CN115693787B - 考虑源荷随机性的光储配电网新能源接纳能力分析方法 - Google Patents
考虑源荷随机性的光储配电网新能源接纳能力分析方法 Download PDFInfo
- Publication number
- CN115693787B CN115693787B CN202310001104.3A CN202310001104A CN115693787B CN 115693787 B CN115693787 B CN 115693787B CN 202310001104 A CN202310001104 A CN 202310001104A CN 115693787 B CN115693787 B CN 115693787B
- Authority
- CN
- China
- Prior art keywords
- distributed
- node
- power
- distribution network
- load
- 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.)
- Active
Links
Images
Classifications
-
- 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
Abstract
本发明公开了一种考虑源荷随机性的光储配电网新能源接纳能力分析方法,方法包括:首先,分析光储配电网的运行特性,建立分布式光伏、储能的运行模型;其次,分析光储配电网的不确定性来源,提出了基于广义加权交叉核支持向量聚类的光储配电网源荷不确定性建模方法;最后,建立考虑最大化分布式光伏容量的新能源接纳能力鲁棒优化模型,基于重构与分解算法,提出鲁棒优化模型分布式求解算法。解决了传统解析方法建模不准、随机性因素考虑不完备的问题。
Description
技术领域
本发明属于电力系统配网测试技术领域,尤其涉及一种考虑源荷随机性的光储配电网新能源接纳能力分析方法。
背景技术
由于分布式光伏固有的波动性和随机性特征,其高比例接入将对配电网的安全稳定运行。分布式储能可有效平抑分布式光伏的强随机性,目前分布式光储协同开发将成为促进分布式光伏消纳的必然选择。但分布式光储接入配电网改变了原有配电网的运行特征,增大了分析配电网对接纳能力分析的难度和复杂度:一是分布式储能有充电和放电两种运行状态,与电网存在双向的功率交互,其对配电网新能源接纳能力的影响难以量化分析;二是配电网对分布式光伏的接纳能力,既与配电网的灵活性设备(如分布式储能)有关,又受配电网线路潮流、节点电压等因素影响,接纳能力分析复杂。为此,急需开展光储配电网新能源接纳能力分析技术研究。
目前针对配电网新能源接纳能力分析的研究主要围绕解析法和智能方法两个方面。解析法通常是将接纳能力分析问题转化为求解最优潮流问题,具有计算速度快、无需重复验算等优势,但也存在建模过程复杂、模型假定过多,与真实情况存在较大偏差;智能方法通常包括遗传算法、粒子群算法、模拟退火算法等,其建模过程简单、求解思路明了,但也存在求解时间长、编码复杂等不足。
发明内容
本发明提供一种考虑源荷随机性的光储配电网新能源接纳能力分析方法,用于解决传统解析方法建模不准、随机性因素考虑不完备的问题。
本发明提供一种考虑源荷随机性的光储配电网新能源接纳能力分析方法,包括:
构建分布式光伏运行模型以及分布式储能运行模型;
基于广义加权交叉核支持向量聚类的光储配电网源荷不确定性建模;
考虑光储配电网源荷不确定性建立考虑最大化分布式光伏容量的鲁棒优化模型,使根据所述鲁棒优化模型对光储配电网新能源接纳能力进行量化;
根据分布式求解算法对所述鲁棒优化模型进行求解,使对所述光储配电网新能源接纳能力进行分析。
进一步地,其中,所述分布式光伏运行模型的表达式为:
进一步地,所述分布式储能运行模型具体为基于锂电池的分布式储能运行模型,其中,基于锂电池的分布式储能运行模型的表达式为:
式中,为分布式储能在时段m时的荷电状态,为自放电率,为分布式储能在时段m-1时的荷电状态,为分布式储能的充电效率,为m时段分布式储能的充电功率,为时段长度,为m时段分布式储能的放电功率,为分布式储能的放电效率,为分布式储能的额定容量。
进一步地,所述基于广义加权交叉核支持向量聚类的光储配电网源荷不确定性建模,包括:
考虑协相关信息,构建广义加权交叉核模型,所述广义加权交叉核模型的表达式为:
构建基于广义加权交叉核支持向量聚类的分布式光伏出力不确定性模型,所述分布式光伏出力不确定性模型的表达式为:
其中,计算分布式光伏出力的不确定性集合边界参数的表达式为:
构建基于广义加权交叉核支持向量聚类的负荷不确定性模型,所述负荷不确定性模型的表达式为:
其中,计算负荷的不确定性集合边界参数的表达式为:
进一步地,其中,所述鲁棒优化模型的目标函数表达式为:
所述鲁棒优化模型的约束条件包括光伏安装容量约束、光伏输出功率约束、分布式储能运行约束、功率平衡约束以及线路潮流约束;
其中,所述光伏安装容量约束的表达式为:
所述光伏输出功率约束的表达式为:
所述分布式储能运行约束的表达式为:
式中,为m时段节点i分布式储能系统的最大充电功率,为m时段节点i分布式储能系统的最大放电功率,为m时段分布式储能的充电功率,为m时段分布式储能的放电功率,为节点i分布式储能在时段m的荷电状态,为节点i分布式储能在时段m-1时的荷电状态,为自放电率,为节点i分布式储能的充电效率,为节点i分布式储能的放电效率,为节点i分布式储能的额定容量,为时段长度,为节点i分布式储能荷电状态上限,为节点i分布式储能荷电状态下限;
所述功率平衡约束的表达式为:
式中,为配电网在m时段节点i分布式光伏的输出功率实际值,为m时段节点j-节点i的功率,为配电网在m时段节点i负荷的实际值,为与节点i相连的节点集合,为配电网在m时段节点i分布式光伏的输出功率预测值,为配电网在m时段节点i负荷的预测值,为配电网在m时段节点i分布式光伏的输出功率预测误差,为配电网在m时段节点i负荷的预测误差,分别为m时段节点i分布式光伏的输出功率预测误差的上、下界,分别为m时段节点i负荷的预测误差的上、下界;
所述线路潮流约束的表达式为:
进一步地,所述根据分布式求解算法对所述鲁棒优化模型进行求解,包括:
约束更新:生成可行约束,并添加到主问题中,返回求解主问题的步骤,对分布式光伏接入容量进行调整。
本申请的考虑源荷随机性的光储配电网新能源接纳能力分析方法,具有以下有益效果:
1、针对分布式光伏出力、负荷的不确定性,提出基于广义加权交叉核支持向量聚类的光储配电网源荷不确定性建模方法,能够准确反映分布式光伏出力和负荷的实际情况;
2、以分布式光伏容量最大化为唯一目标,与现有的多目标优化方法相比,能够更为准确的反映配电网对分布式光伏的接纳能力;同时,不仅能够得到目标配电网对分布式光伏的接纳能力,还能得到配电网络节点的最大允许接入量,可直接支撑配电网规划与运行;
3、采用重构与分解算法将原优化问题分解为主问题和子问题,提出了分布式的求解架构,适用于考虑多主体参与的配电网新能源接纳能力分析。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种考虑源荷随机性的光储配电网新能源接纳能力分析方法的流程图;
图2为本发明一实施例提供一个具体实施例的考虑源荷随机性的光储配电网新能源接纳能力分析方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
请参阅图1,其示出了本申请的一种考虑源荷随机性的光储配电网新能源接纳能力分析方法的流程图。
如图1所示,步骤S101,构建分布式光伏运行模型以及分布式储能运行模型;
步骤S102,基于广义加权交叉核支持向量聚类的光储配电网源荷不确定性建模;
步骤S103,考虑光储配电网源荷不确定性建立考虑最大化分布式光伏容量的鲁棒优化模型,使根据所述鲁棒优化模型对光储配电网新能源接纳能力进行量化;
步骤S104,根据分布式求解算法对所述鲁棒优化模型进行求解,使对所述光储配电网新能源接纳能力进行分析。
本实施例的方法,通过分析光储配电网的运行特性,建立分布式光伏、储能的运行模型,并分析光储配电网的不确定性来源,基于广义加权交叉核支持向量聚类构建光储配电网源荷不确定性模型,能够准确反映分布式光伏出力和负荷的实际情况;建立考虑最大化分布式光伏容量的鲁棒优化模型,实现了以分布式光伏容量最大化为唯一目标,与现有的多目标优化方法相比,能够更为准确的反映配电网对分布式光伏的接纳能力;同时,不仅能够得到目标配电网对分布式光伏的接纳能力,还能得到配电网络节点的最大允许接入量,可直接支撑配电网规划与运行;采用重构与分解算法将原优化问题分解为主问题和子问题,提出了分布式的求解架构,适用于考虑多主体参与的配电网新能源接纳能力评估模型求解方法。
请参阅图2,其示出了本申请一个具体实施例的考虑源荷随机性的光储配电网新能源接纳能力分析方法的流程图。
如图2所示,考虑源荷随机性的光储配电网新能源接纳能力分析方法具体包括以下步骤:
步骤1、运行特性分析
(1.1)光储配电网能量交互分析
所考虑的光储配电网,针对规模化分布式光伏、分布式储能接入配电网场景,其中,分布式光伏与储能可组合成分布式光储系统并网,也可单独并网。在能量交互方面,对于分布式光储系统,其能量交互既包括内部交互(光伏发电功率可直接存储在储能系统或用于本地负荷供电),也包括外部交互(即可参与配电网的能量互动);对于单独的分布式光伏,其能量交互体现在向配电网返送功率或用于本地负荷供电;对于单独的分布式储能系统,其能量交互体现在与配电网进行双向功率交互与用于本地负荷供电。
(1.2)分布式光伏、储能的运行模型
分布式光伏的输出功率与光照强度、环境温度、天气状况等气象因素相关,通常可表达为如下形式:
式中,为光伏电源标准条件下的最大输出功率,为光伏电源实际条件下的输出功率,为实际条件下光照强度,为标准条件下光照强度参考值,为给定温度系数,为实际条件下环境温度,为环境温度参考值,取为25℃。根据配电网所在地区下一天的天气预报信息,可获得光伏电站下一天的输出功率预测曲线。
锂电池作为分布式储能的重要形式,具有运行灵活、调节速度快等优势,构建基于锂电池的分布式储能运行模型如下:
其中,式(2)和式(3)分别表示分布式储能的充放电限值约束,为分布式储能的最大充电功率,为分布式储能的最大放电功率,为m时段分布式储能的充电功率,为m时段分布式储能的放电功率;式(4)给出了基于锂电池的分布式储能运行模型,为分布式储能在时段m时的荷电状态,为自放电率,为分布式储能在时段m-1时的荷电状态,为分布式储能的充电效率,为时段长度,为分布式储能的放电效率,为分布式储能的额定容量;式(5)为分布式储能的荷电状态约束,、分别为分布式储能荷电状态的上、下限;式(6)保证分布式储能充放电不能同时进行。
步骤2、源荷不确定性建模
(2.1)光储配电网不确定性来源:分布式光伏的输出功率受光照强度、温度等影响,其处理存在不确定性;电力负荷受用户的用电行为、习惯、天气等因素影响,其负荷消耗存在显著不确定性、因此,光储配电网的不确定性主要源于源、荷两个方面。
(2.2)广义加权交叉核模型
考虑协相关信息,构建广义加权交叉核模型,所述广义加权交叉核模型的表达式为:
(2.3)基于广义加权交叉核支持向量聚类的不确定性建模
构建基于广义加权交叉核支持向量聚类的分布式光伏出力不确定性模型,所述分布式光伏出力不确定性模型的表达式为:
其中,计算分布式光伏出力的不确定性集合边界参数的表达式为:
构建基于广义加权交叉核支持向量聚类的负荷不确定性模型,所述负荷不确定性模型的表达式为:
其中,计算负荷的不确定性集合边界参数的表达式为:
步骤3、构建接纳能力分析模型
考虑源荷的随机性和不确定性,光储配电网对新能源的接纳能力可通过求解如下鲁棒优化模型进行量化。
(3.1)目标函数
鲁棒优化模型的目标函数表达式为:
(3.2)约束条件
鲁棒优化模型的约束条件包括光伏安装容量约束、光伏输出功率约束、分布式储能运行约束、功率平衡约束以及线路潮流约束;
其中,光伏安装容量约束的表达式为:
所述光伏输出功率约束的表达式为:
所述分布式储能运行约束的表达式为:
式中,为m时段节点i分布式储能系统的最大充电功率,为m时段节点i分布式储能系统的最大放电功率,为m时段分布式储能的充电功率,为m时段分布式储能的放电功率,为节点i分布式储能在时段m的荷电状态,为节点i分布式储能在时段m-1时的荷电状态,为自放电率,为节点i分布式储能的充电效率,为节点i分布式储能的放电效率,为节点i分布式储能的额定容量,为时段长度,为节点i分布式储能荷电状态上限,为节点i分布式储能荷电状态下限;
所述功率平衡约束的表达式为:
式中,为配电网在m时段节点i分布式光伏的输出功率实际值,为m时段节点j-节点i的功率,为配电网在m时段节点i负荷的实际值,为与节点i相连的节点集合,为配电网在m时段节点i分布式光伏的输出功率预测值,为配电网在m时段节点i负荷的预测值,为配电网在m时段节点i分布式光伏的输出功率预测误差,为配电网在m时段节点i负荷的预测误差,分别为m时段节点i分布式光伏的输出功率预测误差的上、下界,分别为m时段节点i负荷的预测误差的上、下界;
所述线路潮流约束的表达式为:
步骤4、基于重构与分解算法的分布式求解
(4.1)鲁棒优化模型转化
由于式(30)鲁棒优化模型两层均为最大化问题,可进一步转化为如下形式:
(4.2)基于重构与分解算法的分布式求解鲁棒优化模型
如式(31)所示,鲁棒优化问题中的节点分布式光伏接入容量为整型变量,为实型变量,故该问题为混合整数规划问题。为了保证优化问题的求解效率,基于重构与分解算法将所述鲁棒优化模型的优化问题分解为主问题和子问题,具体求解流程为:
约束更新:生成可行约束,并添加到主问题中,返回求解主问题的步骤,对分布式光伏接入容量进行调整。
综上,本申请的方法,能够实现以下技术效果:
1、针对分布式光伏出力、负荷的不确定性,提出基于广义加权交叉核支持向量聚类的光储配电网源荷不确定性建模方法方法,能够准确反映分布式光伏出力和负荷的实际情况;
2、以分布式光伏容量最大化为唯一目标,与现有的多目标优化方法相比,能够更为准确的反映配电网对分布式光伏的接纳能力;同时,本发明不仅能够得到目标配电网对分布式光伏的接纳能力,还能得到配电网络节点的最大允许接入量,可直接支撑配电网规划与运行。
3、采用重构与分解算法将原优化问题分解为主问题和子问题,提出了分布式的求解架构,适用于考虑多主体参与的配电网新能源接纳能力评估模型求解方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种考虑源荷随机性的光储配电网新能源接纳能力分析方法,其特征在于,包括:
构建分布式光伏运行模型以及分布式储能运行模型;
基于广义加权交叉核支持向量聚类的光储配电网源荷不确定性建模,其中所述基于广义加权交叉核支持向量聚类的光储配电网源荷不确定性建模,包括:
记分布式光伏在m时段实际出力为PPV,m,并满足:
基于N个样本计算得到协方差矩阵的无偏估计Z为:
考虑协相关信息,构建广义加权交叉核模型,所述广义加权交叉核模型的表达式为:
式中,P′PV为分布式光伏的一种情形出力向量,P″PV为分布式光伏的另一种情形出力向量,Wm为时段m的不确定性区间宽度,QPV为分布式光伏出力的权重系数,M为时段总个数,K(P′PV,P″PV)为广义加权交叉核;
构建基于广义加权交叉核支持向量聚类的分布式光伏出力不确定性模型,所述分布式光伏出力不确定性模型的表达式为:
式中,PPV为分布式光伏出力向量,ΓPV为分布式光伏出力不确定性集合,S’VC为支持向量聚类集合,αn为模型参数,θPV为分布式光伏出力的不确定性集合边界参数,n为支持向量聚类集合中的样本索引;
其中,计算分布式光伏出力的不确定性集合边界参数的表达式为:
构建基于广义加权交叉核支持向量聚类的负荷不确定性模型,所述负荷不确定性模型的表达式为:
式中,L为负荷向量,ΓL为负荷不确定性集合,QL为负荷的权重系数,L(n)为第n个负荷样本,θL为负荷的不确定性集合边界参数;
其中,计算负荷的不确定性集合边界参数的表达式为:
考虑光储配电网源荷不确定性建立考虑最大化分布式光伏容量的鲁棒优化模型,使根据所述鲁棒优化模型对光储配电网新能源接纳能力进行量化;
根据分布式求解算法对所述鲁棒优化模型进行求解,使对所述光储配电网新能源接纳能力进行分析。
4.根据权利要求1所述的一种考虑源荷随机性的光储配电网新能源接纳能力分析方法,其特征在于,其中,所述鲁棒优化模型的目标函数表达式为:
所述鲁棒优化模型的约束条件包括光伏安装容量约束、光伏输出功率约束、分布式储能运行约束、功率平衡约束以及线路潮流约束;
其中,所述光伏安装容量约束的表达式为:
所述光伏输出功率约束的表达式为:
所述分布式储能运行约束的表达式为:
式中,为m时段节点i分布式储能系统的最大充电功率,为m时段节点i分布式储能系统的最大放电功率,为m时段分布式储能的充电功率,为m时段分布式储能的放电功率,为节点i分布式储能在时段m的荷电状态,为节点i分布式储能在时段m-1时的荷电状态,σ为自放电率,为节点i分布式储能的充电效率,为节点i分布式储能的放电效率,EESS,i为节点i分布式储能的额定容量,Δm为时段长度,为节点i分布式储能荷电状态上限,为节点i分布式储能荷电状态下限;
所述功率平衡约束的表达式为:
式中,为配电网在m时段节点i分布式光伏的输出功率实际值,为m时段节点j-节点i的功率,为配电网在m时段节点i负荷的实际值,为与节点i相连的节点集合,为配电网在m时段节点i分布式光伏的输出功率预测值,为配电网在m时段节点i负荷的预测值,为配电网在m时段节点i分布式光伏的输出功率预测误差,为配电网在m时段节点i负荷的预测误差,分别为m时段节点i分布式光伏的输出功率预测误差的上、下界,分别为m时段节点i负荷的预测误差的上、下界;
所述线路潮流约束的表达式为:
6.根据权利要求5所述的一种考虑源荷随机性的光储配电网新能源接纳能力分析方法,其特征在于,所述根据分布式求解算法对所述鲁棒优化模型进行求解,包括:
基于重构与分解算法将所述鲁棒优化模型的优化问题分解为主问题FMP和子问题FSP,具体求解流程为:
初始化:初始化式(31)的优化问题的上界和下界:UB=+∞,LB=-∞;初始化迭代次数iter=1,并令最大迭代次数IterMax=100;设定收敛精度ε=0.001;
求解子问题:基于求解主问题得到的配电网节点i的分布式光伏的安装容量的最优值将其代入子问题,求解得到节点i在时段m不确定性变量的最优值并更新优化问题的上界UB(iter)=min{UB(iter-1),FSP(iter)};
收敛判据:若满足iter>IterMax或|UB(iter)-LB(iter)|≤ε,则算法收敛,输出最优结果;否则则进行下一步;
约束更新:生成可行约束,并添加到主问题中,返回求解主问题的步骤,对分布式光伏接入容量进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310001104.3A CN115693787B (zh) | 2023-01-03 | 2023-01-03 | 考虑源荷随机性的光储配电网新能源接纳能力分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310001104.3A CN115693787B (zh) | 2023-01-03 | 2023-01-03 | 考虑源荷随机性的光储配电网新能源接纳能力分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115693787A CN115693787A (zh) | 2023-02-03 |
CN115693787B true CN115693787B (zh) | 2023-04-11 |
Family
ID=85057507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310001104.3A Active CN115693787B (zh) | 2023-01-03 | 2023-01-03 | 考虑源荷随机性的光储配电网新能源接纳能力分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115693787B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116029532B (zh) * | 2023-02-23 | 2023-07-14 | 国网江西省电力有限公司经济技术研究院 | 一种面向配电网承载力提升的储能规划方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008149393A1 (en) * | 2007-06-06 | 2008-12-11 | Power-One Italy S.P.A. | Delivery of electric power by means of a plurality of parallel inverters and control method based on maximum power point tracking |
CN114709831A (zh) * | 2022-01-19 | 2022-07-05 | 国网山东省电力公司菏泽供电公司 | 考虑储能和光伏无功出力的分布式储能规划方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104572993A (zh) * | 2015-01-06 | 2015-04-29 | 浪潮电子信息产业股份有限公司 | 一种基于遗传算法的分类算法参数优化方法 |
FR3052579A1 (fr) * | 2016-06-10 | 2017-12-15 | Schneider Electric Ind Sas | Procede d'optimisation de la production d'energie electrique d'un reseau de production et de distribution d'energie electrique |
CN113361078B (zh) * | 2021-05-20 | 2022-08-16 | 国网湖北省电力有限公司电力科学研究院 | 一种考虑光伏发电不确定性的配电网云边协同调控方法 |
CN114069708A (zh) * | 2021-11-25 | 2022-02-18 | 国网青海省电力公司经济技术研究院 | 一种计及不确定性的分散光储多层级多目标优化接入方法 |
-
2023
- 2023-01-03 CN CN202310001104.3A patent/CN115693787B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008149393A1 (en) * | 2007-06-06 | 2008-12-11 | Power-One Italy S.P.A. | Delivery of electric power by means of a plurality of parallel inverters and control method based on maximum power point tracking |
CN114709831A (zh) * | 2022-01-19 | 2022-07-05 | 国网山东省电力公司菏泽供电公司 | 考虑储能和光伏无功出力的分布式储能规划方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115693787A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109462231B (zh) | 居民微电网的负荷优化调度方法、系统和存储介质 | |
CN112614009B (zh) | 一种基于深度期望q-学习的电网能量管理方法及系统 | |
CN106327006A (zh) | 一种基于综合效益分析的微电网优化配置方法 | |
CN112785027B (zh) | 风光储联合发电系统置信容量评估方法及系统 | |
CN110956324B (zh) | 基于改进的moea/d的主动配电网日前高维目标优化调度方法 | |
CN114021420A (zh) | 一种分布式光伏超短期发电功率预测方法及系统 | |
CN112994092B (zh) | 一种基于功率预测的独立风光储微电网系统尺寸规划方法 | |
CN115693787B (zh) | 考虑源荷随机性的光储配电网新能源接纳能力分析方法 | |
Li et al. | A new wind power forecasting approach based on conjugated gradient neural network | |
CN115526401A (zh) | 一种基于数字孪生的新型电力系统电源最优规划方法 | |
CN111612244A (zh) | 基于qra-lstm的日前光伏功率非参数概率预测方法 | |
CN115423153A (zh) | 基于概率预测的光伏储能系统能量管理方法 | |
CN113285490A (zh) | 电力系统调度方法、装置、计算机设备和存储介质 | |
CN115496273A (zh) | 一种可再生能源集群分布鲁棒优化配置方法及系统 | |
CN112836849A (zh) | 一种考虑风电不确定性的虚拟电厂调度方法 | |
CN112072643A (zh) | 一种基于深度确定性梯度策略的光-蓄系统在线调度方法 | |
CN115481918A (zh) | 一种基于源网荷储的单元状态主动感知及预测分析系统 | |
CN114611842A (zh) | 一种整县屋顶分布式光伏功率预测方法 | |
CN110852495A (zh) | 一种分布式储能电站选址方法 | |
CN114723230A (zh) | 面向新能源发电和储能的微电网双层调度方法及系统 | |
CN114091316A (zh) | 一种区域光伏发电量计算方法 | |
CN112036735B (zh) | 一种用于光伏电站的储能系统的储能容量规划方法及系统 | |
CN116663823A (zh) | 融合精准碳数据的配电能源网格碳排放最优规划方法及系统 | |
CN116488254A (zh) | 一种电力电子设备日前优化控制方法 | |
CN115689620A (zh) | 基于物理模型和数据驱动的煤价与电价传导模型构建方法 |
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 |