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字 (Secure Digital，SD)卡，闪存卡(FlashCard)等。进一步地，所述存储器 51还可以既包括所述终端5的内部存储单元也包括外部存储设备。所述存储 器51用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存 储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以 上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而 将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划 分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例 中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独 物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元 既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申 请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法 实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有 详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各 示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结 合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特 定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方 法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法， 可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意 性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现 时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另 一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互 之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接 耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作 为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方， 或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或 者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中， 也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单 元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单 元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产 品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理 解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程 序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储 介质中，该计算机程序在被处理器执行时，可实现上述各个用于输配电网可 靠性评估的方法实施例的步骤。其中，所述计算机程序包括计算机程序代码， 所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些 中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码 的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储 器、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明 的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实 践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参 照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解： 其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技 术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱 离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之 内。

Claims (10)

1.一种用于输配电网可靠性评估的方法，其特征在于，
获取输电网数据和配电网数据，并根据所述配电网数据进行数据重构获得不确定性集，根据输电网数据建立不确定性因素概率模型；
对所述不确定性因素概率模型和所述不确定性集进行采样，获得输电网采样数据和配电网采样数据，并以切负荷量最小为目标，以各发电机出力为决策变量确定交流最优潮流模型；
根据所述输电网采样数据、所述配电网采样数据和所述交流最优潮流模型，获得输电网有功潮流分布和无功潮流分布，以及配电网的有功潮流分布和无功潮流分布，并采用一致性约束使输电网和配电网边界数据收敛一致，以根据潮流分布进行可靠性评估。
2.根据权利要求1所述的方法，其特征在于，根据所述配电网数据进行数据重构获得不确定集包括：
根据配电网数据形成配电网络拓扑结构图，结合配电网典型接线模式提取配电网基本网络结构单元，并根据配电网运行特性，明确转供路径；
根据转供路径采用设定变量列写基本网络结构单元线路状态的逻辑关系表；
基于所述逻辑关系表确定开关量之间的逻辑关系，并构造配电网重构不确定集。
3.根据权利要求1所述的方法，其特征在于，所述输电网数据包括：系统负荷和风光出力；
所述根据输电网数据建立不确定性因素概率模型，包括：
根据所述系统负荷和正态分布的概率模型确定负荷增长概率模型；
根据所述风光出力和分段线性的概率模型确定风光出力概率模型；
根据输变电设备故障概率采用均匀分布的0-1概率模型来表示所有输变电设备的不确定性。
4.根据权利要求1所述的方法，其特征在于，对所述不确定性因素概率模型和所述不确定性集进行采样，获得输电网采样数据和配电网采样数据，包括：
对所述不确定性集和不确定性因素概率模型进行蒙特卡洛模拟采样获得输电网初采样数据和配电网初采样数据；
保持原有样本期望值不变的条件下，改变输电网初采样数据和配电网初采样数据的概率分布，获得输电网采样数据和配电网采样数据。
5.根据权利要求4所述的方法，其特征在于，所述对所述不确定性集和不确定性因素概率模型进行蒙特卡洛模拟采样获得输电网初采样数据和配电网初采样数据，包括：
构造离散分布随机变量的重要分布函数；
根据重要分布函数、所述不确定性集和不确定性因素概率模型形成离散拉丁超立方样本矩阵，并得到矩阵的顺序矩阵；
计算所述顺序矩阵的相关系数，对所述相关系数进行分解得到下三角矩阵；
基于所述下三角矩阵更新所述离散拉丁超立方样本矩阵，获得采样数据。
6.根据权利要求1所述的方法，其特征在于，根据所述输电网采样数据、所述配电网采样数据和所述交流最优潮流模型，获得输电网有功潮流分布和无功潮流分布，以及配电网的有功潮流分布和无功潮流分布，并使输电网和配电网边界数据收敛一致，包括：
构造增广拉格朗日罚函数，将交流最优潮流模型分解为上下两层；
采用交替方向乘子算法实现对优化潮流问题的分布式求解，让每个子问题达到各自最优的运行状态，并以此确定共享变量数值。
7.根据权利要求1所述的方法，其特征在于，还包括：
根据所述输电网有功潮流分布和无功潮流分布，以及所述配电网的有功潮流分布和无功潮流分布计算输配电网可靠性指标和配电网可靠性指标。
8.根据权利要求7所述的方法，其特征在于，所述可靠性指标包括：负荷削减概率和电量不足期望值。
9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至8中任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至8中任一项所述方法的步骤。
CN202111183617.8A 2021-10-11 2021-10-11 用于输配电网可靠性评估的方法、终端及存储介质 Pending CN113922369A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111183617.8A CN113922369A (zh) 2021-10-11 2021-10-11 用于输配电网可靠性评估的方法、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111183617.8A CN113922369A (zh) 2021-10-11 2021-10-11 用于输配电网可靠性评估的方法、终端及存储介质

Publications (1)

Publication Number Publication Date
CN113922369A true CN113922369A (zh) 2022-01-11

Family

ID=79239319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111183617.8A Pending CN113922369A (zh) 2021-10-11 2021-10-11 用于输配电网可靠性评估的方法、终端及存储介质

Country Status (1)

Country Link
CN (1) CN113922369A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116433225A (zh) * 2023-06-12 2023-07-14 国网湖北省电力有限公司经济技术研究院 一种互联微电网多时间尺度故障恢复方法、装置及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101673963A (zh) * 2009-02-10 2010-03-17 路建乡 基于两重直流母线控制的通信基站用风光互补发电系统
CN101882809A (zh) * 2010-05-26 2010-11-10 上海先甲新能源科技有限公司 一种新能源与网电并联具有调峰逆变控制的供电方法
CN106329555A (zh) * 2015-06-26 2017-01-11 比亚迪股份有限公司 光伏储能微网系统及光伏储能微网系统的控制方法
CN107871202A (zh) * 2017-09-14 2018-04-03 国网浙江省电力公司经济技术研究院 一种计及多电压等级的电网可靠性评估方法
CN109657913A (zh) * 2018-11-16 2019-04-19 国网江苏省电力有限公司南京供电分公司 一种考虑分布式电源的输配电网联合风险评估方法
CN111654067A (zh) * 2020-06-11 2020-09-11 国网江苏省电力有限公司扬州供电分公司 输配协同的配电系统调度新型控制方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101673963A (zh) * 2009-02-10 2010-03-17 路建乡 基于两重直流母线控制的通信基站用风光互补发电系统
CN101882809A (zh) * 2010-05-26 2010-11-10 上海先甲新能源科技有限公司 一种新能源与网电并联具有调峰逆变控制的供电方法
CN106329555A (zh) * 2015-06-26 2017-01-11 比亚迪股份有限公司 光伏储能微网系统及光伏储能微网系统的控制方法
CN107871202A (zh) * 2017-09-14 2018-04-03 国网浙江省电力公司经济技术研究院 一种计及多电压等级的电网可靠性评估方法
CN109657913A (zh) * 2018-11-16 2019-04-19 国网江苏省电力有限公司南京供电分公司 一种考虑分布式电源的输配电网联合风险评估方法
CN111654067A (zh) * 2020-06-11 2020-09-11 国网江苏省电力有限公司扬州供电分公司 输配协同的配电系统调度新型控制方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116433225A (zh) * 2023-06-12 2023-07-14 国网湖北省电力有限公司经济技术研究院 一种互联微电网多时间尺度故障恢复方法、装置及设备
CN116433225B (zh) * 2023-06-12 2023-08-29 国网湖北省电力有限公司经济技术研究院 一种互联微电网多时间尺度故障恢复方法、装置及设备

Similar Documents

Publication Publication Date Title
Wang et al. MDP-based distribution network reconfiguration with renewable distributed generation: Approximate dynamic programming approach
Ebrahimi et al. Adaptive robust optimization framework for day-ahead microgrid scheduling
Ahmed et al. Probabilistic distribution load flow with different wind turbine models
Samet et al. Analytic time series load flow
Ke et al. Coordinative real‐time sub‐transmission volt–var control for reactive power regulation between transmission and distribution systems
CN108063456A (zh) 分布式光伏发电并网规划方法及终端设备
Kumar et al. Multi‐variable constrained non‐linear optimal planning and operation problem for isolated microgrids with stochasticity in wind, solar, and load demand data
Sun et al. Chemical reaction optimization for the optimal power flow problem
Hou et al. Reliability assessment of power systems with high renewable energy penetration using shadow price and impact increment methods
Abbasi et al. Probabilistic load flow in distribution networks: An updated and comprehensive review with a new classification proposal
Riahinia et al. Load service restoration in active distribution network based on stochastic approach
CN111525569A (zh) 一种区域综合能源系统优化调度方法、系统及设备
Maffei et al. A cyber-physical systems approach for implementing the receding horizon optimal power flow in smart grids
Giraldo et al. Optimal power flow solution in direct current grids using Sine-Cosine algorithm
Deboever et al. Scalability of the vector quantization approach for fast QSTS simulation
CN113922369A (zh) 用于输配电网可靠性评估的方法、终端及存储介质
Sandhya et al. Two-stage ANN based intelligent technique for optimal positioning and sizing of DERs in distribution system
Falugi et al. Application of novel nested decomposition techniques to long-term planning problems
Wadi et al. Reliability and sensitivity analysis for closed-ring distribution power systems
CN108960500A (zh) 电池能量存储系统的控制方法及电子装置
Fu et al. Mixed‐integer second‐order cone programming framework for optimal scheduling of microgrids considering power flow constraints
Bai et al. Probabilistic production simulation of a wind/photovoltaic/energy storage hybrid power system based on sequence operation theory
Sun et al. Assessing wind curtailment under different wind capacity considering the possibilistic uncertainty of wind resources
Zhang et al. An interval power flow method for radial distribution systems based on hybrid second-order cone and linear programming
Pan et al. Reliability-constrained economic dispatch with analytical formulation of operational risk evaluation

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