CN115986744B - 一种含共享储能的配电网潮流优化方法 - Google Patents
一种含共享储能的配电网潮流优化方法 Download PDFInfo
- Publication number
- CN115986744B CN115986744B CN202211699982.9A CN202211699982A CN115986744B CN 115986744 B CN115986744 B CN 115986744B CN 202211699982 A CN202211699982 A CN 202211699982A CN 115986744 B CN115986744 B CN 115986744B
- Authority
- CN
- China
- Prior art keywords
- power
- node
- individuals
- distribution network
- energy storage
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 title claims abstract description 16
- 238000006467 substitution reaction Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000021615 conjugation Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 230000007423 decrease Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例涉及配电网调度技术领域，具体涉及本发明实施例提供了一种含共享储能的配电网潮流优化方法，通过在IEEE33节点配电网模型中引入DGs，首先构建种群，利用前推回代法对种群进行求解，同时为了避免种群陷入局部最优解，基于均衡优化算法构建平衡状态池，利用平衡状态池优化种群，从而求解出最优的适应度值及对应的调度策略。
Description
技术领域
本发明涉及配电网调度技术领域，尤其涉及一种含共享储能的配电网潮流优化方法。
背景技术
在“双碳”的背景下，新能源发电(例如光伏(Photovoltaic,PV)、风机(WindTurbine,WT)、燃气轮机(Gas Turbine,GT))已成为配电网的一个重要组成部分，大量新能源的接入会使配电网潮流发生变化。但是，新能源供应通常不稳定，比如，光照时间长的地区可采集的太阳能多，地势高的地区可采集的风能较多，等等。
传统储能由于其容量固定等弊端，只能在一定程度上优化配电网的潮流，因此如何更好的优化配电潮流成为亟待解决的问题。
发明内容
有鉴于此，本发明的目的在于提出一种含共享储能的配电网潮流优化方法，以解决如何优化配电潮流的问题。
基于上述目的，本发明提供了一种含共享储能的配电网潮流优化方法，包括：
构建IEEE33节点配电网模型，所述模型包括多个供电设备及多个用电节点，所述供电设备包括PV设备、WT设备以及GT设备中任意两种或者三种构成的组合以及至少一个SES设备；
获得初始种群，所述初始种群由多个个体组成，每个个体代表供电设备的一种出力组合；
前推求解各用电节点的功率；
计算该功率与前一次前推计算获得的用电节点的功率的差值，若所述差值大于阈值，则回代求解用电节点的电压，并将所述电压替换前推求解过程中的电压，返回执行前推求解各用电节点的功率的步骤；若所述差值小于阈值，求初始种群中每个个体的适应度值，若迭代次数没有达到预设次数，则基于所述适应度值构建平衡状态池，基于所述平衡状态池对所述初始种群中的个体进行更新，获得更新后的种群，返回执行前推求解各用电节点的功率的步骤；若迭代次数达到预设次数，则输出最优的适应度值所对应的调度策略。
作为一种可选的实施方式，所述个体为其中，/>表示各个体在t时刻的出力情况，各部分共享储能容量之和不超过共享储能的总容量。
作为一种可选的实施方式，所述前推求解各用电节点的功率，包括：
其中n为迭代次数，rki和zki分别为支路ki的电阻和电抗，和/>分别为馈线支路ki的有功功率损耗和无功功率损耗；/>和/>分别为流经支路ki的有功功率和无功功率，Pi和Qi为节点i的有功功率和无功功率，/>为节点i电压的平方。
作为一种可选的实施方式，所述回代求解用电节点的电压，包括：
其中Iki支路ki的电流；为节点k复电压的共轭；Vi为节点i的电压。
作为一种可选的实施方式，所述基于所述适应度值构建平衡状态池，包括：
从初始种群中挑出适应度值最优的N个个体，并计算N个所述个体对应的平均值个体，由N个所述个体和平均值个体构成平衡状态池，其中，N为小于个体数的正整数。
作为一种可选的实施方式，所述N取4，平衡状态池为Xeq,pool＝{Xeq,1,…,Xeq,4,Xeq,avg}，其中Xeq,1-4为截止到当前迭代次数时找到的最好适应度的4个个体，Xeq＝Rand(Xeq,pool)。
作为一种可选的实施方式，所述基于所述平衡状态池对所述初始种群中的个体进行更新，包括：
其中，r1,...,r6是属于(0,1)的随机数；λ是[0,1]间的随机向量；V是单位体积；是服从莱维分布的随机数矩阵；Fi iter为指数项系数，Fi iter＝a1×sign(r4-0.5)(e-λt-1)a1为常数，t是随着迭代增加而减小一个非线性因子；G是生成率，/>t0＝(1/λ)ln[-a1sign(r5-0.5)(1-e-λt)+t]/>
本发明的有益效果：本发明实施例提供了一种含共享储能的配电网潮流优化方法，通过在IEEE33节点配电网模型中引入DGs，首先构建种群，利用前推回代法对种群进行求解，同时为了避免种群陷入局部最优解，基于均衡优化算法构建平衡状态池，利用平衡状态池优化种群，从而求解出最优的适应度值及对应的调度策略。
附图说明
为了更清楚地说明本发明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，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为本发明实施例的IEEE33节点配电网模型示意图；
图2为本发明实施例的逻辑示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。
需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。
作为本发明的一种可选的实施方式，提供了一种含共享储能的配电网潮流优化方法，考虑到所建模型高维非线性的特点，采用改进的均衡优化算法进行求解，包括：
构建IEEE33节点配电网模型，所述模型包括多个供电设备及多个用电节点，所述供电设备包括PV设备、WT设备以及GT设备中任意两种或者三种构成的组合以及至少一个SES设备；
获得初始种群，所述初始种群由多个个体组成，每个个体代表供电设备的一种出力组合；
前推求解各用电节点的功率；
计算该功率与前一次前推计算获得的用电节点的功率的差值，若所述差值大于阈值，则回代求解用电节点的电压，并将所述电压替换前推求解过程中的电压，返回执行前推求解各用电节点的功率的步骤；若所述差值小于阈值，求初始种群中每个个体的适应度值，若迭代次数没有达到预设次数，则基于所述适应度值构建平衡状态池，基于所述平衡状态池对所述初始种群中的个体进行更新，获得更新后的种群，返回执行前推求解各用电节点的功率的步骤；若迭代次数达到预设次数，则输出最优的适应度值所对应的调度策略。
本发明实施例中，本发明实施例提供了一种含共享储能的配电网潮流优化方法，通过在IEEE33节点配电网模型中引入DGs，首先构建种群，利用前推回代法对种群进行求解，同时为了避免种群陷入局部最优解，基于均衡优化算法构建平衡状态池，利用平衡状态池优化种群，从而求解出最优的适应度值及对应的调度策略。
本发明实施例提出一种含共享储能的配电网潮流优化方法，如图2所示，通过在IEEE33节点配电网模型中引入DGs(分布式电源，distributed generations)如光伏(Photovoltaic,PV)、风机(Wind Turbine,WT)、燃气轮机(Gas Turbine,GT)和共享储能(Shared Energy Storage,SES)，构建IEEE33节点配电网模型，所述模型包括多个供电设备及多个用电节点，所述供电设备包括PV设备、WT设备以及GT设备中任意两种或者三种构成的组合以及至少一个SES设备，如图1所示。
IEEE33节点配电网模型中，为了获得最优的调度方法，即以最小网损为目标函数，其模型如下所示：
其中Ploss和Qloss分别为有功损耗和无功损耗，rij,zij和lij分别为节点ij间的支路电阻，支路电抗和支路电流幅值的平方。
约束条件如下所示：
其中，Pij,Qij为支路有功和无功功率；pi,qi为节点有功和无功功率；vij,lij分别为支路电压幅值的平方和电流幅值的平方；N,ε分别表示节点和支路的集合，其中i,j表示节点，(i,j)表示支路；变量·的下界和上界。
为了实现上述目的，本发明采用的求解方案为改进均衡优化算法整合前推回代法，其步骤如下所示：
初始化种群：由于该模型中存在DGs，其出力会影响整个系统的潮流分布，首先需要对其出力进行初始化，以获得初始种群，所述初始种群由多个个体组成，每个个体代表DGs中供电设备的一种出力组合；所述个体为其中，/>表示各个体在t时刻的出力情况，t表示调度周期，各部分共享储能容量之和不超过共享储能的总容量。针对图1中构建的模型，各种DG进行数据初始化后形成种群其中各部分共享储能容量之和不超过共享储能的总容量/>t取一天24h。
前推求解功率分布，不计电压损耗，只计算功率损耗，推算出支路首端功率和支路网损情况，如下所示。
其中n为迭代次数，rki和zki分别为支路ki的电阻和电抗，和/>分别为馈线支路ki的有功功率损耗和无功功率损耗；/>和/>分别为流经支路ki的有功功率和无功功率，Pi和Qi为节点i的有功功率和无功功率，/>为节点i电压的平方。
计算该功率与前一次前推计算获得的用电节点的功率的差值：
若所述差值大于阈值，则回代求解用电节点的电压：由始端电压、功率向末端推算电压降落，不再另算功率损耗，计算各母线电压，节点i的电压的回代计算公式为：
其中Iki支路ki的电流；为节点k复电压的共轭；Vi为节点i的电压。
将求解出的电压替换前推求解过程中的电压，返回执行前推求解各用电节点功率的步骤；
若所述差值小于阈值，求初始种群中每个个体的适应度值：将求出的支路网损进行求和，得到初始化种群中每个个体的适应度值(种群出力情况下的系统网损)。再判断迭代次数是否满足要求，若迭代次数没有达到预设次数，则基于所述适应度值构建平衡状态池：从初始种群中挑出适应度值最优的N个个体，并计算N个所述个体对应的平均值个体，由N个所述个体和平均值个体构成平衡状态池，其中，N为小于个体数的正整数。可选的，所述N取4，平衡状态池为Xeq,pool＝{Xeq,1,…,Xeq,4,Xeq,avg}，其中Xeq,1-4为截止到当前迭代次数时找到的最好适应度的4个个体，Xeq＝Rand(Xeq,pool)。基于所述平衡状态池对所述初始种群中的个体进行更新：
种群更新：改进均衡优化算法在平衡池中的当前最佳解和候选解之间进行选择，它有50％的概率直接选择最优个体，还有50％的概率选择其他四个个体，根据下式更新种群。
其中，iter是迭代次数，r1,...,r6是属于(0,1)的随机数；λ是[0,1]间的随机向量；V是单位体积；是服从莱维分布的随机数矩阵；Fi iter为指数项系数用于更好平衡算法的局部搜索和全局搜索的能力；如下所示：
其中，a1为常数被用来加速探索或开发，符号函数项sign(r-0.5)用于控制探索或开发的方向，t是随着迭代增加而减小一个非线性因子。G是生成率被用来提升开发能力:
t0＝(1/λ)ln[-a1sign(r5-0.5)(1-e-λt)+t] (18)
其中G0主要控制粒子是否使用GCP更新状态；GP决定粒子更新状态形式；t0降低搜索速度的同时提高算法的探索与开发能力。
获得更新后的种群，返回执行前推求解各用电节点的功率的步骤；若迭代次数达到预设次数，则输出最优的适应度值所对应的调度策略。
需要说明的是：一个种群有多个个体形成，每个个体代表着各个DG的出力组合，每个个体都能求解对应出力下的系统网损。例如：一个种群有120个个体，则就有120中DG的组合策略，就能求解出120个策略下的网损，从这120个网损中可以选取最优的四个形成平衡状态池，更新种群是根据更新的公式对种群中的每个个体的DG组合进行更新。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
本发明旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、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 (6)
1.一种含共享储能的配电网潮流优化方法，其特征在于，包括：
构建IEEE33节点配电网模型，所述模型包括多个供电设备及多个用电节点，所述供电设备包括PV设备、WT设备以及GT设备中任意两种或者三种构成的组合以及至少一个SES设备；
获得初始种群，所述初始种群由多个个体组成，每个个体代表供电设备的一种出力组合；
前推求解各用电节点的功率；
计算该功率与前一次前推计算获得的用电节点的功率的差值，若所述差值大于阈值，则回代求解用电节点的电压，并将所述电压替换前推求解过程中的电压，返回执行前推求解各用电节点的功率的步骤；若所述差值小于阈值，求初始种群中每个个体的适应度值，若迭代次数没有达到预设次数，则基于所述适应度值构建平衡状态池，基于所述平衡状态池对所述初始种群中的个体进行更新，获得更新后的种群，返回执行前推求解各用电节点的功率的步骤；若迭代次数达到预设次数，则输出最优的适应度值所对应的调度策略；
所述基于所述平衡状态池对所述初始种群中的个体进行更新，包括：
其中，r1,...,r6是属于(0,1)的随机数；λ是[0,1]间的随机向量；V是单位体积；是服从莱维分布的随机数矩阵；Fi iter为指数项系数，Fi iter＝a1×sign(r4-0.5)(e-λt-1)，a1为常数，t是随着迭代增加而减小一个非线性因子；G是生成率，/>t0＝(1/λ)ln[-a1sign(r5-0.5)(1-e-λt)+t]，/> 表示第iter+1次迭代中第i个DG个体的出力矩阵，/>表示第iter次迭代中平衡状态池随机取出的个体，/>表示第iter次迭代中第i个DG个体的出力矩阵，GP＝0.5为生产率，G0为决定浓度的更新策略，t0表示使G非线性化，sign()为符号函数，sin()表示正弦三角函数，GCP为生成速率控制参数。
2.根据权利要求1所述的含共享储能的配电网潮流优化方法，其特征在于，所述个体为其中，/>表示初始化种群中第i个体的出力情况，/>T取24h，各部分共享储能容量之和不超过共享储能的总容量，/>和表示各DGs在t时刻的最大出力限制和最小出力限制，r表示(0，1)之间的随机数。
3.根据权利要求1所述的含共享储能的配电网潮流优化方法，其特征在于，所述前推求解各用电节点的功率，包括：
其中n为迭代次数，rki和zki分别为支路ki的电阻和电抗，和/>分别为馈线支路ki的有功功率损耗和无功功率损耗；/>和/>分别为流经支路ij的有功功率和无功功率，Pi和Qi为节点i的有功功率和无功功率，/>为节点i电压的平方，/>和/>分别为流经支路ki的有功功率和无功功率，k,i分别为父、子节点，i,j分别为父、子节点，Ci为为由节点i的子节点构成的节点集。
4.根据权利要求1所述的含共享储能的配电网潮流优化方法，其特征在于，所述回代求解用电节点的电压，包括：
其中Iki支路ki的电流；为节点k复电压的共轭；Vi为节点i的电压，/>为迭代(n+1)次的支路ki的电流，/>和/>为流经支路ki的有功功率和无功功率，Vi (n+1)为迭代(n+1)次的节点i的电压，/>为为迭代(n+1)次的节点k电压，/>为迭代(n+1)次的节点k复电压的共轭，rki和zki为支路ki的阻抗，j为虚数符号。
5.根据权利要求1所述的含共享储能的配电网潮流优化方法，其特征在于，所述基于所述适应度值构建平衡状态池，包括：
从初始种群中挑出适应度值最优的N个个体，并计算N个所述个体对应的平均值个体，由N个所述个体和平均值个体构成平衡状态池，其中，N为小于个体数的正整数。
6.根据权利要求5所述的含共享储能的配电网潮流优化方法，其特征在于，所述N取4，平衡状态池为Xeq,pool＝{Xeq,1,…,Xeq,4,Xeq,avg}，其中Xeq,1-4为截止到当前迭代次数时找到的最好适应度的4个个体，Xeq＝Rand(Xeq,pool)，Xeq为从平衡状态池中随机选取的个体，Xeq,avg为平衡状态池的平均个体，Rand()为随机选取函数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211699982.9A CN115986744B (zh) | 2022-12-28 | 2022-12-28 | 一种含共享储能的配电网潮流优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211699982.9A CN115986744B (zh) | 2022-12-28 | 2022-12-28 | 一种含共享储能的配电网潮流优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115986744A CN115986744A (zh) | 2023-04-18 |
| CN115986744B true CN115986744B (zh) | 2024-02-06 |
Family
ID=85967687
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211699982.9A Active CN115986744B (zh) | 2022-12-28 | 2022-12-28 | 一种含共享储能的配电网潮流优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115986744B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106849112A (zh) * | 2016-12-30 | 2017-06-13 | 国网四川省电力公司经济技术研究院 | 基于非支配邻域免疫算法的配电网多目标无功优化方法 |
| CN107017640A (zh) * | 2017-06-12 | 2017-08-04 | 广东工业大学 | 一种电力系统的最优潮流计算方法、装置及系统 |
| CN107994582A (zh) * | 2017-10-24 | 2018-05-04 | 中国南方电网有限责任公司电网技术研究中心 | 含分布式电源的配电网重构方法和系统 |
| CN109672197A (zh) * | 2019-02-20 | 2019-04-23 | 国网能源研究院有限公司 | 一种考虑分布式电源出力不确定性的储能运行优化方法 |
| CN112380765A (zh) * | 2020-11-09 | 2021-02-19 | 贵州电网有限责任公司 | 一种基于改进平衡优化器算法的光伏电池参数识别方法 |
| CN113361805A (zh) * | 2021-06-30 | 2021-09-07 | 国网内蒙古东部电力有限公司经济技术研究院 | 一种配电网规划方法及系统 |
| CN114759572A (zh) * | 2022-05-19 | 2022-07-15 | 国网安徽省电力有限公司芜湖供电公司 | 一种用户台区无功补偿降损方法及装置 |
| CN114814467A (zh) * | 2022-05-19 | 2022-07-29 | 国网安徽省电力有限公司芜湖供电公司 | 一种配电网故障定位方法 |
-
2022
- 2022-12-28 CN CN202211699982.9A patent/CN115986744B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106849112A (zh) * | 2016-12-30 | 2017-06-13 | 国网四川省电力公司经济技术研究院 | 基于非支配邻域免疫算法的配电网多目标无功优化方法 |
| CN107017640A (zh) * | 2017-06-12 | 2017-08-04 | 广东工业大学 | 一种电力系统的最优潮流计算方法、装置及系统 |
| CN107994582A (zh) * | 2017-10-24 | 2018-05-04 | 中国南方电网有限责任公司电网技术研究中心 | 含分布式电源的配电网重构方法和系统 |
| CN109672197A (zh) * | 2019-02-20 | 2019-04-23 | 国网能源研究院有限公司 | 一种考虑分布式电源出力不确定性的储能运行优化方法 |
| CN112380765A (zh) * | 2020-11-09 | 2021-02-19 | 贵州电网有限责任公司 | 一种基于改进平衡优化器算法的光伏电池参数识别方法 |
| WO2022095265A1 (zh) * | 2020-11-09 | 2022-05-12 | 贵州电网有限责任公司 | 一种基于改进平衡优化器算法的光伏电池参数识别方法 |
| CN113361805A (zh) * | 2021-06-30 | 2021-09-07 | 国网内蒙古东部电力有限公司经济技术研究院 | 一种配电网规划方法及系统 |
| CN114759572A (zh) * | 2022-05-19 | 2022-07-15 | 国网安徽省电力有限公司芜湖供电公司 | 一种用户台区无功补偿降损方法及装置 |
| CN114814467A (zh) * | 2022-05-19 | 2022-07-29 | 国网安徽省电力有限公司芜湖供电公司 | 一种配电网故障定位方法 |
Non-Patent Citations (8)
| Title |
|---|
| 刘俊 ; 江修波 ; 刘丽军 ; .考虑低碳效益的配电网广义电源优化配置.南昌大学学报(工科版).2016,(第03期),全文. * |
| 含电动汽车与分布式电源的配电网络最优潮流;薛新白;吴红斌;;合肥工业大学学报(自然科学版)(第01期);全文 * |
| 吴大立 ; 郑中祥 ; 尹项根 ; 王义凯 ; 徐彪 ; 庞帅 ; .基于Petri网和多种群遗传算法的海洋核动力平台电力系统网络重构.电力自动化设备.2020,(第08期),全文. * |
| 基于Petri网和多种群遗传算法的海洋核动力平台电力系统网络重构;吴大立;郑中祥;尹项根;王义凯;徐彪;庞帅;;电力自动化设备(第08期);全文 * |
| 基于改进粒子群算法的配电网重构策略;王庆荣;王瑞峰;;计算机应用(第09期);全文 * |
| 王庆荣 ; 王瑞峰 ; .基于改进粒子群算法的配电网重构策略.计算机应用.2018,(第09期),全文. * |
| 考虑低碳效益的配电网广义电源优化配置;刘俊;江修波;刘丽军;;南昌大学学报(工科版)(第03期);全文 * |
| 薛新白 ; 吴红斌 ; .含电动汽车与分布式电源的配电网络最优潮流.合肥工业大学学报(自然科学版).2017,(第01期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115986744A (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109995075B (zh) | 一种含分布式电源的主动配电网动态重构方法 | |
| CN106230026B (zh) | 基于时序特性分析的含分布式电源的配电网双层协调规划方法 | |
| CN109599894B (zh) | 一种基于改进遗传算法的dg并网优化配置方法 | |
| CN106651628B (zh) | 基于图论的区域冷热电综合能源优化配置方法及装置 | |
| CN111146821A (zh) | 一种计及光伏不确定性的dstatcom优化配置方法 | |
| CN108242807A (zh) | 一种考虑多维安全约束的含光伏电源配电网重构方法 | |
| CN113378100B (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 | |
| CN116667325B (zh) | 一种基于改进布谷鸟算法的微电网并网运行优化调度方法 | |
| Javadi et al. | Application of GA, PSO and ABC in optimal design of a stand-alone hybrid system for north-west of Iran | |
| CN113178864A (zh) | 配电网供电故障恢复方法、装置及终端设备 | |
| CN104915788B (zh) | 一种考虑多风场相关性的电力系统动态经济调度的方法 | |
| CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
| CN114884110A (zh) | 一种源网荷多约束条件下的电力系统储能优化运行方法 | |
| CN114865625A (zh) | 一种包含微网的配电网故障恢复方法 | |
| CN115986744B (zh) | 一种含共享储能的配电网潮流优化方法 | |
| CN113937767B (zh) | 一种基于改进鲸鱼算法的微电网容量优化配置方法 | |
| Siqing et al. | Distribution network fault restoration based on improved adaptive genetic algorithm | |
| CN114204613A (zh) | 一种海上风电场接入电力系统的无功补偿方法和系统 | |
| CN112421673A (zh) | 基于多源协调的配电网网损优化控制方法及系统 | |
| Zhang et al. | The research on power dispatching to improve clean energy utilization | |
| Chunyi et al. | Static distribution network reconfiguration based on an improved particle swarm optimization algorithm | |
| Zhou et al. | Modelization and optimization of multi-type power generators joint scheduling based on improved PSO | |
| Lu et al. | Dynamic reconfiguration of distribution network with distributed power supply based on improved artificial fish-swarm algorithm | |
| Wang et al. | Distribution network loss calculation and reactive power optimization loss reduction analysis | |
| Zhang et al. | Construction of the core backbone grid based on the maximum profit-to-risk ratio |
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 |