CN114741858A - 一种基于生长演化模型的多层级电网规划方法 - Google Patents

一种基于生长演化模型的多层级电网规划方法 Download PDF

Info

Publication number
CN114741858A
CN114741858A CN202210320339.4A CN202210320339A CN114741858A CN 114741858 A CN114741858 A CN 114741858A CN 202210320339 A CN202210320339 A CN 202210320339A CN 114741858 A CN114741858 A CN 114741858A
Authority
CN
China
Prior art keywords
power grid
load
power
information
time
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
CN202210320339.4A
Other languages
English (en)
Inventor
沈志恒
王蕾
何英静
但扬清
顾晨临
钱佳佳
杨恺
胡哲晟
李知艺
梅林珏昊
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.)
Zhejiang University ZJU
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Zhejiang University ZJU
Economic and Technological Research Institute of State Grid Zhejiang 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 Zhejiang University ZJU, Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical Zhejiang University ZJU
Priority to CN202210320339.4A priority Critical patent/CN114741858A/zh
Publication of CN114741858A publication Critical patent/CN114741858A/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
    • 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
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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生长演化模型的多层级电网规划方法，属于电气工程技术领域。首先收集电网拓扑信息、各部件位置信息和环境信息，根据上述收集的信息将电网当前状态转化为图，并基于环境信息对图进行标注；再收集区域规划、负荷的历史数据、可供选择装备的设备信息及线路信息；根据区域规划预测负荷变化趋势，得到从当前到目标时刻间的负荷预测值；基于负荷预测值对电网的建设需求和上述收集的信息，对图进行逐时刻的分级迭代更新，预测目标时刻的电网形态。本发明方法根据现有多级电网的线路及设备状态，以及未来的负荷发展预测，在考虑到地理位置、环境状况并兼顾政策导向的基础上，为未来电网形态做出预测规划。

Description

一种基于生长演化模型的多层级电网规划方法
技术领域
本发明涉及电气工程技术领域，尤其是涉及一种基于生长演化模型的多层级电网规划方法。
背景技术
毫无疑问，电力系统已经发展成为世界上最复杂的人造工业网络之一。从理论上讲，复杂性网络固有的自组织临界特性有可能引发一系列复杂的、不可预测的和无序的混沌状态的爆发。近年来，世界各国多次发生连锁性大面积停电事故，给社会稳定、经济发展和国家安全造成了巨大影响，因而大电网安全已经成为研究热点。大电网安全问题绝非局限于电网运行阶段，而应从电网规划阶段起予以高度重视，纳入电网规划计及因素。
当前的电网规划主要集中在区域内部和地区之间的规划，这种单层的规划较难兼顾电网的可控制性，同时较难系统地兼顾政策和环境因素的影响。
发明内容
针对现有技术中存在的问题，本发明提出了一种基于生长演化模型的多层级电网规划方法。
为实现上述目的，本发明采用如下技术方案：本发明提出了一种基于生长演化模型的多层级电网规划方法，包括以下步骤：
S1，收集电网拓扑信息、各部件位置信息和环境信息，根据上述收集的信息将电网当前状态转化为图，并基于环境信息对图进行标注；
S2，收集区域规划、负荷的历史数据、可供选择装备的设备信息及线路信息；
S3，根据区域规划预测负荷变化趋势，得到从当前到目标时刻间的负荷预测值；
S4，基于负荷预测值对电网的建设需求和步骤S2收集的信息，对图进行逐时刻的分级迭代更新，预测目标时刻的电网形态。
进一步地，所述各部件位置信息包括变电站、发电机和负荷的位置信息。
进一步地，所述环境信息为当前电网区域是否可以用于搭建发电厂、变电站等设施。
进一步地，将将电网当前状态转化为图的过程具体为：将发电厂和变电站转化为节点，输电线路和变压器支路转化为网络中的边；在图中，每个节点所在的位置与现实电网中的位置对应；收集各区域的信息用于参考该区域是否可以用于搭建发电厂、变电站等设施，将无法建设发配电设施的地方以及不适合包括光伏发电站、风力发电站、潮汐发电站在内的特定种类新能源的位置对应的图上位置进行标注。
进一步地，根据区域规划预测负荷变化趋势，得到从当前到目标时刻间的负荷预测值的具体过程如下：
(a)对于已经接入电网部分的负荷，将供电区域按配电台区进行分解；收集各配电台区的历史用电数据，用指数平滑法预测这些负荷的变化趋势，得到从当前到目标时刻间的负荷预测值；
(b)对于未接入电网部分的负荷，根据区域规划以相同用途负荷的平均水平确定用电规模与负荷总量的对应关系，将二者相乘得到从当前到目标时刻间的负荷预测值，其公式如下：
Figure BDA0003570278430000021
Figure BDA0003570278430000022
其中，ind表示行业，i表示具体的用电设施，
Figure BDA0003570278430000023
表示该行业的新负荷的负荷值预测；
Figure BDA0003570278430000024
表示该行业的某具体用电设施的规模；ALM(ind)表示该行业的平均规模、用电比；
Figure BDA0003570278430000025
表示该行业的某具体用电设施的负荷量。
进一步地，所述指数平滑法选用二次曲线模型作为预测模型。
进一步地，所述步骤S4具体为：将当前到目标时刻按月划分成数个时间点，每一个时间点的负荷都由该时刻点之前的负荷值(包括实际的负荷和预测得到的负荷)进行预测，并在每个时刻结合对电网的建设需求和步骤S2收集的区域规划、负荷的历史数据、可供选择装备的设备信息及线路信息，对图进行分级迭代更新；最终得到预测目标时刻的电网形态。
进一步地，所述可供选择装备的设备信息包括发电机、变电站、配电台区、线路。
进一步地，对电网图进行逐时刻的分级迭代更新，其中单次迭代的具体过程如下：
(a)将图中的节点分为电源节点、变电站节点和负荷节点；
(b)将当前时段的负荷预测值按照电压等级就近接入电网；
(c)随机选择一个变电站对应的图中的节点，计算该变电站下级所属的全部负荷和全部发电，计算电力电量平衡，并记录发电负荷的缺额
Figure BDA0003570278430000026
直到完成所有变电站的缺额收集；
(d)添加可供选择装备的设备到没有处理过的最高层的有电量缺额的电网以补齐该电网的发电缺额，完成对图的单次迭代。
进一步地，补齐该电网的发电缺额的过程具体为：
对于无上层电网的电网，从可供选择装备的设备中选择设备添加到当前电网中，更新当前电网的电量缺额；
对于有上层电网的部分，首先比较差额功率和变电站的额定功率，若前者较大：判断上层电网是否有多余电量，若有，则扩建变电站或新增变电站；若无，则从可供选择装备的设备中选择设备添加到当前电网中，更新当前电网和上层电网的缺额；
计算全流程潮流，对所有线路的实际潮流和额定传输功率进行比较，若前者较大，设双回线或替换线路直到满足线路输配电要求。
与现有技术相比，本发明的有益效果如下：本发明方法充分考虑国内分级电网的实际情况，使用演化模型和复杂网络技术，具有实用性和科学性，进而使预测结果更具合理性和可靠性；本发明方法从一个更系统的角度进行电网规划，从更基础的方向进行兼顾可控制性和经济性的分级电网规划，考虑到了政策和地理环境对电网发展的影响。本发明方法根据现有多级电网的线路及设备状态，以及未来的负荷发展预测，在考虑到地理位置、环境状况并兼顾政策导向的基础上，为未来电网形态做出预测规划。本发明提出的生长演化模型有助于电力企业进行发电厂选址、变电站选址的规划，以及各型号、各容量的线路设备的选取，同时可以根据测算的规划成本，对未来的生产规划进行调整
附图说明
图1为本方法的流程图；
图2为实际电网向图转化的示意图；
图3为迭代过程示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面结合附图及具体实施例对本发明作进一步详细说明。在不冲突的情况下，下述的实施例及实施方式中的特征可以相互组合。
本发明提出了一种基于生长演化模型的多层级电网规划方法，如图1所示，具体包括以下步骤：
(1)收集电网拓扑信息、各部件位置信息和环境信息，根据上述收集的信息将电网当前状态转化为图，并基于环境信息对图进行标注；具体为：
所述各部件位置信息包括变电站、发电机和负荷的位置信息。所述环境信息为当前电网区域是否可以用于搭建发电厂、变电站等设施。收集当前电网中的变电站、线路、发电机的额定功率。
收集当前电网中的变电站、线路、发电机的额定功率，同时收集可用于增加和替换设备和线路的参数；收集各区域的信息用于参考该区域是否可以用于搭建发电厂、变电站等设施，将无法建设发配电设施的地方对应的图上位置做上特殊标记进行标注，进而形成对应迭代起始时刻的电网的图。
所述将起始时刻电网状态转化为图分为以下子步骤：
(a)收集电网各设备(主要包括变电站、发电机和负荷)的位置信息，并通过将负荷、发电厂和变电站转化为节点，输电线路和变压器支路转化为网络中的边，形成图；图中，每个节点所在的位置与现实中的位置对应。
(b)将现实中不能用于建设发电站和变电站以及不适合特定种类新能源(例如光伏发电站、风力发电站、潮汐发电站等)的位置在图中对应的地方进行标记。
(2)收集区域规划、负荷的历史数据、可供选择装备的设备信息及线路信息。
所述可供选择装备的设备信息包括发电机、变电站、配电台区、线路。
(3)根据区域规划预测负荷变化趋势，得到从当前到目标时刻间的负荷预测值。
区域规划为预先设定好的区域电力用户类型(如居住、制造业、交通业等)、用电规模(如住户数量、机组数量等)。
根据区域规划预测负荷变化趋势，得到从当前到目标时刻间的负荷预测值的具体过程如下分为以下两个方面：
(3.1)对于已经接入电网部分的负荷，将供电区域按配电台区进行分解；收集各配电台区的历史用电数据，用指数平滑法预测这些负荷的变化趋势，为保证尽量准确，本发明实施例中选择二次曲线模型作为预测模型，其公式为：
Figure BDA0003570278430000041
其中t是当前时刻的时间，T是预测时刻与当前时刻的时间差，
Figure BDA0003570278430000051
是第i个配电台区的负荷在t+T时刻的的预测值，α是平滑参数，其值利用遗传算法和历史负荷数据选取，
Figure BDA0003570278430000052
Figure BDA0003570278430000053
和
Figure BDA0003570278430000054
分别为第i个配电台区的负荷在t时刻的一次平滑值、二次平滑值和三次平滑值，它们的计算公式为：
Figure BDA0003570278430000055
Figure BDA0003570278430000056
Figure BDA0003570278430000057
其中下标得t表示该值所属得时间，上标的i表示所对应的配电台区，
Figure BDA0003570278430000058
为第i个配电台区的负荷在t时刻的三次平滑值。
(3.2)对于未接入电网部分的负荷，按照其在规划时的用途(如居住、制造业、交通业等)、用电规模(如住户数量、机组数量等)；以相同用途负荷的平均水平确定用电规模与负荷总量的对应关系，将二者相乘得到该负荷的预测值，其公式如：
Figure BDA0003570278430000059
Figure BDA00035702784300000510
其中上标ind表示行业(例如工业、建筑业、交通业、农林牧渔业等)，下标i表示具体的用电设施，
Figure BDA00035702784300000511
表示该行业的新负荷的负荷值预测；
Figure BDA00035702784300000512
表示该行业的某具体用电设施的规模；ALM(ind)表示该行业的平均规模、用电比；
Figure BDA00035702784300000513
表示该行业的某具体用电设施的负荷量。
(4)基于负荷预测值对电网的建设需求和步骤S2收集的信息，对图进行逐时刻的分级迭代更新，预测目标时刻的电网形态。具体为：将当前到目标时刻按月划分成数个时间点，每一个时间点的负荷都由该时刻点之前的负荷值(包括实际的负荷和预测得到的负荷)进行预测，并在每个时刻结合对电网的建设需求和步骤S2收集的区域规划、负荷的历史数据、可供选择装备的设备信息及线路信息，对图进行分级迭代更新；最终得到预测目标时刻的电网形态。
对电网图进行逐时刻的分级迭代更新，其中单次迭代的具体过程如下：
(a)将图中的节点分为电源节点、变电站节点和负荷节点；
(b)将当前时段的负荷预测值按照电压等级就近接入电网；
(c)随机选择一个变电站对应的图中的节点，计算该变电站下级所属的全部负荷和全部发电，计算电力电量平衡，并记录发电负荷的缺额
Figure BDA0003570278430000061
直到完成所有变电站的缺额收集；
(d)添加可供选择装备的设备到没有处理过的最高层的有电量缺额的电网以补齐该电网的发电缺额，完成对图的单次迭代。
补齐该电网的发电缺额的过程具体为：
对于无上层电网的电网，从可供选择装备的设备中选择设备添加到当前电网中，更新当前电网的电量缺额；
对于有上层电网的部分，首先比较差额功率和变电站的额定功率，若前者较大：判断上层电网是否有多余电量，若有，则扩建变电站或新增变电站；若无，则从可供选择装备的设备中选择设备添加到当前电网中，更新当前电网和上层电网的缺额；
计算全流程潮流，对所有线路的实际潮流和额定传输功率进行比较，若前者较大，设双回线或替换线路直到满足线路输配电要求。
以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims (10)

1.一种基于生长演化模型的多层级电网规划方法，其特征在于，包括以下步骤：
S1，收集电网拓扑信息、各部件位置信息和环境信息，根据上述收集的信息将电网当前状态转化为图，并基于环境信息对图进行标注；
S2，收集区域规划、负荷的历史数据、可供选择装备的设备信息及线路信息；
S3，根据区域规划预测负荷变化趋势，得到从当前到目标时刻间的负荷预测值；
S4，基于负荷预测值对电网的建设需求和步骤S2收集的信息，对图进行逐时刻的分级迭代更新，预测目标时刻的电网形态。
2.根据权利要求1所述的基于生长演化模型的多层级电网规划方法，其特征在于，所述各部件位置信息包括变电站、发电机和负荷的位置信息。
3.根据权利要求1所述的基于生长演化模型的多层级电网规划方法，其特征在于，所述环境信息为当前电网区域是否可以用于搭建发电厂、变电站等设施。
4.根据权利要求1所述的基于生长演化模型的多层级电网规划方法，其特征在于，将将电网当前状态转化为图的过程具体为：将发电厂和变电站转化为节点，输电线路和变压器支路转化为网络中的边；在图中，每个节点所在的位置与现实电网中的位置对应；收集各区域的信息用于参考该区域是否可以用于搭建发电厂、变电站等设施，将无法建设发配电设施的地方以及不适合包括光伏发电站、风力发电站、潮汐发电站在内的特定种类新能源的位置对应的图上位置进行标注。
5.根据权利要求1所述的基于生长演化模型的多层级电网规划方法，其特征在于，根据区域规划预测负荷变化趋势，得到从当前到目标时刻间的负荷预测值的具体过程如下：
(a)对于已经接入电网部分的负荷，将供电区域按配电台区进行分解；收集各配电台区的历史用电数据，用指数平滑法预测这些负荷的变化趋势，得到从当前到目标时刻间的负荷预测值；
(b)对于未接入电网部分的负荷，根据区域规划以相同用途负荷的平均水平确定用电规模与负荷总量的对应关系，将二者相乘得到从当前到目标时刻间的负荷预测值，其公式如下：
Figure FDA0003570278420000011
Figure FDA0003570278420000012
其中，ind表示行业，i表示具体的用电设施，
Figure FDA0003570278420000013
表示该行业的新负荷的负荷值预测；
Figure FDA0003570278420000014
表示该行业的某具体用电设施的规模；ALM(ind)表示该行业的平均规模、用电比；
Figure FDA0003570278420000015
表示该行业的某具体用电设施的负荷量。
6.根据权利要求5所述的基于生长演化模型的多层级电网规划方法，其特征在于，所述指数平滑法选用二次曲线模型作为预测模型。
7.根据权利要求1所述的基于生长演化模型的多层级电网规划方法，其特征在于，所述步骤S4具体为：将当前到目标时刻按月划分成数个时间点，每一个时间点的负荷都由该时刻点之前的负荷值(包括实际的负荷和预测得到的负荷)进行预测，并在每个时刻结合对电网的建设需求和步骤S2收集的区域规划、负荷的历史数据、可供选择装备的设备信息及线路信息，对图进行分级迭代更新；最终得到预测目标时刻的电网形态。
8.根据权利要求1所述的基于生长演化模型的多层级电网规划方法，其特征在于，所述可供选择装备的设备信息包括发电机、变电站、配电台区、线路。
9.根据权利要求1所述的基于生长演化模型的多层级电网规划方法，其特征在于，对电网图进行逐时刻的分级迭代更新，其中单次迭代的具体过程如下：
(a)将图中的节点分为电源节点、变电站节点和负荷节点；
(b)将当前时段的负荷预测值按照电压等级就近接入电网；
(c)随机选择一个变电站对应的图中的节点，计算该变电站下级所属的全部负荷和全部发电，计算电力电量平衡，并记录发电负荷的缺额
Figure FDA0003570278420000021
直到完成所有变电站的缺额收集；
(d)添加可供选择装备的设备到没有处理过的最高层的有电量缺额的电网以补齐该电网的发电缺额，完成对图的单次迭代。
10.根据权利要求8所述的基于生长演化模型的多层级电网规划方法，其特征在于，补齐该电网的发电缺额的过程具体为：
对于无上层电网的电网，从可供选择装备的设备中选择设备添加到当前电网中，更新当前电网的电量缺额；
对于有上层电网的部分，首先比较差额功率和变电站的额定功率，若前者较大：判断上层电网是否有多余电量，若有，则扩建变电站或新增变电站；若无，则从可供选择装备的设备中选择设备添加到当前电网中，更新当前电网和上层电网的缺额；
计算全流程潮流，对所有线路的实际潮流和额定传输功率进行比较，若前者较大，设双回线或替换线路直到满足线路输配电要求。
CN202210320339.4A 2022-03-29 2022-03-29 一种基于生长演化模型的多层级电网规划方法 Pending CN114741858A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210320339.4A CN114741858A (zh) 2022-03-29 2022-03-29 一种基于生长演化模型的多层级电网规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210320339.4A CN114741858A (zh) 2022-03-29 2022-03-29 一种基于生长演化模型的多层级电网规划方法

Publications (1)

Publication Number Publication Date
CN114741858A true CN114741858A (zh) 2022-07-12

Family

ID=82277758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210320339.4A Pending CN114741858A (zh) 2022-03-29 2022-03-29 一种基于生长演化模型的多层级电网规划方法

Country Status (1)

Country Link
CN (1) CN114741858A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115186944A (zh) * 2022-09-15 2022-10-14 合肥优晟电力科技有限公司 一种城市配电网规划方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115186944A (zh) * 2022-09-15 2022-10-14 合肥优晟电力科技有限公司 一种城市配电网规划方法及系统

Similar Documents

Publication Publication Date Title
Chen et al. Pathway toward carbon-neutral electrical systems in China by mid-century with negative CO2 abatement costs informed by high-resolution modeling
Hou et al. Combined optimization for offshore wind turbine micro siting
Irfan et al. Opportunities and challenges in control of smart grids–Pakistani perspective
CN106503839B (zh) 一种海上风电场环形集电网络分层规划方法
Kamal et al. Planning and optimization of microgrid for rural electrification with integration of renewable energy resources
CN105389633B (zh) 一种计及分布式电源的变电站优化规划方法
CN112541618B (zh) 基于网格化的主动配电网规划方法及存储介质
CN105826944A (zh) 一种微电网群的功率预测方法和系统
CN103559655A (zh) 基于数据挖掘的微网新型馈线负荷的预测方法
CN103729685A (zh) 基于改进rbf神经网络的光伏电站群区域功率预测方法
CN107069814A (zh) 配网分布式电源容量布点的模糊机会约束规划方法与系统
Aliari et al. Planning for integration of wind power capacity in power generation using stochastic optimization
CN112541617B (zh) 变电站的定容及选址方法、存储介质
CN104037776A (zh) 随机惯性因子粒子群优化算法的电网无功容量配置方法
Mojumder et al. Prospects and challenges of renewable energy-based microgrid system in Bangladesh: a comprehensive review
CN109583655A (zh) 一种发输电多阶段联合扩展规划方法及系统
Pagnetti et al. Impact of wind power production in a European Optimal Power Flow
Mejia et al. Multistage planning model for active distribution systems and electric vehicle charging stations considering voltage-dependent load behavior
Vilaisarn et al. A deep learning based multiobjective optimization for the planning of resilience oriented microgrids in active distribution system
Sanchis et al. The Corridors of Power: A Pan-European\" Electricity Highway\" System for 2050
CN111553536A (zh) 一种基于多种能源结构下的电网负荷预测方法
CN114741858A (zh) 一种基于生长演化模型的多层级电网规划方法
CN103745274A (zh) 一种用于分散式风电的短期功率预测方法
Erduman et al. Mesoscale wind farm placement via linear optimization constrained by power system and techno-economics
Mostafaeipour et al. Optimal location planning to install wind turbines for hydrogen production: A case study

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