CN113962159A - 一种基于合理弃光的配电网光伏最大接入容量的评估方法 - Google Patents

一种基于合理弃光的配电网光伏最大接入容量的评估方法 Download PDF

Info

Publication number
CN113962159A
CN113962159A CN202111295138.5A CN202111295138A CN113962159A CN 113962159 A CN113962159 A CN 113962159A CN 202111295138 A CN202111295138 A CN 202111295138A CN 113962159 A CN113962159 A CN 113962159A
Authority
CN
China
Prior art keywords
photovoltaic
power
population
distribution network
power distribution
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
CN202111295138.5A
Other languages
English (en)
Inventor
郝元钊
郭长辉
田春笋
李晓萌
李程昊
刘芳冰
潘雪晴
陈幸伟
张嘉澍
吕泉
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.)
Dalian University of Technology
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
Dalian University of Technology
Electric Power Research Institute of State Grid Henan 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 Dalian University of Technology, Electric Power Research Institute of State Grid Henan Electric Power Co Ltd filed Critical Dalian University of Technology
Priority to CN202111295138.5A priority Critical patent/CN113962159A/zh
Publication of CN113962159A publication Critical patent/CN113962159A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/10—Photovoltaic [PV]
    • 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
    • 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

本发明公开了一种基于合理弃光的配电网光伏最大接入容量的评估方法，包括：设定接入分布式光伏的配电网系统的系统参数；建立考虑电网静态安全约束及合理弃光的分布式光伏最大接入容量数学模型，以配电网系统中规划节点接入的分布式光伏的总容量最大为目标函数，以电网的静态安全、控制变量的可行域与允许的弃光率上限为约束，以潮流方程表征状态变量与控制变量的关系，运用遗传算法对模型进行求解，本发明考虑了弃光对分布式光伏接入容量的提升作用，以年弃光率上限为约束，建立了分布式光伏接入容量评估模型，帮助规划决策者评估配电网接纳分布式光伏的最大能力，为配电网的规划与建设提供重要依据。

Description

一种基于合理弃光的配电网光伏最大接入容量的评估方法
技术领域
本发明涉及电力系统规划技术领域，尤其涉及一种基于合理弃光的配电网光伏最大接入容量的评估方法。
背景技术
随着近年来全国光伏发电装机规模继续保持高速增长态势，分布式光伏也在不断发展，尤其是分布式光伏在诸多农村配电网的大规模投入，因此分布式光伏接入而产生的问题也开始出现。分布式光伏的大规模接入会对电能质量、配电网稳定性、电网可靠性等方面产生影响。相应的，这些因素也制约着分布式光伏的进一步接入，其中制约分布式光伏接入水平最主要的因素则是配电网节点电压越限问题。
对于一个现有的配电网结构，当有分布式光伏接入某一节点时，随着分布式光伏电源向配电网输出有功功率，会抬高接入节点及相邻节点的节点电压，也可能会增加线路上的功率。因此，当光照较强或负荷较小时，接入光伏节点周围可能会出现节点电压越限以及线路功率越限的情况，从而给配电网的安全造成隐患。采取光伏逆变器控制进行弃光的调节措施可有效消除节点电压和线路功率越限的影响，从而增加光伏的最大接入容量。然而若是过度弃光又会降低经济性，因此需要设定一定的弃光率上限来保证弃光的合理性。
因此，为了评估在考虑合理弃光情况下的配电网接纳分布式光伏最大容量，需要提出一种以合理弃光率为限制的配电网分布式光伏接入容量评估方法。
发明内容
有鉴于此，本发明的目的是提供一种基于合理弃光的配电网光伏最大接入容量的评估方法。
本发明的采用以下技术方案：
一种基于合理弃光的配电网光伏最大接入容量的评估方法，在评估过程中考虑了运行指标越限后合理弃光对接入容量的提升作用，包括以下步骤：
S1：确定包含分布式光伏的配电网系统的参数，所述系统参数包括网络结构、线路参数、光伏接入位置、光伏出力曲线以及节点负荷曲线；
S2：建立考虑电网静态安全约束及合理弃光的分布式光伏最大接入容量的评估数学模型；
S21：评估模型的目标函数为：规划节点接入的分布式光伏的总容量最大：
Figure BDA0003336283800000021
其中，i为电网中任一节点；n为系统中所有节点的集合；CPV,i为接入的光伏电源的容量。
S22：评估模型的约束条件包含电网静态安全约束及合理弃光的光伏运行限制；
S221：电压越限约束：
Figure BDA0003336283800000022
其中，t表示光伏接入后未来可能面临的第t个运行场景，T为未来运行场景集合(t∈T)。i(i＝1,2,…,n)表示配电网中的任一节点，j表示i节点的相邻下游节点。
Figure BDA0003336283800000023
表示配电网的所有节点每一场景的节点电压；Umin和Umax分别表示节点电压所允许的上下限。
S222：线路功率约束：
Figure BDA0003336283800000024
其中，
Figure BDA0003336283800000025
和
Figure BDA0003336283800000026
表示各节点之间每一场景的有功、无功功率值；Smax表示线路复功率允许的极限值。
在系统运行过程中，节点电压与线路上的潮流需要保持在限定范围内，以此来保障系统的安全稳定运行。
S223：潮流模型：
Figure BDA0003336283800000031
Figure BDA0003336283800000032
在模型中，控制变量是光伏在各场景下注入电网的有功和无功功率。控制变量与电网运行状态变量之间的关系在配电网中需要通过潮流模型来表示。
其中，P和Q分别代表有功功率和无功功率；下标PV表示光伏，C表示并联的无功补偿设备；G和L分别表示常规发电和负荷；θij为节点i、j之间的功角；Gij和Bij分别表示支路电导和电纳。
S224：光伏逆变器有功/无功控制约束：
逆变器是光伏电源本身带有的元件，对光伏而言，其可以通过逆变器控制来实现有功功率的削减，和无功功率在一定范围内的调节，从而避免电压越上限。调节控制时，光伏有功/无功功率和逆变器容量满足如下关系：
Figure BDA0003336283800000033
Figure BDA0003336283800000034
Figure BDA0003336283800000035
其中，
Figure BDA0003336283800000036
表示光伏的额定有功功率；
Figure BDA0003336283800000037
是光伏逆变器的容量，一般为额定有功容量的1.0～1.1倍。
Figure BDA0003336283800000038
表示功率因数角，
Figure BDA0003336283800000039
分别表示允许的功率因数角的下限和上限，
Figure BDA00033362838000000310
表示功率因数，范围一般为-0.95～0.95。
通过如下关系式将光伏容量与场景t的控制变量相关联：
Figure BDA0003336283800000041
其中，
Figure BDA0003336283800000042
表示光伏系统在场景t下未考虑弃光时的有功出力标幺值。
S225：弃光率约束：
Figure BDA0003336283800000043
lPV≤lmax
其中，lPV代表弃光率；lmax为弃光率限值。
S3：将所述系统参数输入至模型中，运用遗传算法，随机生成若干种群，作为光伏的接入容量，然后对计算场景进行缩减，接着通过潮流计算对系统进行逐时段运行模拟，计算各个种群的弃光率，综合考虑弃光率评估各个种群的适应度，选择适应度高的种群进行交叉变异，生成新种群继续循环，迭代若干代后，得到最终评估结果。
S31：对计算场景进行缩减，筛选掉夜间光伏出力为零或凌晨傍晚光伏出力较小的场景，可缩减大约一半多的场景。
S32：基于遗传算法的思路，随机生成若干种群，每个种群内的个体作为各点光伏的接入容量；针对每个种群，对系统进行缩减后场景的逐时段潮流计算，针对各时段电压及功率等指标越限的程度计算确定分布式光伏切除功率，进而统计得到弃光率；评估各个种群的适应度，当满足约束条件时，种群的适应度为各个个体数值之和，不满足约束条件时，该种群的适应度为零。
S33：选择适应度高的种群进行交叉变异，生成新种群继续循环，迭代若干代至设定限值后，得到最后一代适应度最高的种群即为最终评估结果。
与现有技术相比，本发明的有益效果在于：考虑了弃光对抑制节点电压越限与线路功率越限的作用，在现有的只考虑节点电压约束和线路功率约束的模型中，进一步通过添加合理的弃光率约束，在保证配电网系统安全运行的状态下，评估出配电网接纳分布式光伏的最大容量。结果表明，本方法通过少量的弃光，大量提高了配电网对分布式光伏的最大接纳容量，为电力系统设计和分布式光伏的调度策略提供重要依据。
附图说明
图1为本发明提供的一种基于合理弃光的配电网光伏最大接入容量的评估方法流程图；
图2为IEEE 33节点标准系统结构图；
图3为光伏有功出力标幺值曲线；
图4为有功负荷标幺值曲线；
图5为遗传算法模型求解流程图；
图6为5％弃光率下各点弃光量的分配。
具体实施方式
下面结合实施例对本发明作进一步说明。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。
图1为本发明提供的一种基于合理弃光的配电网光伏最大接入容量的评估方法流程图，一种基于合理弃光的配电网光伏最大接入容量的评估方法，具体步骤为：
S1：确定包含分布式光伏的配电网系统的系统参数，所述系统参数包括网络结构、线路参数、光伏接入位置、光伏出力曲线以及节点负荷曲线等相关数据；
(1)网络结构与线路参数
本文以IEEE33节点标准系统为例，电压等级为10kV。IEEE33节点标准系统结构如图2所示，线路的阻抗参数也取同IEEE33节点标准系统一致。选取系统中的节点17、23、32为光伏接入点。
(2)光伏出力曲线
以某实际光伏电站年发电数据构建标幺发电曲线，如图3所示。
(3)节点负荷曲线
以某地区实际年负荷数据构建标幺负荷曲线，如图4所示。以IEEE33标准系统中各节点负荷值乘以标幺值作为该节点年内各时段的负荷值。
S2：建立了考虑电网静态安全约束及合理弃光的分布式光伏最大接入容量的评估数学模型；
S21：评估模型的目标函数为：规划节点接入的分布式光伏的总容量最大：
Figure BDA0003336283800000061
其中，i为电网中任一节点；n为系统中所有节点的集合；CPV,i为接入的光伏电源的容量。
S22：评估模型的约束条件包含电网静态安全约束及合理弃光的光伏运行限制；
S221：电压越限约束：
Figure BDA0003336283800000062
其中，t表示光伏接入后未来可能面临的第t个运行场景，T为未来运行场景集合(t∈T)。i(i＝1,2,…,n)表示配电网中的任一节点，j表示i节点的相邻下游节点。
Figure BDA0003336283800000063
表示配电网的所有节点每一场景的节点电压标幺值；Umin和Umax分别表示节点电压所允许的上下限标幺值，在本算例中，分别取0.95与1.05。
S222：线路功率约束：
Figure BDA0003336283800000071
其中，
Figure BDA0003336283800000072
和
Figure BDA0003336283800000073
表示各节点之间每一场景的有功、无功功率值；Smax表示线路复功率允许的极限值。
在系统运行过程中，节点电压与线路上的潮流需要保持在限定范围内，以此来保障系统的安全稳定运行。在本算例中，线路上的功率流量最高不得超过5MVA。
S223：潮流模型：
Figure BDA0003336283800000074
Figure BDA0003336283800000075
在模型中，控制变量是光伏在各场景下注入电网的有功和无功功率。控制变量与电网运行状态变量之间的关系在配电网中需要通过潮流模型来表示。
其中，P和Q分别代表有功功率和无功功率；下标PV表示光伏，C表示并联的无功补偿设备；G和L分别表示常规发电和负荷；θij为节点i、j之间的功角；Gij和Bij分别表示支路电导和电纳。
S224：光伏逆变器有功/无功控制约束：
逆变器是光伏电源本身带有的元件，对光伏而言，其可以通过逆变器控制来实现有功功率的削减，和无功功率在一定范围内的调节，从而避免电压越上限。调节控制时，光伏有功/无功功率和逆变器容量满足如下关系：
Figure BDA0003336283800000076
Figure BDA0003336283800000077
Figure BDA0003336283800000078
其中，
Figure BDA0003336283800000081
表示光伏的额定有功功率；
Figure BDA0003336283800000082
是光伏逆变器的容量，一般为额定有功容量的1.0～1.1倍。
Figure BDA0003336283800000083
表示功率因数角，
Figure BDA0003336283800000084
分别表示允许的功率因数角的下限和上限，
Figure BDA0003336283800000085
表示功率因数，范围一般为-0.95～0.95。
通过如下关系式将光伏容量与场景t的控制变量相关联：
Figure BDA0003336283800000086
其中，
Figure BDA0003336283800000087
表示光伏系统在场景t下未考虑弃光时的有功出力标幺值。
S225：弃光率约束：
Figure BDA0003336283800000088
lPV≤lmax
其中，lPV代表弃光率；lmax为弃光率限值。本算例中弃光率的限值为5％。
S3：将所述系统参数输入至模型中，运用遗传算法，随机生成若干种群，作为光伏的接入容量，然后对计算场景进行缩减，接着通过潮流计算对系统进行逐时段运行模拟，计算各个种群的弃光率，综合考虑弃光率评估各个种群的适应度，选择适应度高的种群进行交叉变异，生成新种群继续循环，迭代若干代后，得到最终评估结果。利用遗传算法对模型求解的流程图如图5所示。
S31：对计算场景进行缩减，筛选掉夜间光伏出力为零或凌晨傍晚光伏出力较小的场景，可缩减大约一半多的场景。
S32：基于遗传算法的思路，随机生成60个种群，每个种群内包含3个体，作为各点光伏的接入容量；针对每个种群，对系统进行缩减后场景的逐时段潮流计算，针对各时段电压及功率等指标越限的程度计算确定分布式光伏切除功率，进而统计得到弃光率；评估各个种群的适应度，当满足约束条件时，种群的适应度为各个个体数值之和，不满足约束条件时，该种群的适应度为零。
S33：选择适应度高的种群进行交叉变异，生成新种群继续循环，迭代100代后，算法终止，得到最后一代适应度最高的种群即为最终评估结果。
此时得到最终结果，在5％弃光率的限制下，该场景下基于合理弃光配电网接纳分布式光伏的最大容量为3505kW。此时各个时刻各点分布式光伏的弃光量的分配如图6所示。由图中可见，弃光多集中在春秋季节，而冬季与夏季弃光较少。这是由于夏季空调等负荷较重，因此极少出现电压越限的情况，而冬季光伏出力受温度影响，出力相对较小，也不容易出现电压越限。而在春秋季节，负荷较为平常，而光伏出力在中午时段较大，因此需要通过弃光以消除电压越限的场景出现较多。
至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (5)

1.一种基于合理弃光的配电网光伏最大接入容量的评估方法，其特征在于，在评估过程中考虑了运行指标越限后合理弃光对接入容量的提升作用。
2.如权利要求1所述的一种基于合理弃光的配电网光伏最大接入容量的评估方法，其特征在于，包括以下步骤：
S1：确定包含分布式光伏的配电网系统的系统参数，所述系统参数包括网络结构、线路参数、光伏接入位置、光伏出力曲线以及节点负荷曲线；
S2：建立考虑电网静态安全约束及合理弃光的分布式光伏最大接入容量的评估数学模型；
S3：将所述系统参数输入至所述评估数学模型中，运用遗传算法，随机生成若干种群作为光伏的接入容量，然后对计算场景进行缩减，接着通过潮流计算对系统进行逐时段运行模拟，计算各个种群的弃光率，综合考虑弃光率评估各个种群的适应度，选择适应度高的种群进行交叉变异，生成新种群继续循环，迭代若干代后，得到最终评估结果。
3.如权利要求2所述的一种基于合理弃光的配电网光伏最大接入容量的评估方法，其特征在于：所述步骤S2中进一步包括如下步骤：
S21：评估模型的目标函数为：规划节点接入的分布式光伏的总容量最大：
Figure FDA0003336283790000011
S22：评估模型的约束条件包含电网静态安全约束、允许的弃光率上限及控制方式的可行域，并以潮流方程表征状态变量与控制变量的关系。
4.如权利要求3所述的一种基于合理弃光的配电网光伏最大接入容量的评估方法，其特征在于：所述步骤S22的约束条件中进一步包括如下约束：
S221：电压越限约束：
Figure FDA0003336283790000021
S222：线路功率约束：
Figure FDA0003336283790000022
S223：交流潮流模型：
Figure FDA0003336283790000023
Figure FDA0003336283790000024
S224：光伏逆变器有功/无功控制约束：
Figure FDA0003336283790000025
Figure FDA0003336283790000026
Figure FDA0003336283790000027
Figure FDA0003336283790000028
S225：弃光率约束：
Figure FDA0003336283790000029
lPV≤lmax。
5.如权利要求2所述的一种基于合理弃光的配电网光伏最大接入容量的评估方法，其特征在于：所述步骤S3中进一步包括如下步骤：
S31：对计算场景进行缩减，筛选掉夜间光伏出力为零或凌晨傍晚光伏出力小的场景；
S32：基于遗传算法的思路，随机生成若干种群，每个种群内的个体作为各点光伏的接入容量；针对每个种群，对系统进行缩减后场景的逐时段潮流计算，针对各时段电压及功率等指标越限的程度计算确定分布式光伏切除功率，进而统计得到弃光率；评估各个种群的适应度，当满足约束条件时，种群的适应度为各个个体数值之和，不满足约束条件时，该种群的适应度为零；
S33：选择适应度高的种群进行交叉变异，生成新种群继续循环，迭代若干代至设定限值后，得到最后一代适应度最高的种群即为最终评估结果。
CN202111295138.5A 2021-11-03 2021-11-03 一种基于合理弃光的配电网光伏最大接入容量的评估方法 Pending CN113962159A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111295138.5A CN113962159A (zh) 2021-11-03 2021-11-03 一种基于合理弃光的配电网光伏最大接入容量的评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111295138.5A CN113962159A (zh) 2021-11-03 2021-11-03 一种基于合理弃光的配电网光伏最大接入容量的评估方法

Publications (1)

Publication Number Publication Date
CN113962159A true CN113962159A (zh) 2022-01-21

Family

ID=79469116

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111295138.5A Pending CN113962159A (zh) 2021-11-03 2021-11-03 一种基于合理弃光的配电网光伏最大接入容量的评估方法

Country Status (1)

Country Link
CN (1) CN113962159A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114759615A (zh) * 2022-06-10 2022-07-15 南京邮电大学 基于混合仿真的配网分布式光伏承载力分析及削减方法
CN114825464A (zh) * 2022-05-05 2022-07-29 国网山东省电力公司潍坊供电公司 基于柔性软开关的配电网光伏接入容量获取方法及装置
CN116680995A (zh) * 2023-08-04 2023-09-01 山东大学 一种配电网光伏最大准入功率评估方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114825464A (zh) * 2022-05-05 2022-07-29 国网山东省电力公司潍坊供电公司 基于柔性软开关的配电网光伏接入容量获取方法及装置
CN114759615A (zh) * 2022-06-10 2022-07-15 南京邮电大学 基于混合仿真的配网分布式光伏承载力分析及削减方法
CN116680995A (zh) * 2023-08-04 2023-09-01 山东大学 一种配电网光伏最大准入功率评估方法及系统
CN116680995B (zh) * 2023-08-04 2023-10-27 山东大学 一种配电网光伏最大准入功率评估方法及系统

Similar Documents

Publication Publication Date Title
Abou El-Ela et al. Optimal placement and sizing of distributed generation and capacitor banks in distribution systems using water cycle algorithm
CN113962159A (zh) 一种基于合理弃光的配电网光伏最大接入容量的评估方法
Ma et al. Optimal allocation of hybrid energy storage systems for smoothing photovoltaic power fluctuations considering the active power curtailment of photovoltaic
Wu et al. Source-network-storage joint planning considering energy storage systems and wind power integration
CN113241803B (zh) 一种基于新能源消纳的储能调度方法及计算机介质
CN110896231B (zh) 一种扶贫区配电网接纳分布式光伏能力计算方法及系统
CN109004653B (zh) 一种有功无功耦合治理光伏接入引起农网过电压的方法
CN111146821A (zh) 一种计及光伏不确定性的dstatcom优化配置方法
CN109713717B (zh) 一种配电网光伏电压协调控制方法
CN114069687B (zh) 一种计及逆变器无功调节作用的分布式光伏规划方法
CN111614110B (zh) 一种基于改进多目标粒子群算法的受端电网储能优化配置方法
CN113378100A (zh) 考虑碳排放的配电网源网荷储协同优化调度模型和方法
CN105406485B (zh) 基于改进蝙蝠算法的变电站动态无功优化方法与系统
CN115021308A (zh) 一种考虑负荷脱网的配电网中分布式光伏承载能力计算方法
CN109586297A (zh) 基于OpenDSS的含储能配网分布式电源准入容量计算方法
CN107134783B (zh) 一种基于灵敏度快速筛选的母线电压优化调整方法
CN114996908B (zh) 考虑智能软开关接入的主动配电网扩展规划方法及系统
Wang et al. New method of reactive power compensation for oilfield distribution network
CN113742907B (zh) 一种光伏电站短路电流统一计算方法
CN116031889A (zh) 基于鲁棒深度强化学习的多智能体分布式电压控制方法
CN115549216A (zh) 一种风光储场站有功-无功协调控制方法及系统
CN110829440B (zh) 一种三相中低压一体化配电网电压控制方法及系统
CN114676921A (zh) 一种考虑源荷储协调优化的系统风电可接纳能力计算方法
CN109390971B (zh) 一种基于门当户对遗传算法的配电网多目标主动重构方法
Elende et al. Distribution network optimization by optimal sizing and placement of d-statcom using teaching and learning based optimization algorithm

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