CN115147016A - 考虑低碳效益的分布式电源和需求侧资源联合规划方法 - Google Patents

考虑低碳效益的分布式电源和需求侧资源联合规划方法 Download PDF

Info

Publication number
CN115147016A
CN115147016A CN202211063670.9A CN202211063670A CN115147016A CN 115147016 A CN115147016 A CN 115147016A CN 202211063670 A CN202211063670 A CN 202211063670A CN 115147016 A CN115147016 A CN 115147016A
Authority
CN
China
Prior art keywords
distributed power
power supply
planning
demand
demand response
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.)
Granted
Application number
CN202211063670.9A
Other languages
English (en)
Other versions
CN115147016B (zh
Inventor
冯怿彬
谢宇哲
王伟
翁格平
郑晓
何英静
陈思培
李智
贺艳华
钱芳芳
权超
公正
余彪
任娇蓉
臧兴海
盛发明
罗姚钢
冯青青
李俊锴
曹睿智
潘杰锋
杨跃平
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.)
Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Ningbo Power Supply Co 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 Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202211063670.9A priority Critical patent/CN115147016B/zh
Publication of CN115147016A publication Critical patent/CN115147016A/zh
Application granted granted Critical
Publication of CN115147016B publication Critical patent/CN115147016B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—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
    • 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
    • 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
    • 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
    • H02J3/38—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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了考虑低碳效益的分布式电源和需求侧资源联合规划方法，包括以下步骤：1）输入规划区域信息，收集分布式电源初始出力及柔性负荷的预测值，建立分布式电源出力模型及需求响应不确定性的模型；2）以规划成本最低和碳排放量最小为目标函数，以配电网安全约束作为限制条件，建立考虑低碳效益的分布式电源和需求侧资源的多目标联合规划模型；3）求解考虑低碳效益的分布式电源和需求侧资源的联合规划模型，得到帕累托前沿图；4）对于不同的规划方案，重复步骤101至步骤103，求解帕累托前沿图并根据规划要求进行比较，最终确定规划方案。本发明可以实现对低碳效益及规划经济性的综合考量。

Description

考虑低碳效益的分布式电源和需求侧资源联合规划方法
技术领域
本发明涉及配电网规划技术领域，具体涉及考虑低碳效益的分布式电源和需求侧资源联合规划方法。
背景技术
随着人类活动不断焚烧化石燃料，如石油、煤炭等，以及森林不断被砍伐，全球气候变暖的现象引起各国政府的高度重视。全球变暖会使全球降水量重新分配、冰川和冻土消融、海平面上升等，不仅危害自然生态系统的平衡，还影响人类健康，甚至威胁人类的生存。如何有效降低二氧化碳排放，减缓全球变暖的趋势，成为摆在人类亟待解决的问题，因此，各国政府对此都高度重视。
然而，现有研究只将经济性最优作为分布式电源和需求侧资源联合规划中的目标函数，而忽略了因引入这些资源所产生的低碳效益。所以，对于分布式电源和需求侧资源联合规划问题，现有技术缺乏综合考虑碳排放量及经济成本的模型，以展示分布式电源和需求侧资源联合规划对于碳排放的影响。
因此，本申请的目的是提出考虑低碳效益的分布式电源与需求侧资源联合规划方法，以支撑国家双碳目标的实现。
发明内容
为了解决现有技术存在的不足，本发明的目的在于提供考虑低碳效益的分布式电源和需求侧资源联合规划方法，实现对低碳效益及规划经济性的综合考量。
为实现上述目的，本发明提供的考虑低碳效益的分布式电源和需求侧资源联合规划方法，包括以下步骤：
1）输入规划区域信息，收集分布式电源初始出力及柔性负荷的预测值，建立分布式电源出力模型及需求响应不确定性的模型；
2）以规划成本最低和碳排放量最小为目标函数，以配电网安全约束作为限制条件，建立考虑低碳效益的分布式电源和需求侧资源的多目标联合规划模型；
3）求解考虑低碳效益的分布式电源和需求侧资源的联合规划模型，得到帕累托前沿图；
4）对于不同的规划方案，重复步骤101至步骤103，求解帕累托前沿图并根据规划要求进行比较，最终确定规划方案。
进一步地，所述步骤1）在建立分布式电源出力模型时考虑分布式电源出力的不确定性，确定分布式电源出力模型表示为：
Figure DEST_PATH_IMAGE001
其中，
Figure 581729DEST_PATH_IMAGE002
为节点i处的分布式电源在t时刻考虑不确定性因素后的出力；
Figure DEST_PATH_IMAGE003
为节点i处分布式电源的安装容量；
Figure 3483DEST_PATH_IMAGE004
为分布式电源在t时刻的预测出力系数；
Figure 100002_DEST_PATH_IMAGE005
为分布式电源在t时刻出力的预测误差。
进一步地，所述步骤1）在建立需求响应的模型时考虑需求响应不确定性，建立需求响应不确定性的模型为：
Figure 207062DEST_PATH_IMAGE006
其中，
Figure 100002_DEST_PATH_IMAGE007
为节点j在t时刻考虑需求响应不确定性后的有功负荷；
Figure 347056DEST_PATH_IMAGE008
为t时刻节点j考虑需求响应后的有功负荷的预测值；
Figure 100002_DEST_PATH_IMAGE009
为需求响应预测误差系数。
进一步地，所述联合规划模型为
Figure 100002_DEST_PATH_IMAGE011
，其中，
Figure 973079DEST_PATH_IMAGE012
为t时刻外网碳势；
Figure 100002_DEST_PATH_IMAGE013
为t时刻时首端注入的有功功率；
Figure 390285DEST_PATH_IMAGE014
为分布式电源等年值配置成本；
Figure 100002_DEST_PATH_IMAGE015
为分布式电源运行维护成本；
Figure 889399DEST_PATH_IMAGE016
为t时刻所有节点的需求响应总成本；T为时间周期一天；
Figure 100002_DEST_PATH_IMAGE017
为t时刻的网络损耗成本；
所述t时刻所有节点的需求响应总成本
Figure 641323DEST_PATH_IMAGE018
的计算公式为：
Figure 100002_DEST_PATH_IMAGE019
其中，
Figure 884086DEST_PATH_IMAGE020
为需求响应系数；
Figure 100002_DEST_PATH_IMAGE021
为t时刻所有节点需求响应后的有功负荷总量；
Figure 155798DEST_PATH_IMAGE022
为t时刻所有节点需求响应前的有功负荷总量；
所述联合规划模型的约束条件包括，线路潮流约束、配电网功率注入约束、节点电压机会约束、电流机会约束及需求响应资源限制约束。
进一步地，所述分布式电源等年值配置成本
Figure 100002_DEST_PATH_IMAGE023
的计算公式为：
Figure 825814DEST_PATH_IMAGE024
式中，d为贴现率；
Figure 100002_DEST_PATH_IMAGE025
为分布式电源寿命；
Figure 898042DEST_PATH_IMAGE026
为分布式电源数目；
Figure 100002_DEST_PATH_IMAGE027
为分布式电源的单位容量成本；
Figure 678916DEST_PATH_IMAGE028
为第i个分布式电源容量；
所述分布式电源运行维护成本
Figure 100002_DEST_PATH_IMAGE029
的计算公式为：
Figure 70715DEST_PATH_IMAGE030
其中，
Figure 100002_DEST_PATH_IMAGE031
为分布式电源运行维护系数；
所述t时刻的网络损耗成本
Figure 911632DEST_PATH_IMAGE032
的计算公式为：
Figure 100002_DEST_PATH_IMAGE033
其中，
Figure 638148DEST_PATH_IMAGE034
为支路ij的电阻；
Figure 100002_DEST_PATH_IMAGE035
为t时刻时支路ij的电流；
Figure 222713DEST_PATH_IMAGE036
为单位网损成本；
Figure 796914DEST_PATH_IMAGE038
代表支路集合。
进一步地，所述线路潮流约束为：
Figure DEST_PATH_IMAGE039
Figure 684099DEST_PATH_IMAGE040
Figure 100002_DEST_PATH_IMAGE041
Figure 507698DEST_PATH_IMAGE042
其中，
Figure 100002_DEST_PATH_IMAGE043
为支路ij在t时刻的有功功率；
Figure 286167DEST_PATH_IMAGE044
为支路jk在t时刻的有功功率；
Figure 100002_DEST_PATH_IMAGE045
为节点j处的分布式电源在t时刻的有功功率；
Figure 511612DEST_PATH_IMAGE046
为支路ij在t时刻的无功功率；
Figure 100002_DEST_PATH_IMAGE047
为支路jk在t时刻的无功功率；
Figure 569698DEST_PATH_IMAGE048
为节点i在t时刻的电压；
Figure 100002_DEST_PATH_IMAGE049
为节点j在t时刻的电压；
Figure 146173DEST_PATH_IMAGE050
为支路ij的电抗；
Figure 100002_DEST_PATH_IMAGE051
为支路ij的电阻；
Figure 197174DEST_PATH_IMAGE052
为支路ij的发热功率；
Figure 100002_DEST_PATH_IMAGE053
为节点j处的分布式电源在t时刻考虑需求响应的有功功率；
Figure 277126DEST_PATH_IMAGE054
为在节点j在t时刻考虑需求响应不确定性后的无功功率；
Figure 100002_DEST_PATH_IMAGE055
为节点j在t时刻考虑需求响应不确定性后的无功负荷；
所述配电网功率注入约束为：
Figure 771692DEST_PATH_IMAGE056
所述节点电压机会约束为：
Figure 100002_DEST_PATH_IMAGE057
其中，
Figure 569884DEST_PATH_IMAGE058
为节点j电压幅值的上限；
Figure 100002_DEST_PATH_IMAGE059
为机会约束成立的置信度；
所述电流机会约束为：
Figure 427506DEST_PATH_IMAGE060
其中，
Figure 100002_DEST_PATH_IMAGE061
为支路ij电流幅值的上限；
所述需求响应资源限制约束为：
Figure 361964DEST_PATH_IMAGE062
Figure 100002_DEST_PATH_IMAGE063
Figure 355328DEST_PATH_IMAGE064
Figure 100002_DEST_PATH_IMAGE065
Figure 516182DEST_PATH_IMAGE066
Figure 100002_DEST_PATH_IMAGE067
其中，
Figure 784352DEST_PATH_IMAGE068
为考虑需求响应后节点j在t时刻有功负荷的下限值；
Figure 100002_DEST_PATH_IMAGE069
为考虑需求响应后节点j在t时刻有功负荷的上限值；
Figure 963530DEST_PATH_IMAGE070
为考虑需求响应前节点j在t时刻的无功负荷；
Figure 100002_DEST_PATH_IMAGE071
为考虑需求响应前节点j在t时刻的有功负荷；
Figure 190112DEST_PATH_IMAGE072
为配电网节点总数。
进一步地，所述步骤3）的求解流程包括以下步骤：
a. 根据概率分布函数的性质，处理节点电压机会约束和电流机会约束，将节点电压机会约束
Figure 100002_DEST_PATH_IMAGE073
转化为以下确定性约束的形式：
Figure 572682DEST_PATH_IMAGE074
其中：
Figure 100002_DEST_PATH_IMAGE075
为
Figure 644544DEST_PATH_IMAGE076
的概率分布函数；
将电流机会约束
Figure 100002_DEST_PATH_IMAGE077
转换为以下确定性约束的形式：
Figure 943807DEST_PATH_IMAGE078
其中：
Figure DEST_PATH_IMAGE079
为
Figure 951077DEST_PATH_IMAGE080
的概率分布函数；
b. 对需求响应成本函数
Figure DEST_PATH_IMAGE081
，进行分段线性化处理；
c. 通过𝜀-约束法将多目标优化问题转化为多个单目标优化问题；
d. 对转化后的模型利用求解器进行求解，得到联合规划问题的帕累托前沿图。
更进一步地，所述分段线性化后的需求响应成本函数的表达式为：
Figure 211157DEST_PATH_IMAGE082
其中，
Figure DEST_PATH_IMAGE083
均为分段线性化系数。
为实现上述目的，本发明还提供考虑低碳效益的分布式电源和需求侧资源联合规划的装置，包括存储器和处理器，所述存储器上储存有在所述处理器上运行的程序，所述处理器运行所述程序时执行上述的考虑低碳效益的分布式电源和需求侧资源联合规划方法的步骤。
为实现上述目的，本发明还提供计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述的考虑低碳效益的分布式电源和需求侧资源联合规划方法的步骤。
本发明的考虑低碳效益的分布式电源和需求侧资源联合规划方法，与现有技术相比具有如下有益效果：
（1）基于预测误差和概率统计理论，提出了分布式电源出力及需求响应不确定性的建模方法，实现分布式电源出力及需求响应功率的计算；
（2）考虑需求响应策略及配电网安全运行约束，构建了多目标分布式电源和需求侧资源联合规划模型，以实现对低碳效益及规划经济性的综合考量；
（3）对于所构建的多目标优化问题，首先，基于概率分布函数性质对节点电压机会约束和电流机会约束进行处理；其次，将需求响应成本中的二次项分段线性化；再次，通过𝜀-约束法将多目标优化问题转化为多个单目标优化问题；最后利用求解器对转化后的模型进行求解，从而实现了模型的快速求解。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，并与本发明的实施例一起，用于解释本发明，并不构成对本发明的限制。在附图中：
图1为根据本发明的考虑低碳效益的分布式电源和需求侧资源联合规划方法流程图；
图2为IEEE-33算例图；
图3为分布式电源及需求侧资源联合规划问题的求解结果示意图。
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。
应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。“多个”应理解为两个或以上。
下面，将参考附图详细地说明本发明的实施例。
实施例1
图1为根据本发明的考虑低碳效益的分布式电源和需求侧资源联合规划方法流程图，下面将参考图1，对本发明的考虑低碳效益的分布式电源和需求侧资源联合规划方法进行详细描述。
在步骤101，输入规划区域信息，收集分布式电源初始出力及柔性负荷的预测值，建立分布式电源出力及需求响应不确定性的模型。
本发明实施例中，首先，建立分布式电源出力模型。
分布式电源出力可以用预测出力值近似表示：
Figure 945764DEST_PATH_IMAGE084
式中，
Figure DEST_PATH_IMAGE085
为节点i处分布式电源的安装容量；
Figure 974900DEST_PATH_IMAGE086
为节点i处分布式电源在t时刻的预测出力；
Figure DEST_PATH_IMAGE087
为分布式电源在t时刻的预测出力系数。
然而，由于分布式电源出力的不确定性，实际值与预测值之间有一定偏差。进而，考虑不确定性后，分布式电源出力值可表示为：
Figure 887492DEST_PATH_IMAGE088
式中，
Figure DEST_PATH_IMAGE089
为节点i处的分布式电源在t时刻考虑不确定性因素后的出力；
Figure 900447DEST_PATH_IMAGE090
为分布式电源在t时刻出力的预测误差。
本发明实施例中，还需建立需求响应的不确定性模型。
需求响应的不确定性与分布式电源出力的不确定性建模方法类似，具体如下：
在不考虑需求响应的不确定性时，t时刻节点j考虑需求响应后的有功负荷可用其预测值
Figure DEST_PATH_IMAGE091
近似表示。
然而，与分布式电源出力类似，考虑需求响应后有功负荷的预测值和实际值间也存在着误差。
当考虑不确定性时，需求响应后节点处有功负荷可表示为：
Figure 435815DEST_PATH_IMAGE092
式中，
Figure DEST_PATH_IMAGE093
为节点j在t时刻考虑需求响应不确定性后的有功负荷；
Figure 319458DEST_PATH_IMAGE094
为需求响应预测误差系数。
在步骤102，建立考虑低碳效益的分布式电源和需求侧资源联合规划模型。
本发明实施例中，建立联合规划的目标函数为：
Figure DEST_PATH_IMAGE095
式中，
Figure 668531DEST_PATH_IMAGE096
为t时刻外网碳势；
Figure DEST_PATH_IMAGE097
为t时刻时首端注入的有功功率；
Figure 637624DEST_PATH_IMAGE098
为分布式电源等年值配置成本；
Figure DEST_PATH_IMAGE099
为分布式电源运行维护成本；
Figure 792661DEST_PATH_IMAGE100
为t时刻所有节点的需求响应总成本；T为时间周期一天；
Figure DEST_PATH_IMAGE101
为t时刻的网络损耗成本。
其中，分布式电源等年值配置成本
Figure 921023DEST_PATH_IMAGE102
计算公式如下：
Figure DEST_PATH_IMAGE103
式中，d为贴现率；
Figure 300052DEST_PATH_IMAGE104
为分布式电源寿命；
Figure DEST_PATH_IMAGE105
为分布式电源数目；
Figure 631807DEST_PATH_IMAGE106
为分布式电源的单位容量成本；
Figure DEST_PATH_IMAGE107
为第i个分布式电源容量。
分布式电源运行维护成本
Figure 387274DEST_PATH_IMAGE108
的计算公式为：
Figure DEST_PATH_IMAGE109
式中，
Figure 370142DEST_PATH_IMAGE110
为分布式电源运行维护系数。
t时刻的网络损耗成本
Figure DEST_PATH_IMAGE111
的计算公式为：
Figure 185651DEST_PATH_IMAGE112
式中，
Figure DEST_PATH_IMAGE113
为支路ij的电阻；
Figure 270282DEST_PATH_IMAGE114
为t时刻时支路ij的电流；
Figure DEST_PATH_IMAGE115
为单位网损成本；
Figure 563860DEST_PATH_IMAGE038
代表支路集合。
t时刻所有节点的需求响应总成本
Figure 479864DEST_PATH_IMAGE116
的计算公式为：
Figure DEST_PATH_IMAGE117
式中，
Figure 590908DEST_PATH_IMAGE118
为需求响应系数；
Figure DEST_PATH_IMAGE119
为t时刻所有节点需求响应后的有功负荷总量；
Figure 21889DEST_PATH_IMAGE120
为t时刻所有节点需求响应前的有功负荷总量。
本发明实施例中，联合规划的目标函数的约束条件包括，线路潮流约束、配电网功率注入约束、节点电压机会约束、电流机会约束及需求响应资源限制约束。
1）线路潮流约束为：
Figure DEST_PATH_IMAGE121
式中，
Figure 994524DEST_PATH_IMAGE122
为支路ij在t时刻的有功功率；
Figure DEST_PATH_IMAGE123
为支路jk在t时刻的有功功率；
Figure 561772DEST_PATH_IMAGE124
为节点j处的分布式电源在t时刻的有功功率；
Figure DEST_PATH_IMAGE125
为支路ij在t时刻的无功功率；
Figure 846647DEST_PATH_IMAGE126
为支路jk在t时刻的无功功率；
Figure DEST_PATH_IMAGE127
为节点i在t时刻的电压；
Figure 764925DEST_PATH_IMAGE128
为节点j在t时刻的电压；
Figure DEST_PATH_IMAGE129
为支路ij的电抗；
Figure 541251DEST_PATH_IMAGE051
为支路ij的电阻；
Figure 431847DEST_PATH_IMAGE052
为支路ij的发热功率；
Figure 25639DEST_PATH_IMAGE053
为节点j处的分布式电源在t时刻考虑需求响应的有功功率；
Figure 368896DEST_PATH_IMAGE054
为在节点j在t时刻考虑需求响应不确定性后的无功功率；
Figure 463759DEST_PATH_IMAGE130
为节点j在t时刻考虑需求响应不确定性后的无功负荷。
2）配电网功率注入约束为：
Figure DEST_PATH_IMAGE131
节点电压机会约束为：
Figure 5599DEST_PATH_IMAGE132
式中，
Figure DEST_PATH_IMAGE133
为节点j电压幅值的上限；
Figure 380080DEST_PATH_IMAGE059
为机会约束成立的置信度。
电流机会约束为：
Figure 210633DEST_PATH_IMAGE134
式中，
Figure DEST_PATH_IMAGE135
为支路ij电流幅值的上限；
Figure 187816DEST_PATH_IMAGE059
为机会约束成立的置信度。
5）需求响应资源限制约束为：
Figure DEST_PATH_IMAGE137
式中，
Figure 974375DEST_PATH_IMAGE138
为考虑需求响应后节点j在t时刻有功负荷的下限值；
Figure DEST_PATH_IMAGE139
为考虑需求响应后节点j在t时刻有功负荷的上限值；
Figure 644391DEST_PATH_IMAGE140
为考虑需求响应前节点j在t时刻的无功负荷；
Figure DEST_PATH_IMAGE141
为考虑需求响应前节点j在t时刻的有功负荷；
Figure 634344DEST_PATH_IMAGE142
为配电网节点总数。
在步骤103，求解考虑低碳效益的分布式电源和需求侧资源联合规划模型。
本发明实施例中，为实现所构建模型的求解，可将求解流程分为四个步骤：
步骤一：处理节点电压机会约束和电流机会约束；
根据概率分布函数的性质，可将节点电压机会约束
Figure DEST_PATH_IMAGE143
转化为以下确定性约束的形式：
Figure 415218DEST_PATH_IMAGE144
式中：
Figure DEST_PATH_IMAGE145
为
Figure 56284DEST_PATH_IMAGE146
的概率分布函数。
同时可将电流机会约束
Figure DEST_PATH_IMAGE147
转换为以下确定性约束的形式：
Figure 162780DEST_PATH_IMAGE148
式中：
Figure DEST_PATH_IMAGE149
为
Figure 640029DEST_PATH_IMAGE150
的概率分布函数。
步骤二：二次函数的分段线性化；
为了能够使用求解器对模型进行求解，需对需求响应成本函数即
Figure DEST_PATH_IMAGE151
，进行分段线性化处理。
分段线性化后需求响应成本函数的表达式为：
Figure 224594DEST_PATH_IMAGE152
式中，
Figure DEST_PATH_IMAGE153
均为分段线性化系数。
步骤三：通过𝜀-约束法将多目标优化问题转化为多个单目标优化问题；
步骤四：对转化后的模型利用求解器进行求解，得到联合规划问题的帕累托前沿图。
步骤104，对于不同的规划方案，重复步骤101至步骤103，求解并进行比较。
本发明实施例中，对于不同的规划方案，重复步骤101至步骤103，求解得到相应的帕累托前沿图，并根据规划要求，对于帕累托前沿图进行比较，确定最终的设计方案。
实施例2
下面以IEEE-33节点系统为例，具体说明考虑低碳效益的分布式电源和需求侧资源联合规划方法：
图2示出了IEEE-33算例图，其中9、17、24、32节点为分布式电源待接入位置，所有节点均为需求响应可选择节点。
本算例设置的基本参数主要包括单位功率需求响应成本、单位容量光伏的投资成本及节点预测有功负荷上下限值。其中，光伏的投资成本为6150元/kW；需求响应成本为0.234元/kW；考虑需求响应后t时刻节点j有功负荷的上限值
Figure 717236DEST_PATH_IMAGE154
为考虑需求响应前该节点有功负荷
Figure DEST_PATH_IMAGE155
的120%；与有功负荷的上限值类似，考虑需求响应后t时刻节点j有功负荷的下限值
Figure 729055DEST_PATH_IMAGE156
为考虑需求响应前该节点有功负荷
Figure DEST_PATH_IMAGE157
的80%。
分布式电源及需求侧资源联合规划问题的求解结果如图3所示，其展示了联合规划问题的帕累托前沿，曲线的两端分别为规划成本为零时对应的边界点及碳排放最小时对应的边界点，该图像展示了规划成本与碳排放量之间的竞争关系。通过比较不同方案的联合规划问题帕累托前沿图以及综合考虑规划需求，来确定最终的规划方案。例如，如果某一地区只要求碳排放不超过某一具体数值，那么根据不同的规划方案会有不同的帕累托前沿，在碳排放小于某一具体数值中找到经济性最优的解即可作为未来的规划方案。
实施例3
本发明实施例还提供了考虑低碳效益的分布式电源和需求侧资源联合规划的装置，包括存储器和处理器，存储器上储存有在处理器上运行的程序，处理器运行所述程序时执行上述考虑低碳效益的分布式电源和需求侧资源联合规划方法的步骤。
实施例4
本发明实施例还提供了计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述的考虑低碳效益的分布式电源和需求侧资源联合规划方法的步骤，所述考虑低碳效益的分布式电源和需求侧资源联合规划方法参见前述部分的介绍，不再赘述。
本领域普通技术人员可以理解：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.考虑低碳效益的分布式电源和需求侧资源联合规划方法，包括以下步骤：
1）输入规划区域信息，收集分布式电源初始出力及柔性负荷的预测值，建立分布式电源出力模型及需求响应不确定性的模型；
2）以规划成本最低和碳排放量最小为目标函数，以配电网安全约束作为限制条件，建立考虑低碳效益的分布式电源和需求侧资源的多目标联合规划模型；
3）求解考虑低碳效益的分布式电源和需求侧资源的联合规划模型，得到帕累托前沿图；
4）对于不同的规划方案，重复步骤101至步骤103，求解帕累托前沿图并根据规划要求进行比较，最终确定规划方案。
2.根据权利要求1所述的考虑低碳效益的分布式电源和需求侧资源联合规划方法，其特征在于，所述步骤1）在建立分布式电源出力模型时考虑分布式电源出力的不确定性，确定分布式电源出力模型表示为：
Figure 95989DEST_PATH_IMAGE002
其中，
Figure 278709DEST_PATH_IMAGE004
为节点i处的分布式电源在t时刻考虑不确定性因素后的出力；
Figure DEST_PATH_IMAGE005
为节点i处分布式电源的安装容量；
Figure 589605DEST_PATH_IMAGE006
为分布式电源在t时刻的预测出力系数；
Figure DEST_PATH_IMAGE007
为分布式电源在t时刻出力的预测误差。
3.根据权利要求1所述的考虑低碳效益的分布式电源和需求侧资源联合规划方法，其特征在于，所述步骤1）在建立需求响应的模型时考虑需求响应不确定性，建立需求响应不确定性的模型为：
Figure 391339DEST_PATH_IMAGE008
其中，
Figure DEST_PATH_IMAGE009
为节点j在t时刻考虑需求响应不确定性后的有功负荷；
Figure 736869DEST_PATH_IMAGE010
为t时刻节点j考虑需求响应后的有功负荷的预测值；
Figure DEST_PATH_IMAGE011
为需求响应预测误差系数。
4.根据权利要求1所述的考虑低碳效益的分布式电源和需求侧资源联合规划方法，其特征在于，所述联合规划模型为
Figure DEST_PATH_IMAGE013
，其中，
Figure 887228DEST_PATH_IMAGE014
为t时刻外网碳势；
Figure DEST_PATH_IMAGE015
为t时刻时首端注入的有功功率；
Figure 685420DEST_PATH_IMAGE016
为分布式电源等年值配置成本；
Figure DEST_PATH_IMAGE017
为分布式电源运行维护成本；
Figure 540112DEST_PATH_IMAGE018
为t时刻所有节点的需求响应总成本；T为时间周期一天；
Figure DEST_PATH_IMAGE019
为t时刻的网络损耗成本；
所述t时刻所有节点的需求响应总成本
Figure 740149DEST_PATH_IMAGE020
的计算公式为：
Figure DEST_PATH_IMAGE021
其中，
Figure 140038DEST_PATH_IMAGE022
为需求响应系数；
Figure DEST_PATH_IMAGE023
为t时刻所有节点需求响应后的有功负荷总量；
Figure 425525DEST_PATH_IMAGE024
为t时刻所有节点需求响应前的有功负荷总量；
所述联合规划模型的约束条件包括，线路潮流约束、配电网功率注入约束、节点电压机会约束、电流机会约束及需求响应资源限制约束。
5.根据权利要求4所述的考虑低碳效益的分布式电源和需求侧资源联合规划方法，其特征在于，所述分布式电源等年值配置成本
Figure DEST_PATH_IMAGE025
的计算公式为：
Figure 818330DEST_PATH_IMAGE026
式中，d为贴现率；
Figure DEST_PATH_IMAGE027
为分布式电源寿命；
Figure 607294DEST_PATH_IMAGE028
为分布式电源数目；
Figure DEST_PATH_IMAGE029
为分布式电源的单位容量成本；
Figure 568297DEST_PATH_IMAGE030
为第i个分布式电源容量；
所述分布式电源运行维护成本
Figure DEST_PATH_IMAGE031
的计算公式为：
Figure 216447DEST_PATH_IMAGE032
其中，
Figure DEST_PATH_IMAGE033
为分布式电源运行维护系数；
所述t时刻的网络损耗成本
Figure 22729DEST_PATH_IMAGE034
的计算公式为：
Figure DEST_PATH_IMAGE035
其中，
Figure 319062DEST_PATH_IMAGE036
为支路ij的电阻；
Figure DEST_PATH_IMAGE037
为t时刻时支路ij的电流；
Figure 185387DEST_PATH_IMAGE038
为单位网损成本；
Figure 55254DEST_PATH_IMAGE040
代表支路集合。
6.根据权利要求4所述的考虑低碳效益的分布式电源和需求侧资源联合规划方法，其特征在于，所述线路潮流约束为：
Figure DEST_PATH_IMAGE041
其中，
Figure 665227DEST_PATH_IMAGE042
为支路ij在t时刻的有功功率；
Figure DEST_PATH_IMAGE043
为支路jk在t时刻的有功功率；
Figure 818997DEST_PATH_IMAGE044
为节点j处的分布式电源在t时刻的有功功率；
Figure DEST_PATH_IMAGE045
为支路ij在t时刻的无功功率；
Figure 387381DEST_PATH_IMAGE046
为支路jk在t时刻的无功功率；
Figure DEST_PATH_IMAGE047
为节点i在t时刻的电压；
Figure 744545DEST_PATH_IMAGE048
为节点j在t时刻的电压；
Figure DEST_PATH_IMAGE049
为支路ij的电抗；
Figure 158208DEST_PATH_IMAGE050
为支路ij的电阻；
Figure DEST_PATH_IMAGE051
为支路ij的发热功率；
Figure 166485DEST_PATH_IMAGE052
为节点j处的分布式电源在t时刻考虑需求响应的有功功率；
Figure DEST_PATH_IMAGE053
为在节点j在t时刻考虑需求响应不确定性后的无功功率；
Figure 640191DEST_PATH_IMAGE054
为节点j在t时刻考虑需求响应不确定性后的无功负荷；
所述配电网功率注入约束为：
Figure DEST_PATH_IMAGE055
所述节点电压机会约束为：
Figure 484650DEST_PATH_IMAGE056
其中，
Figure DEST_PATH_IMAGE057
为节点j电压幅值的上限；
Figure 436426DEST_PATH_IMAGE058
为机会约束成立的置信度；
所述电流机会约束为：
Figure DEST_PATH_IMAGE059
其中，
Figure 564788DEST_PATH_IMAGE060
为支路ij电流幅值的上限；
所述需求响应资源限制约束为：
Figure DEST_PATH_IMAGE061
其中，
Figure 209396DEST_PATH_IMAGE062
为考虑需求响应后节点j在t时刻有功负荷的下限值；
Figure DEST_PATH_IMAGE063
为考虑需求响应后节点j在t时刻有功负荷的上限值；
Figure 541151DEST_PATH_IMAGE064
为考虑需求响应前节点j在t时刻的无功负荷；
Figure DEST_PATH_IMAGE065
为考虑需求响应前节点j在t时刻的有功负荷；
Figure 296618DEST_PATH_IMAGE066
为配电网节点总数。
7.根据权利要求6所述的考虑低碳效益的分布式电源和需求侧资源联合规划方法，其特征在于，所述步骤3）的求解流程包括以下步骤：
a. 根据概率分布函数的性质，处理节点电压机会约束和电流机会约束：
将节点电压机会约束
Figure DEST_PATH_IMAGE067
转化为以下确定性约束的形式：
Figure 16836DEST_PATH_IMAGE068
其中：
Figure DEST_PATH_IMAGE069
为
Figure 566766DEST_PATH_IMAGE070
的概率分布函数；
将电流机会约束
Figure DEST_PATH_IMAGE071
转换为以下确定性约束的形式：
Figure 385818DEST_PATH_IMAGE072
其中：
Figure DEST_PATH_IMAGE073
为
Figure 944975DEST_PATH_IMAGE074
的概率分布函数；
b. 对需求响应成本函数
Figure DEST_PATH_IMAGE075
，进行分段线性化处理；
c. 通过𝜀-约束法将多目标优化问题转化为多个单目标优化问题；
d. 对转化后的模型利用求解器进行求解，得到联合规划问题的帕累托前沿图。
8.根据权利要求7所述的考虑低碳效益的分布式电源和需求侧资源联合规划方法，其特征在于，所述分段线性化后的需求响应成本函数的表达式为：
Figure 782350DEST_PATH_IMAGE076
其中，
Figure DEST_PATH_IMAGE077
均为分段线性化系数。
9.考虑低碳效益的分布式电源和需求侧资源联合规划的装置，其特征在于，包括存储器和处理器，所述存储器上储存有在所述处理器上运行的程序，所述处理器运行所述程序时执行权利要求1-8任一项所述的考虑低碳效益的分布式电源和需求侧资源联合规划方法的步骤。
10.计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1-8任一项所述的考虑低碳效益的分布式电源和需求侧资源联合规划方法的步骤。
CN202211063670.9A 2022-09-01 2022-09-01 考虑低碳效益的分布式电源和需求侧资源联合规划方法 Active CN115147016B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211063670.9A CN115147016B (zh) 2022-09-01 2022-09-01 考虑低碳效益的分布式电源和需求侧资源联合规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211063670.9A CN115147016B (zh) 2022-09-01 2022-09-01 考虑低碳效益的分布式电源和需求侧资源联合规划方法

Publications (2)

Publication Number Publication Date
CN115147016A true CN115147016A (zh) 2022-10-04
CN115147016B CN115147016B (zh) 2023-01-24

Family

ID=83416620

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211063670.9A Active CN115147016B (zh) 2022-09-01 2022-09-01 考虑低碳效益的分布式电源和需求侧资源联合规划方法

Country Status (1)

Country Link
CN (1) CN115147016B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117117973A (zh) * 2023-10-24 2023-11-24 国网浙江省电力有限公司宁波供电公司 基于时间尺度的分布式电源调度方法、装置及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004246804A (ja) * 2003-02-17 2004-09-02 Hitachi Ltd 発電コスト最適化方法および発電コスト最適化装置
CN105703369A (zh) * 2016-02-04 2016-06-22 马瑞 一种多能耦合输配网多目标随机模糊动态最优能量流建模与求解方法
CN108470239A (zh) * 2018-03-01 2018-08-31 国网福建省电力有限公司 计及需求侧管理和储能的主动配电网多目标分层规划方法
CN109146117A (zh) * 2018-06-15 2019-01-04 中国电建集团福建省电力勘测设计院有限公司 一种考虑需求侧资源的区域多能源系统运行优化方法
CN110061496A (zh) * 2019-04-25 2019-07-26 燕山大学 源网荷多目标规划模型的可信度优化方法
CN110245799A (zh) * 2019-06-18 2019-09-17 国网江西省电力有限公司经济技术研究院 考虑负荷柔性需求的配电网架结构过渡的多目标规划方法
CN111899120A (zh) * 2020-06-19 2020-11-06 国网浙江省电力有限公司经济技术研究院 一种综合能源规划与运行联合优化模型建立方法
CN113378100A (zh) * 2021-05-25 2021-09-10 国网福建省电力有限公司 考虑碳排放的配电网源网荷储协同优化调度模型和方法
CN113449908A (zh) * 2021-06-21 2021-09-28 国网山东省电力公司鱼台县供电公司 考虑需求侧资源的配电网规划方法及系统
CN113705892A (zh) * 2021-08-30 2021-11-26 天津大学 一种需求侧资源与智能软开关分布鲁棒联合规划方法
CN113919721A (zh) * 2021-10-19 2022-01-11 华北电力大学（保定） 一种可靠性与经济性相协调的分布式电源多目标规划方法
CN113962828A (zh) * 2021-10-26 2022-01-21 长春工程学院 考虑碳消耗的综合能源系统协调调度方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004246804A (ja) * 2003-02-17 2004-09-02 Hitachi Ltd 発電コスト最適化方法および発電コスト最適化装置
CN105703369A (zh) * 2016-02-04 2016-06-22 马瑞 一种多能耦合输配网多目标随机模糊动态最优能量流建模与求解方法
CN108470239A (zh) * 2018-03-01 2018-08-31 国网福建省电力有限公司 计及需求侧管理和储能的主动配电网多目标分层规划方法
CN109146117A (zh) * 2018-06-15 2019-01-04 中国电建集团福建省电力勘测设计院有限公司 一种考虑需求侧资源的区域多能源系统运行优化方法
CN110061496A (zh) * 2019-04-25 2019-07-26 燕山大学 源网荷多目标规划模型的可信度优化方法
CN110245799A (zh) * 2019-06-18 2019-09-17 国网江西省电力有限公司经济技术研究院 考虑负荷柔性需求的配电网架结构过渡的多目标规划方法
CN111899120A (zh) * 2020-06-19 2020-11-06 国网浙江省电力有限公司经济技术研究院 一种综合能源规划与运行联合优化模型建立方法
CN113378100A (zh) * 2021-05-25 2021-09-10 国网福建省电力有限公司 考虑碳排放的配电网源网荷储协同优化调度模型和方法
CN113449908A (zh) * 2021-06-21 2021-09-28 国网山东省电力公司鱼台县供电公司 考虑需求侧资源的配电网规划方法及系统
CN113705892A (zh) * 2021-08-30 2021-11-26 天津大学 一种需求侧资源与智能软开关分布鲁棒联合规划方法
CN113919721A (zh) * 2021-10-19 2022-01-11 华北电力大学（保定） 一种可靠性与经济性相协调的分布式电源多目标规划方法
CN113962828A (zh) * 2021-10-26 2022-01-21 长春工程学院 考虑碳消耗的综合能源系统协调调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王晗、徐潇源、严正: "考虑柔性负荷的多目标安全约束机组组合优化模型及求解", 《电网技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117117973A (zh) * 2023-10-24 2023-11-24 国网浙江省电力有限公司宁波供电公司 基于时间尺度的分布式电源调度方法、装置及存储介质
CN117117973B (zh) * 2023-10-24 2024-01-12 国网浙江省电力有限公司宁波供电公司 基于时间尺度的分布式电源调度方法、装置及存储介质

Also Published As

Publication number Publication date
CN115147016B (zh) 2023-01-24

Similar Documents

Publication Publication Date Title
Zhang et al. Data-driven optimal energy management for a wind-solar-diesel-battery-reverse osmosis hybrid energy system using a deep reinforcement learning approach
Arya Impact of hydrogen aqua electrolyzer-fuel cell units on automatic generation control of power systems with a new optimal fuzzy TIDF-II controller
Chen et al. Multi-linear probabilistic energy flow analysis of integrated electrical and natural-gas systems
Wang et al. Balancing risk and cost in fuzzy economic dispatch including wind power penetration based on particle swarm optimization
Zhou et al. An optimal network constraint-based joint expansion planning model for modern distribution networks with multi-types intermittent RERs
Wang et al. Tradeoff between risk and cost in economic dispatch including wind power penetration using particle swarm optimization
CN115147016B (zh) 考虑低碳效益的分布式电源和需求侧资源联合规划方法
Zhou et al. Hierarchical unit commitment with uncertain wind power generation
Tan et al. Optimal placement and sizing of distributed generators based on swarm moth flame optimization
Jiang et al. A novel robust security constrained unit commitment model considering HVDC regulation
Chen et al. Estimating the impacts of climate change on electricity supply infrastructure: A case study of China
Mishra et al. Power Generation Monitoring of a hybrid Power System with I-GWO designed trapezoidal type-II fuzzy Controller
CN105305488A (zh) 一种考虑新能源并网对输电网利用率影响的评价方法
CN110829506A (zh) 线性松弛和比例权重的多目标有功优化调度方法和系统
CN116341881A (zh) 计及热网灵活性的电-热系统鲁棒超前调度方法及系统
Zeng et al. Resilience assessment for power systems under sequential attacks using double DQN with improved prioritized experience replay
Reddy et al. Stability constrained optimal operation of standalone DC microgrids considering load and solar PV uncertainties
Peng et al. Optimal locating and sizing of besss in distribution network based on multi-objective memetic salp swarm algorithm
Menesy et al. Techno‐economic optimization framework of renewable hybrid photovoltaic/wind turbine/fuel cell energy system using artificial rabbits algorithm
Shen et al. Multi-stage low-carbon power system planning considering generation retirement and R retrofit
Liu et al. Development of an interval double-stochastic carbon-neutral electric power system planning model: A case study of Fujian province, China
CN115271384A (zh) 基于蝠鲼觅食优化算法的配电网新能源承载力评估方法
Ballireddy et al. Generation expansion planning considering reliability of the system: A review on various optimization techniques
Nakayama et al. Complete automation of future grid for optimal real-time distribution of renewables
Gong et al. Deriving joint operating rule curves for hydro–hydrogen–wind–photovoltaic hybrid power systems

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