CN116404646B - 一种计及备用风险的电力系统调度方法及系统 - Google Patents
一种计及备用风险的电力系统调度方法及系统 Download PDFInfo
- Publication number
- CN116404646B CN116404646B CN202310674198.0A CN202310674198A CN116404646B CN 116404646 B CN116404646 B CN 116404646B CN 202310674198 A CN202310674198 A CN 202310674198A CN 116404646 B CN116404646 B CN 116404646B
- Authority
- CN
- China
- Prior art keywords
- power
- risk
- limit
- order
- output
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005457 optimization Methods 0.000 claims abstract description 33
- 230000007246 mechanism Effects 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 230000005653 Brownian motion process Effects 0.000 claims abstract description 18
- 238000005537 brownian motion Methods 0.000 claims abstract description 18
- 238000005295 random walk Methods 0.000 claims abstract description 15
- 238000012502 risk assessment Methods 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 18
- 238000010248 power generation Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 239000003990 capacitor Substances 0.000 claims description 10
- 238000002347 injection Methods 0.000 claims description 9
- 239000007924 injection Substances 0.000 claims description 9
- 230000035945 sensitivity Effects 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 230000009194 climbing Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 238000012614 Monte-Carlo sampling Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 101100391182 Dictyostelium discoideum forI gene Proteins 0.000 claims 1
- 230000001276 controlling effect Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 21
- 239000000243 solution Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009133 cooperative interaction Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000019637 foraging behavior Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 244000062645 predators Species 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- H02J3/008—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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
- H02J3/38—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
-
- 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
- H02J2300/10—The dispersed energy generation being of fossil origin, e.g. diesel 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
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Power Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于电力调度技术领域,涉及一种计及备用风险的电力系统调度方法及系统,该方法包括:基于半不变量的随机潮流计算,基于随机潮流计算来构建备用风险评估指标;以系统运行成本最低和系统运行越限风险指标值最小为优化目标,并协同优化网端可控变量,构建了计及备用风险的电力系统源网协同优化调度模型;采用布朗‑莱维多目标微分进化算法求解电力系统源网协同优化调度模型。本发明可高效利用备用资源并综合考虑电力系统内其他灵活资源,以兼顾系统的经济性和安全性;同时采用融合布朗运动和莱维飞行特性随机游走机制的BL‑MODE算法高效求解电力系统源网协同优化调度模型。
Description
技术领域
本发明属于电力调度技术领域,具体涉及一种计及备用风险的电力系统调度方法及系统。
背景技术
随着新能源占比不断提高,电力系统的电源结构将向强不确定性和弱可控性转变,电网运行风险也随之显著提升;电力系统需要具备充裕的灵活调节性以应对新能源发电的强随机性与波动性。备用资源作为对电力系统运行灵活调节的重要保障,如何考虑备用风险性以高效利用备用资源,并综合考虑电力系统内其他灵活资源,以实现系统可靠性与经济性之间的平衡,已成为电力系统优化调度领域的研究重点。
为了衡量旋转备用容量配置方案的可靠性,大量文献对于备用风险评估指标开展了一系列的研究。现有文献多基于传统备用风险指标来评估备用方案的可靠性,这一类指标并未计及潮流波动给电力系统带来的风险性,进而无法量化因备用不足而造成的潮流越限风险,以至于旋转备用容量不能随着越限风险的大小而自适应变化,进而使得所制定的备用计划难以平衡经济性与可靠性。此外,为充分发挥电网源-网-荷协同互动优势,电力系统内各类资源参与优化调度也成为提升电网可靠性的有效方式之一。但现有文献很少综合考虑由备用不足给系统带来的越限风险以及由潮流波动所引起的功率越限和电压越限;而且很少涉及源侧备用资源和网侧可控资源的协同优化,难以实现电网内各类资源的高效利用。
发明内容
本发明的目的在于提供一种计及备用风险的电力系统调度方法及系统,实现了电力系统优化调度和高效求解。
本发明通过下述技术方案来实现:一种计及备用风险的电力系统调度方法,包括如下步骤:
步骤S1:基于半不变量的随机潮流计算;
步骤S2:基于随机潮流计算来构建备用风险评估指标;
步骤S3:以系统运行成本最低和系统运行越限风险指标值最小为优化目标,并协同优化网端可控变量,构建了计及备用风险的电力系统源网协同优化调度模型;所述电力系统源网协同优化调度模型包括系统运行成本最小化目标函数、系统运行越限风险最小化目标函数和约束条件,所述约束条件包括系统潮流约束、系统安全约束、机组相关约束、系统备用容量约束、风电、光伏出力约束、网端可控元件约束;
步骤S4:采用布朗-莱维多目标微分进化算法求解电力系统源网协同优化调度模型;布朗-莱维多目标微分进化算法是在微分进化过程中引入兼具布朗运动和莱维飞行特性的随机游走机制,构造变异操作机制。
进一步优选,所述系统运行成本最小化目标函数如下:
,
式中:F1为系统运行成本,T为时段总数;为火电机组数目;/>为t时段第i个火电机组的有功出力;/>为分别为第i个火电机组发电燃料成本特性的常数项系数、一次项系数和二次项系数,/>分别为t时段第i个火电机组的正、负旋转备用容量;分别为第i个火电机组预留正、负旋转备用容量的成本系数;
所述系统运行越限风险最小化目标函数如下:
式中:F2为系统运行越限风险,为系统运行越限风险指标值,/>为系统电压越限风险指标。
进一步优选,所述变异操作机制为:
,
式中,Xi,g表示进化g代的第i个d维个体向量,表示进化g代的第i个d维个体,将进化g代最佳个体向量Xbest,g选为变异基向量,/>表示由变异操作所得到的中间个体;F为变异尺度因子,S为布朗-莱维随机游走步长;其中:
式中:SBM为布朗运动步长且服从均值为微分进化变异差分项的正态分布;SLF为莱维飞行步长;为莱维飞行阈值;/>为布朗运动步长的方差;/>为变异差分项,/>表示进化g代的第f1个个体向量,/>表示进化g代的第f2个个体向量,f1、f2均随机选取,且i≠f1≠f2≠best;莱维飞行参数Ⅰ/>;莱维飞行参数Ⅱ/>和莱维飞行参数Ⅲ/>均服从正态分布,莱维飞行参数Ⅱ/>的方差为/>,莱维飞行参数Ⅲ/>的方差为/>:
,
式中,为莱维飞行参数Ⅱ/>的标准差,/>为莱维飞行参数Ⅲ/>的标准差,/>表示数学中的伽马函数。
进一步优选,基于半不变量的随机潮流计算是指:求得风电出力的半不变量、光伏出力的半不变量、电力负荷的半不变量后,将随机变量期望值代入潮流计算模型,通过采用牛顿-拉夫逊法进行确定性潮流计算,以获取基准点处最后一次参与迭代的雅克比矩阵,并将雅克比矩阵的逆矩阵作为节点注入功率与状态变量之间的灵敏度矩阵,并进一步计算支路功率与节点注入功率之间的灵敏度矩阵;通过灵敏度矩阵与各节点各阶半不变量结合求得状态变量以及支路功率的各阶半不变量,并将状态变量以及支路功率的各阶半不变量与Cornish-Fisher级数相结合,得到节点电压及支路功率的概率密度函数和分位函数。
进一步优选,风电出力的半不变量由蒙特卡洛抽样方法求得,首先风电出力的各阶原点矩由下式表示:
,
式中:为阶数,/>为风电出力的各阶原点矩,N为风电出力样本个数,/>为第i个风电出力/>阶样本,再根据各阶半不变量与原点矩的关系求得风电出力的各阶半不变量:
,
式中:为从/>个不同元素中取j个元素的组合数;/>为风电出力的j阶原点矩,/>为风电出力的一阶半不变量,/>为风电出力的一阶原点矩,/>为风电出力的/>阶半不变量,/>为风电出力的/>阶原点矩,/>为风电出力的/>阶半不变量。
进一步优选,电力负荷各阶中心矩表示为:
,
式中:表示阶数,/>为电力负荷的阶中心矩;!!表示双阶乘,/>为t时刻/>阶有功负荷的标准差;根据各阶半不变量与原点矩的关系求得电力负荷的各阶半不变量,其中电力负荷一阶半不变量为/>,电力负荷二阶半不变量为/>,其余阶半不变量均为0。
进一步优选,基于随机潮流计算来构建备用风险评估指标的方式为:
以为t时段第m条支路的功率;/>为第m条支路的容量上限;f(Pm,t)为t时段第m条支路的功率所对应的概率密度函数,t时刻第m条支路功率越限风险指标/>表示为:
,
系统t时段功率越限风险和功率越限风险指标为:
式中:为系统t时段功率越限风险;Nline为系统支路数;/>为系统功率越限风险指标。
进一步优选,系统潮流约束为:
,
式中:为t时刻第i个节点注入的有功功率,/>为t时刻第i个节点注入的无功功率;/>为t时刻第i个节点的电压,/>为t时刻第j个节点的电压;/>为第i个节点和j之间支路电导,/>为第i个节点和j之间支路电纳;/>为第i个节点与j之间的电压相角差;NE为系统节点总数。
进一步优选,系统安全约束为:
,
式中:为第i个节点的电压上限,/>为第i个节点的电压下限;/>为流过第m条支路的电流,/>为流过第m条支路的电流上限,/>为t时段第m条支路的功率;/>为第m条支路的容量上限。
进一步优选,所述机组相关约束为:
式中:为t时段第i个火电机组的有功出力上限,/>为t时段第i个火电机组的有功出力下限;/>为t时段第i个火电机组的无功出力,/>为t时段第i个火电机组的无功出力上限,/>为t时段第i个火电机组的无功出力下限;/>为第i个火电机组的上升爬坡速率,/>为第i个火电机组的下降爬坡速率;/>为时间间隔。
进一步优选,所述系统备用容量约束为:
,
式中:为t时刻的系统有功负荷需求,/>为t时段的光伏有功出力,/>为t时刻风电机组输出功率。
进一步优选,所述风电、光伏出力约束为:
式中:表示风电有功出力上限,/>表示光伏有功出力上限;/>表示风电无功出力,/>表示风电无功出力上限,/>表示光伏无功出力,/>表示光伏无功出力上限。
进一步优选,所述网端可控元件约束:
式中:Ti,t为t时段第i台有载调压变压器变比,为第i台有载调压变压器变比上限,/>为第i台有载调压变压器变比下限;QCn,t为t时段第n台电容器组无功补偿容量,/>为第n台电容器组无功补偿容量下限,/>为第n台电容器组无功补偿容量下限;Zh,t为第h个无功电压设备在前t个时段的总操作次数,/>为第h个无功电压设备操作次数上限。
本发明还提供了一种计及备用风险的电力系统调度系统,包括非易失性计算机存储介质,其特征在于,计算机存储介质存储有计算机可执行指令,该计算机可执行指令执行上述的计及备用风险的电力系统调度方法。
本发明提出了一种计及随机潮流和基于半不变量法的系统越限风险评估指标,并以系统运行成本和系统运行越限风险指标值为优化目标,构建了计及备用风险的电力系统源网协同优化调度模型,可高效利用备用资源并综合考虑电力系统内其他灵活资源,以兼顾系统的经济性和安全性;同时采用融合布朗运动和莱维飞行特性随机游走机制的BL-MODE算法高效求解电力系统源网协同优化调度模型。具有以下优点:
1)为充分挖掘源侧备用潜力,本发明提出了一种计及潮流越限的备用风险评估指标,以准确量化因备用不足而造成的越限风险,进而充分考虑由潮流波动给所带来的运行风险,使得旋转备用能够随着越限风险的大小而自适应变化,得到了更为准确且合理的备用方案,从而实现了源侧备用资源的高效利用。
2)计及备用风险性的新型电力系统源网协同安全经济调度模型充分调用源侧备用资源和网侧可控资源,有效提升了电网的可靠性,实现了更具安全性的源网协同优化调度方案。
3)BL-MODE算法相比传统多目标智能优化算法具有更好的寻优性能,得到了较高质量的帕累托前沿,使得各个目标向量更能均匀且完整地分布在帕累托前沿上。
附图说明
图1是本发明的流程图。
图2是支路功率的概率密度曲线。
图3是布朗-莱维微分进化机制寻优路径示意图。
具体实施方式
下面结合附图对本发明进一步详细阐明。
参照图1,一种计及备用风险的电力系统调度方法,包括步骤S1-步骤S4四个步骤。
步骤S1:基于半不变量的随机潮流计算。
由于负荷、风机与光伏发电出力具有较强的随机性,节点的注入功率具有波动性,因此系统的潮流是随机的。随机潮流可通过已知功率注入随机变量获取未知潮流状态变量概率分布,进而充分考虑节点的注入功率波动性的影响,相比于传统的确定性潮流计算能够更加深刻且全面地反映系统的运行特性,可实现对含可再生能源电力系统的薄弱点更为准确的分析,并揭示其风险。
半不变量法是求解随机潮流并得出节点电压与支路功率概率分布的有效方法,已被成功应用于解决含可再生能源电力系统的随机潮流计算问题,其中半不变量可以由不高于相应阶次的随机变量各阶矩求得。
1)风电出力的半不变量
风速概率密度函数通常近似由威布尔分布描述:
(1)
式中:为风速概率密度,kt为t时刻威布尔分布的形状参数;ct为t时刻威布尔分布的尺度参数;vt为t时刻的风速。
t时刻风速vt与风电机组输出功率的关系式如下:
(2)
式中:为t时刻风电机组输出功率,/>为风电机组额定输出功率;/>为风电机组额定风速;/>为切入风速;/>为切出风速。
风电出力的半不变量由蒙特卡洛抽样方法求得,首先风电出力的各阶原点矩可由下式表示:
(3)
式中:为阶数,/>为风电出力的各阶原点矩,N为风电出力样本个数,/>为第i个风电出力/>阶样本,再根据各阶半不变量与原点矩的关系求得风电出力的各阶半不变量:
(4)
式中:为从/>个不同元素中取j个元素的组合数;/>为风电出力的j阶原点矩,/>为风电出力的一阶半不变量,/>为风电出力的一阶原点矩,/>为风电出力的/>阶半不变量,/>为风电出力的/>阶原点矩,/>为风电出力的/>阶半不变量。
2)光伏出力的半不变量
光照强度通常近似服从贝塔分布,则光伏输出功率概率密度函数可表示为:
(5)
式中:为光伏输出功率概率密度,/>为t时刻的光伏有功出力,/>为光伏额定功率,/>为伽玛函数;at、bt分别为t时刻Beta分布的第一、第二形状参数;光伏出力半不变量具体计算过程与风电半不变量类似,此处不予赘述。
3)电力负荷的半不变量
电力负荷近似服从正态分布,电力负荷概率密度函数可表示为:
(6)
式中:为电力负荷概率密度,/>为t时刻的系统有功负荷需求;/>为t时刻有功负荷的期望值,/>为t时刻有功负荷的标准差。
电力负荷各阶中心矩可表示为:
(7)
式中:为电力负荷的阶中心矩;!!表示双阶乘,/>为t时刻/>阶有功负荷的标准差。
根据各阶半不变量与原点矩的关系求得电力负荷的各阶半不变量,其中电力负荷一阶半不变量为,电力负荷二阶半不变量为/>,其余阶半不变量均为0。
本发明在求得上述风光荷半不变量之后,将随机变量期望值代入潮流计算模型,通过采用牛顿-拉夫逊法进行确定性潮流计算,以获取基准点处最后一次参与迭代的雅克比矩阵,并将其逆矩阵作为节点注入功率与状态变量之间的灵敏度矩阵,并进一步可由式(8)得到支路功率与节点注入功率之间的灵敏度矩阵K0。
(8)
式中:G0为支路功率对状态变量的导数,J0为基准点处所对应的雅克比矩阵。
通过灵敏度矩阵与各节点各阶半不变量结合求得状态变量以及支路功率的各阶半不变量,并将其与Cornish-Fisher级数相结合,进一步得到节点电压及支路功率的概率密度函数和分位函数。
步骤S2:基于随机潮流计算来构建备用风险评估指标。
为准确量化因备用配置不合理而造成的潮流越限风险,本发明鉴于随机潮流是安全稳定性分析的重要工具,相比于传统确定性潮流计算更能计及各种不确定因素,给出系统稳态运行时状态变量的概率分布以充分反映系统的运行特性。故本发明将基于随机潮流计算来构建备用风险评估指标,以准确量化因备用不足而造成的越限风险。在此,本发明以功率越限风险指标为例,说明风险评估流程。
如图2所示:为t时段第m条支路的功率;/>为第m条支路的容量上限;f(Pm,t)为t时段第m条支路的功率所对应的概率密度函数,支路功率越限风险指标可由支路功率超过该支路允许传输的功率上限的概率及其严重度表示,在此,t时刻第m条支路功率越限风险指标/>可表示为:
(9)
在此可通过综合考虑系统整体风险(平均风险)和最薄弱环节风险(最大风险)构造风险指标函数,则由式(10)和式(11)可分别求得系统t时段功率越限风险和功率越限风险指标:
(10)
(11)
式中:为系统t时段功率越限风险;Nline为系统支路数;/>为系统功率越限风险指标,T为时段总数。
步骤S3:为高效利用电网的备用资源和电网侧可控资源,本发明以系统运行成本最低和系统运行越限风险指标值最小为优化目标,并协同优化网端可控变量,构建了计及备用风险的电力系统源网协同优化调度模型。电力系统源网协同优化调度模型包括系统运行成本最小化目标函数、系统运行越限风险最小化目标函数和约束条件,约束条件包括系统潮流约束、系统安全约束、机组相关约束、系统备用容量约束、风电、光伏出力约束、网端可控元件约束。
系统运行成本由电网购买火电机组出力的电量成本和备用容量成本组成,系统运行成本最小化目标函数如下:
(12)
式中:F1为系统运行成本,T为时段总数;为火电机组数目;/>为t时段第i个火电机组的有功出力;/>为分别为第i个火电机组发电燃料成本特性的常数项系数、一次项系数和二次项系数,/>分别为t时段第i个火电机组的正、负旋转备用容量;分别为第i个火电机组预留正、负旋转备用容量的成本系数。
为了实现源侧备用资源和网侧可控资源的协同优化,在此,系统运行越限风险最小化目标函数如下:
(13)
(14)
式中:F2为系统运行越限风险,为系统运行越限风险指标值,/>为系统电压越限风险指标,其推导过程与/>类似,此处不再赘述。
本发明不仅是对系统源侧各火电机组出力以及旋转备用容量进行优化,还对电网侧可控资源(包括变压器变比调节、无功补偿容量)进行协同优化,以进一步降低系统越限风险。
系统潮流约束:
(15)
式中:为t时刻第i个节点注入的有功功率,/>为t时刻第i个节点注入的无功功率;/>为t时刻第i个节点的电压,/>为t时刻第j个节点的电压;/>为第i个节点和j之间支路电导,/>为第i个节点和j之间支路电纳;/>为第i个节点与j之间的电压相角差;NE为系统节点总数。
系统安全约束:
(16)
式中:为第i个节点的电压上限,/>为第i个节点的电压下限;/>为流过第m条支路的电流,/>为流过第m条支路的电流上限。
机组相关约束:
式中:为t时段第i个火电机组的有功出力上限,/>为t时段第i个火电机组的有功出力下限;/>为t时段第i个火电机组的无功出力,/>为t时段第i个火电机组的无功出力上限,/>为t时段第i个火电机组的无功出力下限;/>为第i个火电机组的上升爬坡速率,/>为第i个火电机组的下降爬坡速率;/>为时间间隔。
系统备用容量约束:
(22)
式中:为t时刻的系统有功负荷需求,/>为t时段的光伏有功出力。
风电、光伏出力约束:
式中:表示风电有功出力上限,/>表示光伏有功出力上限;/>表示风电无功出力,/>表示风电无功出力上限,/>表示光伏无功出力,/>表示光伏无功出力上限。
网端可控元件约束:
式中:Ti,t为t时段第i台有载调压变压器变比,为第i台有载调压变压器变比上限,/>为第i台有载调压变压器变比下限;QCn,t为t时段第n台电容器组无功补偿容量,/>为第n台电容器组无功补偿容量下限,/>为第n台电容器组无功补偿容量下限;Zh,t为第h个无功电压设备在前t个时段的总操作次数,/>为第h个无功电压设备操作次数上限。
步骤S4:采用布朗-莱维多目标微分进化算法求解电力系统源网协同优化调度模型。
鉴于所构建的计及备用风险性的新型电力系统源网协同安全经济调度具有非凸非线性和多目标耦合等特点,本发明提出了一种布朗-莱维多目标微分进化(Brownian-Levy Multi-objective Differential Evolution,BL-MODE)算法对电力系统源网协同优化调度模型进行高效求解。
布朗运动和莱维飞行是两种具有不同特征的代表性随机游走模式,其中莱维飞行的每一步方向完全随机且各向同性,而布朗运动的步长分布为正态分布。莱维飞行可实现大范围的搜索但是不够细致,而布朗运动可在一定小范围内局部搜索,本发明将两种机制的特性进行有机融合,提出了一种布朗-莱维随机游走机制,能够使得在运动过程中的个体实现大范围细致搜索。
本发明在此综合布朗运动和莱维飞行两种随机游走机制,与高效的微分进化算法相融合,形成一种新型的布朗-莱维微分进化机制。
微分进化算法变异机制可由式(30)表示:
(30)
式中:Xi,g表示进化g代的第i个d维个体向量,表示进化g代的第i个d维个体,将进化g代最佳个体向量Xbest,g选为变异基向量,f1、f2均随机选取,且i≠f1≠f2≠best;Yi,g+1表示由变异操作所得到的中间个体;F为变异尺度因子;/>为变异差分项,/>表示进化g代的第f1个个体向量,/>表示进化g代的第f2个个体向量。
为避免微分进化寻优过程中由于进化方向太过单一而存在寻优搜索遍历性不高的问题,本发明通过在微分进化过程中引入上述兼具布朗运动和莱维飞行特性的随机游走机制,构造如式(31)所示的变异操作机制。
(31)
其中:
式中:S为布朗-莱维随机游走步长;SBM为布朗运动步长且服从均值为微分进化变异差分项的正态分布;SLF为莱维飞行步长;为莱维飞行阈值;/>为布朗运动步长的方差;莱维飞行参数Ⅰ/>;莱维飞行参数Ⅱ/>和莱维飞行参数Ⅲ/>均服从正态分布,莱维飞行参数Ⅱ/>的方差为/>,莱维飞行参数Ⅲ/>的方差为/>:
(34)
式中,为莱维飞行参数Ⅱ/>的标准差,/>为莱维飞行参数Ⅲ/>的标准差,/>表示数学中的伽马函数。
上述布朗-莱维微分进化机制在局部搜索阶段,新的布朗-莱维微分进化个体将在以当前最优个体向量为中心的高斯超椭球内生成,布朗运动步长服从均值为微分进化变异差分项的正态分布;一旦变异差分项趋于零而小于莱维飞行阈值时,则进化个体会立即主动转为莱维飞行变异模式,迅速跳出局部最优进入深度空间搜索;变异差分项一旦大于莱维飞行阈值,随即又转为布朗运动模式展开精细搜索的“光盘”行动。基于上述布朗-莱维微分进化机制不断良性循环,可高效实现深度寻优,布朗-莱维微分进化机制寻优路径如图3所示,图3中x为搜索位置横坐标,y为搜索位置纵坐标,表示相对位置变化,为无量纲量。
本发明将上述布朗-莱维微分进化机制结合非劣排序操作,构造出布朗-莱维多目标微分进化算法,求解流程下:
步骤S41:输入各分布参数、各发电机组参数、风光火机组和风光荷等系统相关数据;
步骤S42:设定算法种群规模、莱维飞行阈值、最大迭代次数等参数,初始化种群(由随机生成的各种调度方案个体组成),进化代数g=0;
步骤S43:基于半不变量法求解随机潮流,进而求得电压和功率的概率密度曲线;
步骤S44:计算每个进化个体的系统运行成本和系统运行越限风险指标值;
步骤S45:计算各个体的等级值和拥挤距离,按照等级值越大、拥挤距离越小个体在种群中排序越靠后的原则对种群进行排序;
步骤S46:布朗-莱维微分进化机制生成子代种群;
步骤S47:父代和子代种群混合并进行非劣排序操作,根据序值和拥挤距离选择产生更新种群;
步骤S48:判断进化代数g是否等于最大进化代数Gmax,如否,进化代数加1,返回步骤S43,如是,得到pareto最优解集合相应的备用方案,根据模糊集理论得到最优折中解,以获取最佳的电力系统源网协同优化调度。
鉴于电力系统源网协同优化调度模型具有非凸非线性和多目标耦合等特点,利用传统多目标优化算法进行求解时,通常存在进化后期种群失去个体多样性而导致进化趋于停滞陷入早熟的现象。为此,本发明借鉴海洋掠食者高效的随机游走觅食行为,综合布朗运动和莱维飞行两种随机游走机制,并与高效的微分进化算法相融合,构造出一种新型的布朗-莱维多目标微分进化算法。该算法可通过莱维飞行和布朗运动两种随机游走机制进行良性互补,在算法寻优过程中对进化个体搜索区域进行反复性的高效调整,使得在进化过程中的个体能保持多样性,从而有效克服进化早熟问题,最终实现了对计及备用风险性的电力系统源网协同优化调度的高效深度寻优。
本发明的方法,计及随机潮流和基于半不变量法的备用风险评估指标,通过该指标以准确量化因备用不足而造成的越限风险;同时,为了实现源侧备用资源和网侧可控资源的协同优化,将网侧有载调压变压器和电容器组无功补偿装置纳入决策变量,以系统运行成本最低和系统运行越限风险指标值最小为优化目标,构建了计及备用风险性的新型电力系统源网协同安全经济调度,该模型通过充分挖掘源侧备用潜力来降低功率越限风险,并且利用网段可控元件以来降低电压越限风险,进而降低系统的整体越限风险,从而保证电力系统的安全稳定运行。
本发明还提供了一种计及备用风险的电力系统调度系统,包括非易失性计算机存储介质,其特征在于,计算机存储介质存储有计算机可执行指令,该计算机可执行指令执行上述的计及备用风险的电力系统调度方法。
以上所述的具体实施方案,进一步详细地说明了本发明的目的、技术方案和技术效果。所应理解的是,以上所述仅为本发明的具体实施方案而已,并非用以限定本发明的范围,任何本领域的技术人员,在不脱离本发明思想和原则的前提下所做出的等同变化与修改,均应属于本发明保护的范围。
Claims (9)
1.一种计及备用风险的电力系统调度方法,其特征在于,包括如下步骤:
步骤S1:基于半不变量的随机潮流计算;
步骤S2:基于随机潮流计算来构建备用风险评估指标;
步骤S3:以系统运行成本最低和系统运行越限风险指标值最小为优化目标,并协同优化网端可控变量,构建了计及备用风险的电力系统源网协同优化调度模型;所述电力系统源网协同优化调度模型包括系统运行成本最小化目标函数、系统运行越限风险最小化目标函数和约束条件,所述约束条件包括系统潮流约束、系统安全约束、机组相关约束、系统备用容量约束、风电、光伏出力约束、网端可控元件约束;
步骤S4:采用布朗-莱维多目标微分进化算法求解电力系统源网协同优化调度模型;所述布朗-莱维多目标微分进化算法是在微分进化过程中引入兼具布朗运动和莱维飞行特性的随机游走机制,构造变异操作机制;
所述变异操作机制为:
;
式中,X i,g 表示进化g代的第i个d维个体向量,表示进化g代的第i个d维个体,将进化g代最佳个体向量X best,g 选为变异基向量,/>表示由变异操作所得到的中间个体;F为变异尺度因子,S为布朗-莱维随机游走步长;其中:
;
;
式中: S BM为布朗运动步长且服从均值为微分进化变异差分项的正态分布;S LF为莱维飞行步长;为莱维飞行阈值;/>为布朗运动步长的方差;/>为变异差分项,/>表示进化g代的第f 1个个体向量,/>表示进化g代的第f 2个个体向量,f 1、f 2均随机选取,且;莱维飞行参数/>;莱维飞行参数/>和莱维飞行参数/>均服从正态分布,莱维飞行参数/>的方差为/>,莱维飞行参数/>的方差为/>:
;
式中,为莱维飞行参数/>的标准差,/>为莱维飞行参数/>的标准差,/>表示数学中的伽马函数。
2.根据权利要求1所述的计及备用风险的电力系统调度方法,其特征在于,所述系统运行成本最小化目标函数如下:
;
式中:F1为系统运行成本,T为时段总数;为火电机组数目;/>为t时段第i个火电机组的有功出力;/>为分别为第i个火电机组发电燃料成本特性的常数项系数、一次项系数和二次项系数,/>、/>分别为t时段第i个火电机组的正、负旋转备用容量;/>、/>分别为第i个火电机组预留正、负旋转备用容量的成本系数;
所述系统运行越限风险最小化目标函数如下:
;
;
式中:F2为系统运行越限风险,为系统运行越限风险指标值,/>为系统电压越限风险指标。
3.根据权利要求1所述的计及备用风险的电力系统调度方法,其特征在于,基于半不变量的随机潮流计算是指:求得风电出力的半不变量、光伏出力的半不变量、电力负荷的半不变量后,将随机变量期望值代入潮流计算模型,通过采用牛顿-拉夫逊法进行确定性潮流计算,以获取基准点处最后一次参与迭代的雅克比矩阵,并将雅克比矩阵的逆矩阵作为节点注入功率与状态变量之间的灵敏度矩阵,并进一步计算支路功率与节点注入功率之间的灵敏度矩阵;通过灵敏度矩阵与各节点各阶半不变量结合求得状态变量以及支路功率的各阶半不变量,并将状态变量以及支路功率的各阶半不变量与Cornish-Fisher级数相结合,得到节点电压及支路功率的概率密度函数和分位函数。
4.根据权利要求3所述的计及备用风险的电力系统调度方法,其特征在于,风电出力的半不变量由蒙特卡洛抽样方法求得,首先风电出力的各阶原点矩由下式表示:
;
式中:为阶数,/>为风电出力的各阶原点矩,N为风电出力样本个数,/>为第i个风电出力/>阶样本,再根据各阶半不变量与原点矩的关系求得风电出力的各阶半不变量:
;
式中:为从/>个不同元素中取j个元素的组合数;/>为风电出力的j阶原点矩,为风电出力的一阶半不变量,/>为风电出力的一阶原点矩,/>为风电出力的/>阶半不变量,/>为风电出力的/>阶原点矩,/>为风电出力的/>阶半不变量;
电力负荷各阶中心矩表示为:
;
式中:表示阶数,/>为电力负荷的阶中心矩;!!表示双阶乘,/>为t时刻/>阶有功负荷的标准差;根据各阶半不变量与原点矩的关系求得电力负荷的各阶半不变量,其中电力负荷一阶半不变量为/>,电力负荷二阶半不变量为/>,其余阶半不变量均为0。
5.根据权利要求4所述的计及备用风险的电力系统调度方法,其特征在于,基于随机潮流计算来构建备用风险评估指标的方式为:
以为t时段第m条支路的功率;/>为第m条支路的容量上限;/>为t时段第m条支路的功率所对应的概率密度函数, t时刻第m条支路功率越限风险指标/>表示为:
;
系统t时段功率越限风险和功率越限风险指标为:
;
;
式中:为系统t时段功率越限风险;/>为系统支路数;/>为系统功率越限风险指标。
6.根据权利要求2所述的计及备用风险的电力系统调度方法,其特征在于,系统潮流约束为:
;
式中:为t时刻第i个节点注入的有功功率,/>为t时刻第i个节点注入的无功功率;为t时刻第i个节点的电压,/>为t时刻第j个节点的电压;/>为第i个节点和j之间支路电导,/>为第i个节点和j之间支路电纳;/>为第i个节点与j之间的电压相角差;/>为系统节点总数;
系统安全约束为:
;
式中:为第i个节点的电压上限,/>为第i个节点的电压下限;/>为流过第m条支路的电流,/>为流过第m条支路的电流上限,/>为t时段第m条支路的功率;/>为第m条支路的容量上限。
7.根据权利要求6所述的计及备用风险的电力系统调度方法,其特征在于,所述机组相关约束为:
;
;
;
;
;
式中:为t时段第i个火电机组的有功出力上限,/>为t时段第i个火电机组的有功出力下限;/>为t时段第i个火电机组的无功出力,/>为t时段第i个火电机组的无功出力上限,/>为t时段第i个火电机组的无功出力下限;/>为第i个火电机组的上升爬坡速率,/>为第i个火电机组的下降爬坡速率;/>为时间间隔;
所述系统备用容量约束为:
;
式中:为t时刻的系统有功负荷需求,/>为t时段的光伏有功出力,/>为t时刻风电机组输出功率;
所述风电、光伏出力约束为:
;
;
;
式中:表示风电有功出力上限,/>表示光伏有功出力上限;/>表示风电无功出力,/>表示风电无功出力上限,/>表示光伏无功出力,/>表示光伏无功出力上限。
8.根据权利要求7所述的计及备用风险的电力系统调度方法,其特征在于,所述网端可控元件约束:
;
;
;
式中:为t时段第i台有载调压变压器变比,/>为第i台有载调压变压器变比上限,为第i台有载调压变压器变比下限;/>为t时段第n台电容器组无功补偿容量,/>为第n台电容器组无功补偿容量上限,/>为第n台电容器组无功补偿容量下限;/>为第h个无功电压设备在前t个时段的总操作次数,/>为第h个无功电压设备操作次数上限。
9.一种计及备用风险的电力系统调度系统,包括非易失性计算机存储介质,其特征在于,计算机存储介质存储有计算机可执行指令,该计算机可执行指令执行权利要求1-8任意一项所述的计及备用风险的电力系统调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310674198.0A CN116404646B (zh) | 2023-06-08 | 2023-06-08 | 一种计及备用风险的电力系统调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310674198.0A CN116404646B (zh) | 2023-06-08 | 2023-06-08 | 一种计及备用风险的电力系统调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116404646A CN116404646A (zh) | 2023-07-07 |
CN116404646B true CN116404646B (zh) | 2023-10-20 |
Family
ID=87012729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310674198.0A Active CN116404646B (zh) | 2023-06-08 | 2023-06-08 | 一种计及备用风险的电力系统调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116404646B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408135A (zh) * | 2016-10-26 | 2017-02-15 | 重庆邮电大学 | 一种基于反馈学习布谷鸟算法的电力系统优化潮流方法 |
CN107368977A (zh) * | 2017-08-08 | 2017-11-21 | 国网江苏省电力公司盐城供电公司 | 一种改进的ieee33节点配电网测试系统 |
WO2018059096A1 (zh) * | 2016-09-30 | 2018-04-05 | 国电南瑞科技股份有限公司 | 一种多类电源发电计划组合决策方法及存储介质 |
CN107959307A (zh) * | 2017-12-07 | 2018-04-24 | 国家电网公司 | 一种计及配电网运行风险成本的dg优化配置方法 |
CN109117570A (zh) * | 2018-08-24 | 2019-01-01 | 国网安徽省电力有限公司岳西县供电公司 | 一种基于分布式光伏的配电网检修优化方法 |
CN111600303A (zh) * | 2020-06-15 | 2020-08-28 | 湘潭大学 | 一种基于改进多元宇宙算法的并网型风/光/储微电网优化配置方法 |
CN112510703A (zh) * | 2020-11-26 | 2021-03-16 | 贵州电网有限责任公司 | 一种考虑煤耗曲线修正的多能源接入电网优化调度方法 |
CN114124038A (zh) * | 2021-11-11 | 2022-03-01 | 大连理工大学 | 一种基于解卷积增强的滚动轴承声信号微弱故障诊断方法 |
-
2023
- 2023-06-08 CN CN202310674198.0A patent/CN116404646B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018059096A1 (zh) * | 2016-09-30 | 2018-04-05 | 国电南瑞科技股份有限公司 | 一种多类电源发电计划组合决策方法及存储介质 |
CN106408135A (zh) * | 2016-10-26 | 2017-02-15 | 重庆邮电大学 | 一种基于反馈学习布谷鸟算法的电力系统优化潮流方法 |
CN107368977A (zh) * | 2017-08-08 | 2017-11-21 | 国网江苏省电力公司盐城供电公司 | 一种改进的ieee33节点配电网测试系统 |
CN107959307A (zh) * | 2017-12-07 | 2018-04-24 | 国家电网公司 | 一种计及配电网运行风险成本的dg优化配置方法 |
CN109117570A (zh) * | 2018-08-24 | 2019-01-01 | 国网安徽省电力有限公司岳西县供电公司 | 一种基于分布式光伏的配电网检修优化方法 |
CN111600303A (zh) * | 2020-06-15 | 2020-08-28 | 湘潭大学 | 一种基于改进多元宇宙算法的并网型风/光/储微电网优化配置方法 |
CN112510703A (zh) * | 2020-11-26 | 2021-03-16 | 贵州电网有限责任公司 | 一种考虑煤耗曲线修正的多能源接入电网优化调度方法 |
CN114124038A (zh) * | 2021-11-11 | 2022-03-01 | 大连理工大学 | 一种基于解卷积增强的滚动轴承声信号微弱故障诊断方法 |
Non-Patent Citations (7)
Title |
---|
A robust optimization approach for the interdependency analysis of integrated energy systems considering wind power uncertainty;MARTINEZ-MARES A;《IEEE》;全文 * |
基于多策略扰动机制的飞蛾火焰算法及在乙烯聚合过程动力学参数估计中的应用;安许锋等;《高校化学工程学报》;第918-925页 * |
基于改进K-means聚类技术与半不变量法的电-气综合能源系统运行风险评估方法;谢桦等;《中国电机工程学报》;第59-69页 * |
基于机会约束规划的电-气互联综合能源系统随机最优潮流;张思德等;《电力自动化设备》;第121-128页 * |
基于条件风险方法的含风电系统旋转备用优化调度;周任军;张浩;范文帅;邓学华;;电力科学与技术学报(01);第3-9页 * |
基于随机潮流的电力系统风险评估及优化调度;李灿;《中国优秀硕士学位论文全文数据库》;第16-59页 * |
考虑越限风险的主动配电网日前优化调度及运行;符杨等;《中国电机工程学报》;第6328-6338页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116404646A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
García-Triviño et al. | Optimized operation combining costs, efficiency and lifetime of a hybrid renewable energy system with energy storage by battery and hydrogen in grid-connected applications | |
Hassan et al. | Optimal reactive power dispatch with time-varying demand and renewable energy uncertainty using Rao-3 algorithm | |
Khatod et al. | Evolutionary programming based optimal placement of renewable distributed generators | |
Venkatesan et al. | Optimal power flow control of hybrid renewable energy system with energy storage: A WOANN strategy | |
Zhang et al. | Gradient decent based multi-objective cultural differential evolution for short-term hydrothermal optimal scheduling of economic emission with integrating wind power and photovoltaic power | |
Suchitra et al. | Optimal design of hybrid power generation system and its integration in the distribution network | |
Kumar et al. | Biogeography based tuning of PID controllers for Load Frequency Control in microgrid | |
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 | |
CN112508221A (zh) | 一种有限储能下考虑源-荷不确定性的日前调度决策方法 | |
Coppez et al. | Review of battery storage optimisation in distributed generation | |
Zhang et al. | MOEA/D-based probabilistic PBI approach for risk-based optimal operation of hybrid energy system with intermittent power uncertainty | |
Patwal et al. | Multi-objective generation scheduling of integrated energy system using fuzzy based surrogate worth trade-off approach | |
Singhal et al. | A novel strategy-based hybrid binary artificial bee colony algorithm for unit commitment problem | |
Azizivahed et al. | Multi-area dynamic economic dispatch considering water consumption minimization, wind generation, and energy storage system | |
Sallam et al. | Optimal power flow considering intermittent solar and wind generation using multi-operator differential evolution algorithm | |
Kyomugisha et al. | Performance of various voltage stability indices in a stochastic multiobjective optimal power flow using mayfly algorithm | |
Pan et al. | Dual-layer optimal dispatching strategy for microgrid energy management systems considering demand response | |
Zhou et al. | Online energy management optimization of hybrid energy storage microgrid with reversible solid oxide cell: A model-based study | |
CN116404646B (zh) | 一种计及备用风险的电力系统调度方法及系统 | |
Shahzad et al. | Optimal planning of distributed energy storage systems in active distribution networks using advanced heuristic optimization techniques | |
Sarfi et al. | A new multi-objective economic-emission dispatch in microgrids | |
Banerjee et al. | Chaotic simplex moth swarm algorithm for optimization of alternative energy integrated power grid including static synchronous series compensator | |
Soni et al. | Integrating renewable energy sources and electric vehicles in dynamic economic emission dispatch: an oppositional-based equilibrium optimizer approach | |
AL-Maaitah et al. | Particle Swarm Optimizer for BESS Operation to Mitigate Voltage Deviation of the Modified IEEE 9-bus Power System | |
Lin et al. | Reactive power optimization in area power grid based on improved Tabu search algorithm |
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 |