CN114862040A - 一种考虑系统灵活性需求的配电网双层规划方法 - Google Patents

一种考虑系统灵活性需求的配电网双层规划方法 Download PDF

Info

Publication number
CN114862040A
CN114862040A CN202210575018.9A CN202210575018A CN114862040A CN 114862040 A CN114862040 A CN 114862040A CN 202210575018 A CN202210575018 A CN 202210575018A CN 114862040 A CN114862040 A CN 114862040A
Authority
CN
China
Prior art keywords
power distribution
flexibility
distribution network
layer
planning
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
CN202210575018.9A
Other languages
English (en)
Inventor
赵海波
邢亚虹
秦文萍
康一鸣
李琦
宋晓俊
申泽渊
胡恩德
齐慧文
张翔宇
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.)
Taiyuan University of Technology
Economic and Technological Research Institute of State Grid Shanxi Electric Power Co Ltd
Original Assignee
Taiyuan University of Technology
Economic and Technological Research Institute of State Grid Shanxi 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 Taiyuan University of Technology, Economic and Technological Research Institute of State Grid Shanxi Electric Power Co Ltd filed Critical Taiyuan University of Technology
Priority to CN202210575018.9A priority Critical patent/CN114862040A/zh
Publication of CN114862040A publication Critical patent/CN114862040A/zh
Pending legal-status Critical Current

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • 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
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy 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
    • 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
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid 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
    • 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]
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)

Abstract

本发明公开了一种考虑系统灵活性需求的配电网双层规划方法，应用于配电网规划技术领域，具体步骤包括：获取数据，并进行预测，根据预测结果生成基本场景；确定规划层目标函数和约束条件，构建配电网规划层模型；根据预测结果的时序数据，计算配电系统各时间节点灵活性缺额；利用配电系统各时间节点灵活性缺额，确定模拟层目标函数和约束条件，构建配电网模拟层模型；采用模拟退火粒子群算法对配电网规划层模型和配电网模拟层模型求解，得到配电网规划方案。本发明建立了计及灵活性需求的配电网双层规划模型，可以尽可能减少或者消除消纳限制因素，进一步提高需求侧响应的响应潜力，提高清洁能源的利用效率，减少碳排放成本与网损成本。

Description

一种考虑系统灵活性需求的配电网双层规划方法
技术领域
本发明涉及配电网规划技术领域，更具体的说是涉及一种考虑系统灵活性需求的配电网双层规划方法。
背景技术
新型电力系统规划是引领电力系统绿色低碳发展及转型的重要技术前提。大规模可再生能源并网作为新型电力系统的主要特征，使电力系统运行具有显著的不确定性：可再生能源出力的大幅波动、局部倒送现象严重、能源消纳效率不足，给电网规划设计带来极大挑战，增加系统规划难度。
与此同时，负荷表现出主动性和复杂性的特征。电力系统的规划、运营、控制等方面均发生了巨大改变，如何发挥可再生能源、灵活性负荷的主动支撑，提高可靠性是亟需解决的问题。因此，在双碳目标背景下，兼顾配电网灵活性的需求，挖掘电网灵活性资源，对于新形势下配电网的灵活稳定运行具有重要意义。
随着电力体制改革的大力推进，以及新型智能用电技术的大规模推广，以电动汽车、温控负荷为代表的灵活性(柔性)负荷接入配电网的比例不断增加，以需求侧响应(DR，Demand Response)的形式参与配电网运行。DR在降低节点峰值负荷、减少电网线路建设规模、应对可再生能源出力波动性等方面发挥着重要作用，因此，在配电网规划研究中计及DR，能够极大的提升规划结果的有效性和实用性。
DR作为一种运行层面的概念，由于存在与规划时间尺度不一致，求解难度过大等问题，无法直接参与规划决策。为此，有学者提出了双层协调规划优化方法。双层规划模型起源于斯塔克尔伯格博弈理论，通常是上层制定配电网规划方案，下层确定各场景下的最优运行方式。目前研究大都使用双层规划方法制定规划方案，但是在运行层面通常只考虑网络拓扑结构、分布式电源运行费用，而很少考虑DR特别是可转移负荷对运行的影响。除此而外，在运行层建模时，现有研究缺乏对系统的灵活性需求对配电网规划影响的考量。
因此，如何提供一种能够提高系统灵活性，减少配电网运营商的投资成本配电网双层规划方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种考虑系统灵活性需求的配电网双层规划方法，考虑系统运行的灵活性，建立了计及灵活性需求的配电网双层规划模型，可以尽可能减少或者消除消纳限制因素，进一步提高需求侧响应的响应潜力，提高清洁能源的利用效率，减少碳排放成本与网损成本。
为了实现上述目的，本发明提供如下技术方案：
一种考虑系统灵活性需求的配电网双层规划方法，包括如下步骤：
获取光照数据、风速数据、负荷数据，并进行预测，根据预测结果生成基本场景；
构建配电网规划层模型，确定规划层目标函数和约束条件；
根据预测结果的时序数据，计算配电系统各时间节点灵活性缺额；
构建配电网模拟层模型，确定模拟层目标函数和约束条件，利用配电系统各时间节点灵活性缺额作为输入；
采用模拟退火粒子群算法对配电网规划层模型和配电网模拟层模型求解，得到配电网规划方案。
在上述一种考虑系统灵活性需求的配电网双层规划方法，所述步骤S1具体包括：
S1-1.输入某地区一年8760h的光照数据、风速数据、负荷数据，完成对该地区光伏、风电出力以及负荷的预测；
S1-2.根据预测数据，分别在春夏秋冬四个不同季节选取四个典型日场景，确认各场景天数。
在上述一种考虑系统灵活性需求的配电网双层规划方法，所述步骤S2具体包括：
S2-1.确定规划层目标函数。以配电网运营商最小化总成本现值为目标函数，确定分布式电源的位置和数量，以及新建线路。目标函数如下
Figure BDA0003661790660000031
式中：CINV为投资成本，投资成本由分布式电源投资成本
Figure BDA0003661790660000032
和新建线路投资成本
Figure BDA0003661790660000033
构成；CMA为运维成本，运维成本由分布式电源运维成本和线路运维成本构成；CLOSS、CFAIL分别为网损费用以及故障成本；
Figure BDA0003661790660000034
为碳排放成本，使用传统的化石能源发电时，国家会对碳排放加以惩罚；CDR、CPAY则分别为实施需求侧响应的管理费用以及向主网的购电成本。
各项成本的计算公式如下：
1)投资成本CINV
Figure BDA0003661790660000035
Figure BDA0003661790660000036
Figure BDA0003661790660000037
Figure BDA0003661790660000038
Figure BDA0003661790660000039
式中：G＝{PVG，WG}是分布式电源类型的集合，文章考虑光伏、风电；ΨG表示第g类分布式电源接入的备选节点的集合。NAB为新建线路集合；
Figure BDA00036617906600000310
分别为第g类分布式电源的单位容量投资成本与额定功率；
Figure BDA00036617906600000311
分别为新建线路的单位长度投资成本与线路ij的长度。
Figure BDA0003661790660000041
为第g类分布式电源投资的二元变量，
Figure BDA0003661790660000042
表明第i节点接入分布式电源，反之则表明第i节点不接入；分布式电源
Figure BDA0003661790660000043
表征新建线路的二元变量，xl＝1表明线路ij被选中，反之则表明未被选中；
Figure BDA0003661790660000044
为第i节点接入第g类分布式电源的台数。RRlRRg则分别为线路、分布式电源的投资回报率，又称为年值化系数。I为折现率；θl、θg则分别为线路、分布式电源的寿命周期。
2)运维成本CMA
Figure BDA0003661790660000045
Figure BDA0003661790660000046
Figure BDA0003661790660000047
式中：
Figure BDA0003661790660000048
分别为分布式电源、线路的运行费用，Ωs、ΩH分别为场景以及一天时间段的集合，L为线路集合。Ts为第s个场景的天数；Δt为每一时间段的时间。
Figure BDA0003661790660000049
分别为第g类分布式电源的单位容量运维成本与有功出力；
Figure BDA00036617906600000410
lij分别为单位长度线路的运维费用与线路长度。
3)网损费用CLOSS
Figure BDA00036617906600000411
式中：
Figure BDA00036617906600000412
为第s个场景第t个时间段的售电电价，Ploss为该场景时间段的线路的有功损耗。
4)故障成本CFAIL
Figure BDA00036617906600000413
Figure BDA00036617906600000414
式中：ΩN为线路负荷节点的集合；
Figure BDA0003661790660000051
为第s个场景第t个时间段供电不足期望，
Figure BDA0003661790660000052
为ij间线路的故障率，
Figure BDA0003661790660000053
为第s个场景第t个时间段第i个节点的原始负荷。
5)碳排放成本
Figure BDA0003661790660000054
Figure BDA0003661790660000055
式中：
Figure BDA0003661790660000056
为单位碳排放的惩罚成本；
Figure BDA0003661790660000057
为第s个场景第t个时间段第i个节点的负荷。传统的化石能源发电时，产生1MW·h需要0.344t煤，燃烧1t煤产生2620kg二氧化碳，国家对碳排放所罚费用为9.75元/t。
6)实施需求侧响应的管理费用CDR
Figure BDA0003661790660000058
式中：Cdr为实施单位容量DR的管理费用；
Figure BDA0003661790660000059
分别为第s个场景第t个时间段可中断负荷的中断功率以及可转移负荷转移进、转移出的功率。
7)向主网的购电成本CPAY。
Figure BDA00036617906600000510
式中：
Figure BDA00036617906600000511
为为第s个场景第t个时间段向上级电网购电的电价。
S2-2.确定规划层约束条件。主要由分布式电源接入数目、渗透率以及出力限制约束和潮流约束构成。
Figure BDA00036617906600000512
Figure BDA00036617906600000513
Figure BDA00036617906600000514
Figure BDA00036617906600000515
Figure BDA0003661790660000061
式中：
Figure BDA0003661790660000062
为第i节点接入第g类分布式电源接入数目的最大值最小值；μ为分布式电源并网后的渗透率，Pall节点总的最大负荷。PgmaxPgmin为第g类分布式电源出力的最大最小值。Ui，minUi，max分别为节点i电压幅值的下限和上限值，
Figure BDA0003661790660000063
为第s个场景时间段t第i个节点的电压幅值；
Figure BDA0003661790660000064
为第s个场景时间段t支路ij的传输功率；Pijmax为第s个场景时间段t支路ij的传输功率的最大值。
在上述一种高比例可再生能源并网的配电网规划综合评价方法，所述步骤S3具体包括：
S3-1.计算t时刻系统的净负荷
Figure BDA0003661790660000065
是此刻负荷与可再生能源出力的差值；
Figure BDA0003661790660000066
S3-2.计算t时刻系统的灵活性需求
Figure BDA0003661790660000067
t时刻灵活性需求为相邻时刻净负荷的差值；
Figure BDA0003661790660000068
S3-3.计算t时刻向上、向下灵活性供给；
Figure BDA0003661790660000069
Figure BDA00036617906600000610
式中：
Figure BDA00036617906600000611
分别为t时刻可转移负荷与可中断负荷电量的上限，
Figure BDA00036617906600000612
分别为t时刻可转移负荷与可中断负荷电量。
Figure BDA00036617906600000613
为t时刻可转移负荷电量的下限。值得注意的是，由于可中断负荷只能造成负荷的减少，因而不具备向下灵活性供给能力。故如式(24)所示，只有可转移负荷能够提供向下灵活性。
S3-4.计算t时刻系统向上、向下灵活性供给；
Figure BDA0003661790660000071
系统向上向下的灵活性供给可由式(25)表示。ΩTLΩIL分别为可中断负荷、可转移负荷的集合。
S3-5.计算t时刻系统灵活性缺额，是系统灵活性供给与需求的差值；
Figure BDA0003661790660000072
在上述一种考虑系统灵活性需求的配电网双层规划方法，所述步骤S4具体包括：
S4-1.确定模拟运行层目标函数。以配电网运营商最小化灵活性成本现值为目标函数，确定需求侧响应电量。目标函数如下
min(CFS+CPEN-CBEN) (27)
式中：CFS为灵活性资源响应成本，当灵活性资源参与灵活性调节时，就需要计及响应成本；CPEN为灵活性不足惩罚成本，当系统灵活性不足时，配电商就会因向上、向下灵活性不足承受惩罚；CBEN为灵活性资源调用补偿成本，当调用灵活性资源时，可以从政府处获得部分灵活性收益。
各项成本的计算公式如下：
1)灵活性资源响应成本CFS
Figure BDA0003661790660000073
式中：ΩF为灵活性资源集合ΩF＝{IL，TL}，包括可中断负荷、可转移负荷；
Figure BDA0003661790660000074
为单位灵活性资源响应成本；
Figure BDA0003661790660000075
为单位灵活性资源响应容量。
2)灵活性不足惩罚成本CPEN
Figure BDA0003661790660000076
式中：
Figure BDA0003661790660000077
分别为上、下灵活性不足惩罚；
Figure BDA0003661790660000078
分别为灵活性需求缺额。
3)灵活性资源调用补偿成本CBEN
Figure BDA0003661790660000081
式中：
Figure BDA0003661790660000082
分别为灵活性资源补偿成本。
S4-2.确定模拟运行层约束条件。主要由需求侧响应运行约束构成。
Figure BDA0003661790660000083
运行层的约束为需求侧响应的运行约束。可中断负荷需要满足可中断上下电量约束，可转移负荷除了要满足上下约束，还需要满足一天内转移电量为0的约束。
在上述一种考虑系统灵活性需求的配电网双层规划方法，所述步骤S5具体包括：
S5-1.将规划方案作为粒子群基本粒子，得到初始规划方案；
S5-2.将各规划方案分别传递至运行层，在满足下层目标函数与约束条件的基础上，计算各个场景下的相关变量，传递至规划层，分别计算其最优适应度值；
S5-3.评估每个粒子适应度值并得到全局最优；
S5-4.更新粒子的位置和速度，重复步骤S5-1-S5-5，更新种群的全局最优解
S5-5.迭代结束后，获得最终规划方案。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种考虑系统灵活性需求的配电网双层规划方法，考虑系统运行的灵活性，建立了计及灵活性需求的配电网双层规划模型，可以尽可能减少或者消除消纳限制因素，进一步提高需求侧响应的响应潜力，提高清洁能源的利用效率，减少碳排放成本与网损成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以根据提供的附图获得其他的附图。
图1是本发明计及运行灵活性的配电网双层规划方法的流程图；
图2是本发明模拟退火粒子群双层优化方法的求解流程图；
图3是本发明所使用的标准算例拓扑图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。
本发明实施例公开了一种考虑系统灵活性需求的配电网双层规划方法，考虑系统运行的灵活性，建立了计及灵活性需求的配电网双层规划模型，可以尽可能减少或者消除消纳限制因素，进一步提高需求侧响应的响应潜力，提高清洁能源的利用效率，减少碳排放成本与网损成本。
本发明的一种考虑系统灵活性需求的配电网双层规划方法的具体步骤如下：
S1.输入光照强度、风速、负荷数据，利用场景分析法生成基本场景，又包括以下步骤：
S1-1.输入某地区一年8760h的光照数据、风速数据、负荷数据，完成对该地区光伏、风电出力数据以及负荷的预测；
S1-2.根据预测数据，分别在春夏秋冬四个不同季节选取四个典型日场景，确认各场景天数。
S2.建立计及运行灵活性的配电网规划层模型，又包括以下步骤：
S2-1.确定规划层目标函数。以配电网运营商最小化总成本现值为目标函数，确定分布式电源的位置和数量，以及新建线路。目标函数如下
Figure BDA0003661790660000101
式中：CINV为投资成本，投资成本由分布式电源投资成本
Figure BDA0003661790660000102
和新建线路投资成本
Figure BDA0003661790660000103
构成；CMA为运维成本，运维成本由分布式电源运维成本和线路运维成本构成；CLOSS、CFAIL分别为网损费用以及故障成本；
Figure BDA0003661790660000104
为碳排放成本，使用传统的化石能源发电时，国家会对碳排放加以惩罚；CDR、CPAY则分别为实施需求侧响应的管理费用以及向主网的购电成本。
各项成本的计算公式如下：
1)投资成本CINV
Figure BDA0003661790660000105
Figure BDA0003661790660000106
Figure BDA0003661790660000107
Figure BDA0003661790660000108
Figure BDA0003661790660000109
式中：G＝{PVG，WG}是分布式电源类型的集合，文章考虑光伏、风电；ΨG表示第g类分布式电源接入的备选节点的集合。NAB为新建线路集合；
Figure BDA00036617906600001010
分别为第g类分布式电源的单位容量投资成本与额定功率；
Figure BDA00036617906600001011
分别为新建线路的单位长度投资成本与线路ij的长度。
Figure BDA00036617906600001012
为第g类分布式电源投资的二元变量，
Figure BDA00036617906600001013
表明第i节点接入分布式电源，反之则表明第i节点不接入；分布式电源
Figure BDA00036617906600001014
表征新建线路的二元变量，xl＝1表明线路ij被选中，反之则表明未被选中；
Figure BDA0003661790660000111
为第i节点接入第g类分布式电源的台数。RRlRRg则分别为线路、分布式电源的投资回报率，又称为年值化系数。I为折现率；θl、θg则分别为线路、分布式电源的寿命周期。
2)运维成本CMA
Figure BDA0003661790660000112
Figure BDA0003661790660000113
Figure BDA0003661790660000114
式中：
Figure BDA0003661790660000115
分别为分布式电源、线路的运行费用，Ωs、ΩH分别为场景以及一天时间段的集合，L为线路集合。Ts为第s个场景的天数；Δt为每一时间段的时间。
Figure BDA0003661790660000116
分别为第g类分布式电源的单位容量运维成本与有功出力；
Figure BDA0003661790660000117
lij分别为单位长度线路的运维费用与线路长度。
3)网损费用CLOSS
Figure BDA0003661790660000118
式中：
Figure BDA0003661790660000119
为第s个场景第t个时间段的售电电价，Ploss为该场景时间段的线路的有功损耗。
4)故障成本CFAIL
Figure BDA00036617906600001110
Figure BDA00036617906600001111
式中：ΩN为线路负荷节点的集合；
Figure BDA00036617906600001112
为第s个场景第t个时间段供电不足期望，
Figure BDA00036617906600001113
为ij间线路的故障率，
Figure BDA00036617906600001114
为第s个场景第t个时间段第i个节点的原始负荷。
5)碳排放成本
Figure BDA00036617906600001115
Figure BDA0003661790660000121
式中：
Figure BDA0003661790660000122
为单位碳排放的惩罚成本；
Figure BDA0003661790660000123
为第s个场景第t个时间段第i个节点的负荷。传统的化石能源发电时，产生1MW·h需要0.344t煤，燃烧1t煤产生2620kg二氧化碳，国家对碳排放所罚费用为9.75元/t。
6)实施需求侧响应的管理费用CDR
Figure BDA0003661790660000124
式中：Cdr为实施单位容量DR的管理费用；
Figure BDA0003661790660000125
分别为第s个场景第t个时间段可中断负荷的中断功率以及可转移负荷转移进、转移出的功率。
7)向主网的购电成本CPAY。
Figure BDA0003661790660000126
式中：
Figure BDA0003661790660000127
为为第s个场景第t个时间段向上级电网购电的电价。
S2-2.确定规划层约束条件。主要由分布式电源接入数目、渗透率以及出力限制约束和潮流约束构成。
Figure BDA0003661790660000128
Figure BDA0003661790660000129
Figure BDA00036617906600001210
Figure BDA00036617906600001211
Figure BDA00036617906600001212
式中：
Figure BDA00036617906600001213
为第i节点接入第g类分布式电源接入数目的最大值最小值；μ为分布式电源并网后的渗透率，Pall节点总的最大负荷。PgmaxPgmin为第g类分布式电源出力的最大最小值。Ui，minUi，max分别为节点i电压幅值的下限和上限值，
Figure BDA0003661790660000131
为第s个场景时间段t第i个节点的电压幅值；
Figure BDA0003661790660000132
为第s个场景时间段t支路ij的传输功率；Pijmax为第s个场景时间段t支路ij的传输功率的最大值。
S3.根据出力以及负荷出力时序数据，计算配电系统各时间节点灵活性缺额，又包括以下步骤：
S3-1.计算t时刻系统的净负荷
Figure BDA0003661790660000133
是此刻负荷与可再生能源出力的差值；
Figure BDA0003661790660000134
S3-2.计算t时刻系统的灵活性需求
Figure BDA0003661790660000135
t时刻灵活性需求为相邻时刻净负荷的差值；
Figure BDA0003661790660000136
S3-3.计算t时刻向上、向下灵活性供给；
Figure BDA0003661790660000137
Figure BDA0003661790660000138
式中：
Figure BDA0003661790660000139
分别为t时刻可转移负荷与可中断负荷电量的上限，
Figure BDA00036617906600001310
分别为t时刻可转移负荷与可中断负荷电量。
Figure BDA00036617906600001311
为t时刻可转移负荷电量的下限。值得注意的是，由于可中断负荷只能造成负荷的减少，因而不具备向下灵活性供给能力。故如式(24)所示，只有可转移负荷能够提供向下灵活性。
S3-4.计算t时刻系统向上、向下灵活性供给；
Figure BDA00036617906600001312
系统向上向下的灵活性供给可由式(25)表示。ΩTLΩIL分别为可中断负荷、可转移负荷的集合。
S3-5.计算t时刻系统灵活性缺额，是系统灵活性供给与需求的差值；
Figure BDA0003661790660000141
S4.建立计及运行灵活性的配电网模拟运行层模型，又包括以下步骤：
S4-1.确定模拟运行层目标函数。以配电网运营商最小化灵活性成本现值为目标函数，确定需求侧响应电量。目标函数如下
min(CFS+CPEN-CBEN) (27)
式中：CFS为灵活性资源响应成本，当灵活性资源参与灵活性调节时，就需要计及响应成本；cPEN为灵活性不足惩罚成本，当系统灵活性不足时，配电商就会因向上、向下灵活性不足承受惩罚；CBEN为灵活性资源调用补偿成本，当调用灵活性资源时，可以从政府处获得部分灵活性收益。
各项成本的计算公式如下：
4)灵活性资源响应成本CFS
Figure BDA0003661790660000142
式中：ΩF为灵活性资源集合ΩF＝{IL，TL}，包括可中断负荷、可转移负荷；
Figure BDA0003661790660000143
为单位灵活性资源响应成本；
Figure BDA0003661790660000144
为单位灵活性资源响应容量。
5)灵活性不足惩罚成本CPEN
Figure BDA0003661790660000145
式中：
Figure BDA0003661790660000146
分别为上、下灵活性不足惩罚；
Figure BDA0003661790660000147
分别为灵活性需求缺额。
6)灵活性资源调用补偿成本CBEN
Figure BDA0003661790660000148
式中：
Figure BDA0003661790660000149
分别为灵活性资源补偿成本。
S4-2.确定模拟运行层约束条件。主要由需求侧响应运行约束构成。
Figure BDA0003661790660000151
运行层的约束为需求侧响应的运行约束。可中断负荷需要满足可中断上下电量约束，可转移负荷除了要满足上下约束，还需要满足一天内转移电量为0的约束。
S5.采用模拟退火粒子群算法对该模型求解，得到配电网规划方案，结合图2，又包括以下步骤：
S5-1.将规划方案作为粒子群基本粒子，得到初始规划方案；
S5-2.将各规划方案分别传递至运行层，在满足下层目标函数与约束条件的基础上，计算各个场景下的相关变量，传递至规划层，分别计算其最优适应度值；
S5-3.评估每个粒子适应度值并得到全局最优；
S5-4.更新粒子的位置和速度，重复步骤S5-1-S5-5，更新种群的全局最优解
S5-5.迭代结束后，获得最终规划方案。
应用本发明对如图3所示的IEEE33节点算例进行分布式电源、线路的规划。
34～37为新增负荷节点，虚线为待选新建线路。DG考虑风电、光伏发电，待接入位置如图3所示。DG相关参数详见表1。
灵活性经济性参数设定如下：单位灵活性资源响应成本为0.35元/kW，上、下灵活性不足惩罚为0.517元/kW、1.29元/kW，灵活性资源补偿为0.18元/kW。
算法参数设定如下：规划层种群粒子数目为30，最大迭代次数为100，退火常数选择为0.5；运行层种群粒子数目为20，最大迭代次数为50，退火常数选择为0.5。
表1 DG相关参数
Figure BDA0003661790660000161
本实施例默认所有节点均参与需求侧响应，分时电价数据、峰谷平时段划分见表2。
将系统中负荷最大的25节点作为可中断负荷节点，中断时间为每年夏季(6、7、8月)，每月中断7天，每天可中断时间为10:00-22:00，用户可获得的补贴为0.4元/(kw·h)
表2电价数据
Figure BDA0003661790660000162
为验证所建模型的有效性，本实施例设计了以下三种不同的规划情形。情形一：运行层不考虑DR，并以典型日运行成本最小为目标函数；情形二：运行层考虑DR，并以典型日运行成本最小为目标函数；情形三：运行层考虑DR，并以典型日灵活性运行成本最小为目标函数；
三种情形下得到的规划结果见表4：
表中给出三种情形下配电网规划方案，对各节点接入的可再生能源个数，以及新建线路均给予详细说明。
表3规划结果
Figure BDA0003661790660000171
各情形下投资情况如表4所示。
表4规划费用
Figure BDA0003661790660000172
Figure BDA0003661790660000181
从上述两表可以得出以下结论：
1)情形二与情形一相比，虽然增加了DR管理费用，但是总成本仍然较低。这是因为：系统网损明显减少，在实施DR之后，配网潮流分布得到改善，提高了系统运行的经济性；线路成本有所降低，实施DR可以降低线路潮流分布峰值，减少线路扩容需求，减缓线路投资；在实施DR后，可以减少用户在峰时段的购电，有利于减少向主网的购电费用。
2)情形三与情形二相比，网损费用、主网购电成本、线路投资成本均进一步减少，这是因为在调用需求侧响应资源时，同时计及灵活性，可以尽可能减少或者消除消纳限制因素，进一步提高需求侧响应的响应潜力，提高清洁能源的利用效率，尽管需求侧管理费用有所增加，但是最小总成本的现值仍然有所降低。
3)综合三种情形，碳排放成本逐渐降低。这说明在实施需求侧响应的同时考虑灵活性，能够体现主动配电网的环境友好，助力双碳目标的实现。
4)综合三种情形，分布式电源投资运维成本以及灵活性成本逐渐减低。这说明实施需求侧响应能够有效提高系统的灵活性；当计入灵活性指标后，可大幅降低净负荷的波动性和峰谷差，大幅提高系统的灵活性，降低峰值时的电力需求，减缓分布式电源的投资。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种考虑系统灵活性需求的配电网双层规划方法，其特征在于，具体步骤包括：
获取光照数据、风速数据、负荷数据，并进行预测，根据预测结果生成基本场景；
构建配电网规划层模型，确定规划层目标函数和约束条件；
根据预测结果的时序数据，计算配电系统各时间节点灵活性缺额；
构建配电网模拟层模型，确定模拟层目标函数和约束条件，利用配电系统各时间节点灵活性缺额作为输入；
采用模拟退火粒子群算法对配电网规划层模型和配电网模拟层模型求解，得到配电网规划方案。
2.根据权利要求1所述的一种考虑系统灵活性需求的配电网双层规划方法，其特征在于，生成基本场景的具体步骤如下：
输入一年的光照数据、风速数据、负荷数据，完成对该地区光伏出力、风电出力以及负荷出力的预测；
根据预测数据，分别在春夏秋冬四个不同季节选取四个典型日场景，确认各场景天数。
3.根据权利要求1所述的一种考虑系统灵活性需求的配电网双层规划方法，其特征在于，构建配电网规划层模型具体步骤如下：
确定规划层目标函数，以配电网运营商最小化总成本现值为目标函数，确定分布式电源的位置和数量，以及新建线路；目标函数如下
Figure FDA0003661790650000012
式中：CINV为投资成本，投资成本由分布式电源投资成本
Figure FDA0003661790650000011
和新建线路投资成本
Figure FDA0003661790650000013
构成；CMA为运维成本，运维成本由分布式电源运维成本和线路运维成本构成；CLOSS、CFAIL分别为网损费用以及故障成本；
Figure FDA0003661790650000014
为碳排放成本，使用传统的化石能源发电时，国家会对碳排放加以惩罚；CDR、CPAY则分别为实施需求侧响应的管理费用以及向主网的购电成本；
确定规划层约束条件，由分布式电源接入数目、渗透率以及出力限制约束和潮流约束构成。
4.根据权利要求1所述的一种考虑系统灵活性需求的配电网双层规划方法，其特征在于，计算配电系统各时间节点灵活性缺额，具体步骤如下：
计算t时刻系统的净负荷，净负荷为t时刻负荷与可再生能源出力的差值；
根据系统的净负荷计算t时刻系统的灵活性需求，t时刻灵活性需求为相邻时刻净负荷的差值；
计算t时刻各节点向上、向下灵活性供给，所述灵活性供给包括可中断负荷、可转移负荷；
通过各节点向上、向下灵活性供给，计算t时刻系统向上、向下灵活性供给；
根据系统灵活性供给与需求的差值计算t时刻系统灵活性缺额。
5.根据权利要求1所述的一种考虑系统灵活性需求的配电网双层规划方法，其特征在于，构建配电网模拟层模型具体步骤如下：
确定模拟运行层目标函数，以配电网运营商最小化灵活性成本现值为目标函数，确定需求侧响应电量，目标函数如下
min(CFS+CPEN-CBEN)；
式中：CFS为灵活性资源响应成本，当灵活性资源参与灵活性调节时，就需要计及响应成本；CPEN为灵活性不足惩罚成本，当系统灵活性不足时，配电商就会因向上、向下灵活性不足承受惩罚；CBEN为灵活性资源调用补偿成本，当调用灵活性资源时，从政府处获得部分灵活性收益；
需求侧响应运行约束确定模拟运行层约束条件。
6.根据权利要求1所述的一种考虑系统灵活性需求的配电网双层规划方法，其特征在于，使用模拟退火粒子群算法求解双层规划模型，具体包括：
S5-1.将规划方案作为粒子群基本粒子，得到初始规划方案；
S5-2.将各规划方案分别传递至运行层，在满足下层目标函数与约束条件的基础上，计算各个场景下的相关变量，传递至规划层，分别计算其最优适应度值；
S5-3.评估每个粒子适应度值并得到全局最优；
S5-4.更新粒子的位置和速度，重复步骤S5-1—S5-5，更新种群的全局最优解；
S5-5.迭代结束后，获得最终规划方案。
CN202210575018.9A 2022-05-25 2022-05-25 一种考虑系统灵活性需求的配电网双层规划方法 Pending CN114862040A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210575018.9A CN114862040A (zh) 2022-05-25 2022-05-25 一种考虑系统灵活性需求的配电网双层规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210575018.9A CN114862040A (zh) 2022-05-25 2022-05-25 一种考虑系统灵活性需求的配电网双层规划方法

Publications (1)

Publication Number Publication Date
CN114862040A true CN114862040A (zh) 2022-08-05

Family

ID=82638958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210575018.9A Pending CN114862040A (zh) 2022-05-25 2022-05-25 一种考虑系统灵活性需求的配电网双层规划方法

Country Status (1)

Country Link
CN (1) CN114862040A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115395547A (zh) * 2022-08-31 2022-11-25 国网河南省电力公司南阳供电公司 基于整县光伏推进下的灵活储能系统优化配置方法
CN116993032A (zh) * 2023-09-28 2023-11-03 国网山西省电力公司运城供电公司 配网规划方法、装置、存储介质和计算机设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115395547A (zh) * 2022-08-31 2022-11-25 国网河南省电力公司南阳供电公司 基于整县光伏推进下的灵活储能系统优化配置方法
CN115395547B (zh) * 2022-08-31 2024-05-07 国网河南省电力公司南阳供电公司 基于整县光伏推进下的灵活储能系统优化配置方法
CN116993032A (zh) * 2023-09-28 2023-11-03 国网山西省电力公司运城供电公司 配网规划方法、装置、存储介质和计算机设备
CN116993032B (zh) * 2023-09-28 2024-01-19 国网山西省电力公司运城供电公司 配网规划方法、装置、存储介质和计算机设备

Similar Documents

Publication Publication Date Title
Xie et al. Autonomous optimized economic dispatch of active distribution system with multi-microgrids
Wang et al. Operation optimization of regional integrated energy system based on the modeling of electricity-thermal-natural gas network
Xu et al. Blockchain-based trustworthy energy dispatching approach for high renewable energy penetrated power systems
Jin et al. Game theoretical analysis on capacity configuration for microgrid based on multi-agent system
Chen et al. Increasing the flexibility of combined heat and power for wind power integration in China: Modeling and implications
Jiang et al. Optimal integrated demand response scheduling in regional integrated energy system with concentrating solar power
CN110866627B (zh) 一种考虑阶梯气价的多区域电-气耦合综合能源系统优化调度方法
CN114862040A (zh) 一种考虑系统灵活性需求的配电网双层规划方法
CN109325608A (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN109508499A (zh) 多时段多场景分布式电源最优接入位置与容量研究方法
Ju et al. A Tri-dimensional Equilibrium-based stochastic optimal dispatching model for a novel virtual power plant incorporating carbon Capture, Power-to-Gas and electric vehicle aggregator
CN109103929A (zh) 基于改进动态克里丝金模型的配电网经济优化调度方法
Li et al. Decomposition and coordination calculation of economic dispatch for active distribution network with multi-microgrids
Bayatloo et al. A novel optimization model for dynamic power grid design and expansion planning considering renewable resources
CN115564244A (zh) 一种考虑碳排放的电力现货市场区域出清方法和装置
Li et al. Research on short-term joint optimization scheduling strategy for hydro-wind-solar hybrid systems considering uncertainty in renewable energy generation
Li et al. Optimal design and operation method of integrated energy system based on stochastic scenario iteration and energy storage attribute evaluation
Li et al. Deep integration planning of sustainable energies in district energy system and distributed energy station
CN114266445A (zh) 一种分布式电源与电动汽车充电站协调规划方法
Liang et al. Capacity configuration optimization of wind-solar combined power generation system based on improved grasshopper algorithm
Zhang et al. Research on two-level energy optimized dispatching strategy of microgrid cluster based on IPSO algorithm
CN113128746A (zh) 一种基于多代理的综合能源系统多主体联合优化运行方法
Ma et al. Evaluation model for economic operation of active distribution network orienting to energy internet
CN105391091A (zh) 一种基于层次分析法和隶属度的分布式能量管理方法
Fan et al. Medium and long-term electricity trading considering renewable energy participation

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