CN117277446A - 多目标配电网规划方法及系统 - Google Patents

多目标配电网规划方法及系统 Download PDF

Info

Publication number
CN117277446A
CN117277446A CN202311570274.XA CN202311570274A CN117277446A CN 117277446 A CN117277446 A CN 117277446A CN 202311570274 A CN202311570274 A CN 202311570274A CN 117277446 A CN117277446 A CN 117277446A
Authority
CN
China
Prior art keywords
power
nodes
distribution network
loss
node
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
CN202311570274.XA
Other languages
English (en)
Other versions
CN117277446B (zh
Inventor
鲁旭东
丁慧
郑旭初
陈东
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.)
Zhejiang Youneng Electric Power Design Co ltd
Original Assignee
Zhejiang Youneng Electric Power Design 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 Zhejiang Youneng Electric Power Design Co ltd filed Critical Zhejiang Youneng Electric Power Design Co ltd
Priority to CN202311570274.XA priority Critical patent/CN117277446B/zh
Publication of CN117277446A publication Critical patent/CN117277446A/zh
Application granted granted Critical
Publication of CN117277446B publication Critical patent/CN117277446B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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]
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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]
    • 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]
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Geometry (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种多目标配电网规划方法及系统，涉及电力技术领域，包括：确定所述目标配电网的拓扑结构，基于所述拓扑结构中每个节点的电流信息、功率信息结合所述支路的线路信息建立基础负荷模型，在所述基础负荷模型中引入二阶潮流因子以及随机影响因子；基于所述目标配电网的拓扑结构中多条支路中各个节点的电压幅值、相位角以及支路阻抗，确定第一功率耗损；根据所述目标配电网中变压器的变压有功功率和变压无功功率，确定第二功率耗损；以所述二阶潮流模型为约束条件，根据所述电网耗损模型以所述目标配电网的总耗损最小化为目标构建目标函数，迭代调整所述目标函数的参数直至所述总损耗最小，确定所述目标配电网的规划方案。

Description

多目标配电网规划方法及系统
技术领域
本发明涉及电力技术，尤其涉及一种多目标配电网规划方法及系统。
背景技术
配电网作为电力系统的重要组成部分，是地区重要的基础设施，也是连接电源与用户之间的枢纽。随着我国经济的快速发展，产业的改造升级以及人民生活水平的不断提高，对配电网的可靠性提出了越来越高的要求。目前，我国大部分配电网还存在设备老化、结构不合理、自动化水平低等问题，严重影响电力系统供电可靠性。因此，有必要加大配电网投资力度，不断对配电网进行升级和改造以提高其可靠性。
CN202011555816.2，公开了一种配电网规划方法。其中，该方法包括：获取配电网系统扩展规划的成本数据；建立目标模型，其中，目标模型用于在配电网系统扩展规划满足成本数据的情况下，基于配电网系统扩展规划的预设参数确定配电网系统扩展规划总成本的现值；将多个约束条件输入到目标模型，其中，多个约束条件分别用于指示在配电网系统扩展规划满足成本数据的情况下成本数据被限制的范围；根据目标模型对配电网系统扩展规划总成本的现值进行调整。本发明解决了相关技术中的配电网系统扩展规划没有考虑到需求响应资源的影响，导致配电网系统扩展规划的成本过高的技术问题。
CN202310638617.5， 公开了一种配电网的多目标规划方法及装置，包括：获取待规划区域的第一运行参数，构建源荷概率分布函数，并根据待规划区域源荷概率分布函数进行运行场景的生成，并聚类为若干个确定性场景；以年综合费用期望值最小和分布式新能源渗透率期望值最高为目标，结合待规划区域的约束条件，构建配电网多目标随机规划模型；将所述配电网多目标随机规划模型转化成凸模型形式；将凸模型形式的配电网多目标随机规划模型转化成若干个单目标问题模型并求解，得到各单目标问题模型的最优解，进而完成配电网的多目标规划。本发明解决现有技术中的投资费用和新能源渗透率无法兼顾，配电网规划的经济性与可靠性低的问题，同时也提高了模型求解准确性和效率。
综上，现有技术虽然可以控制电网规划的成本，以及构建随机模型解决多目标配网的部分问题，但未能针对多目标配网的目标间冲突作出优化解决，导致现有技术应对配网规划的不确定性和随机性缺乏决策能力，本发明的应用至少能够解决现有技术的部分问题。
发明内容
本发明提供一种多目标配电网规划方法及系统，至少能够解决现有技术中部分问题。
本发明的第一方面，
提供一种多目标配电网规划方法，包括：
根据目标配电网的节点和支路，确定所述目标配电网的拓扑结构，基于所述拓扑结构中每个节点的电流信息、功率信息结合所述支路的线路信息建立基础负荷模型，在所述基础负荷模型中引入二阶潮流因子以及随机影响因子，构建二阶潮流模型；
基于所述目标配电网的拓扑结构中多条支路中各个节点的电压幅值、相位角以及支路阻抗，确定所述目标配电网中多条支路对应的第一功率耗损；根据所述目标配电网中变压器的变压有功功率和变压无功功率，结合所述变压器的视在功率确定第二功率耗损；结合所述第一功率耗损对应的第一功率权重以及所述第二功率耗损对应的第二功率权重，构建电网耗损模型：
以所述二阶潮流模型为约束条件，根据所述电网耗损模型以所述目标配电网的总耗损最小化为目标构建目标函数，迭代调整所述目标函数的参数直至所述总耗损最小，确定所述目标配电网的规划方案。
优选的，基于所述拓扑结构中每个节点的电流信息、功率信息结合所述支路的线路信息建立基础负荷模型，在所述基础负荷模型中引入二阶潮流因子以及随机影响因子，构建二阶潮流模型包括：
所述拓扑结构中的节点包括负荷节点、发电机节点、交叉节点、变压器节点中至少一种，所述拓扑结构的支路包括各个节点构成的连接边，所述线路信息包括导线阻抗；
基于每个节点的流入电流信息和流出电流信息确定每个节点的电流平衡方程；基于每个节点的功率信息以及节点的内部功率消耗确定每个节点的功率平衡方程；根据所述电流平衡方程和所述功率平衡方程结合所述支路的线路信息建立所述基础负荷模型；
基于每个节点的电压信息以及相连节点构成的连接边的功率信息构建二阶导数矩阵作为所述二阶潮流因子；将所述拓扑结构中负荷和可再生能源的出力作为随机影响因子；
在所述基础负荷模型中引入二阶潮流因子以及随机影响因子，构建二阶潮流模型。
优选的，在所述基础负荷模型中引入二阶潮流因子以及随机影响因子，构建二阶潮流模型包括：
所述基础负荷模型如下公式所示：
；
其中，N表示节点的数量，代表从节点j流向节点i的电流，表示了节点i的所有电流输入；/>代表从节点i流向节点j的电流，表示了节点i的所有电流输出；/>表示节点i的所有输入功率，包括从其他节点输入的功率以及节点内部发电机产生的功率；/>表示节点i的所有输出功率，包括流向其他节点的功率以及节点内部负载消耗的功率；表示节点i的内部功率消耗，通常是由负载消耗的功率，是系统内的能量损耗；表示节点i内部发电机产生的功率，通常是由发电机产生的功率；
二阶潮流模型如下公式所示：
；
其中，表示节点i的电压变化，/>表示节点j的电压变化，H ij 表示节点i和节点j之间的二阶导数矩阵，L ij 表示节点i和节点j之间线路阻抗，Rand表示随机影响因子。
优选的，基于所述目标配电网的拓扑结构中多条支路中各个节点的电压幅值、相位角以及支路阻抗，确定所述目标配电网中多条支路对应的第一功率耗损包括：
；
；
；
其中，w p 、w q 分别表示有功耗损权重和无功耗损权重，P loss 、Q loss 分别表示有功功率耗损和无功功率耗损，M表示图节点的数量，V i 、V j 分别表示图节点i、j对应的电压幅值，、分别表示图节点i，j的相位角，B ij 表示图节点i，j之间的阻抗。
优选的，根据所述目标配电网中变压器的变压有功功率和变压无功功率，结合所述变压器的视在功率确定第二功率耗损包括：
；
其中，LOSS表示变压器的总功率损耗，M表示变压器连接的负载数量的整数，P load,j 表示变压器连接的第j个负载的有功功率，Q load,j 表示变压器连接的第j个负载的无功功率，S表示变压器的视在功率，S rated 表示变压器的额定视在功率。
优选的，以所述二阶潮流模型为约束条件，根据所述电网耗损模型以所述目标配电网的总耗损最小化为目标构建目标函数，迭代调整所述目标函数的参数直至所述总损耗最小，确定所述目标配电网的规划方案包括：
对所述目标函数中的参数进行初始化处理，通过预设的目标优化算法求解所述目标函数，生成一组帕累托最优解，所述帕累托最优解用于指示不同权衡下的最优操作参数配置；
对于得到的帕累托最优解集合，使用电网耗损模型和二阶潮流模型进行评估，计算每个解的总耗损；
分析评估结果，比较不同解的总耗损，根据评估结果，调整目标函数中的参数，将调整后的参数作为新的参数进行迭代求解，直至所述总耗损最小，确定所述目标配电网的规划方案。
本发明的第二方面，
提供一种多目标配电网规划系统，其特征在于，包括：
第一单元，用于根据目标配电网的节点和支路，确定所述目标配电网的拓扑结构，基于所述拓扑结构中每个节点的电流信息、功率信息结合所述支路的线路信息建立基础负荷模型，在所述基础负荷模型中引入二阶潮流因子以及随机影响因子，构建二阶潮流模型；
第二单元，用于基于所述目标配电网的拓扑结构中多条支路中各个节点的电压幅值、相位角以及支路阻抗，确定所述目标配电网中多条支路对应的第一功率耗损；根据所述目标配电网中变压器的变压有功功率和变压无功功率，结合所述变压器的视在功率确定第二功率耗损；结合所述第一功率耗损对应的第一功率权重以及所述第二功率耗损对应的第二功率权重，构建电网耗损模型：
第三单元，用于以所述二阶潮流模型为约束条件，根据所述电网耗损模型以所述目标配电网的总耗损最小化为目标构建目标函数，迭代调整所述目标函数的参数直至所述总耗损最小，确定所述目标配电网的规划方案。
本发明的第三方面，
提供一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。
本发明的第四方面，
提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。
本发明的有益效果可以参考具体实施方式中技术特征对应的效果，在此不再赘述。
附图说明
图1为本发明实施例多目标配电网规划方法的流程示意图；
图2为本发明实施例多目标配电网规划系统的结构示意图。
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。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明实施例多目标配电网规划方法的流程示意图，如图1所示，所述方法包括：
S101.根据目标配电网的节点和支路，确定所述目标配电网的拓扑结构，基于所述拓扑结构中每个节点的电流信息、功率信息结合所述支路的线路信息建立基础负荷模型，在所述基础负荷模型中引入二阶潮流因子以及随机影响因子，构建二阶潮流模型；
所述基础负荷模型具体是指一种描述电力系统中节点，如家庭、工厂等的电力需求的模型，它通常基于历史数据或负荷曲线，表示电力需求如何随时间变化，以便更好地进行电力系统规划和运行。
所述二阶潮流因子具体是指一种考虑电力系统中电流和功率的非线性影响的因素，通常电流不仅受节点电压和支路阻抗的一阶影响，还受到如电压的变化率等的二阶影响，这些因素在高精度潮流分析中是重要的。
所述随机影响因子具体是指电力系统中的不确定性因素，如天气、负荷变化、设备故障等，所述因素会对电力系统的性能产生随机的影响，随机影响因子用于考虑系统的不确定性，以便更好地规划和操作电力系统。
所述二阶潮流模型具体是指一种高级数学模型，用于描述电力系统中节点之间的电流分布，考虑了二阶潮流因子和随机影响因子，用于更准确地分析电力系统的性能，特别是在高负荷变化和不确定性条件下。
收集目标配电网的节点信息和支路信息，包括节点的编号、坐标、连接方式、支路的编号、起始节点和终止节点、线路参数等，结合以时间序列的形式提供每个节点在不同时间点的电流值和功率需求，经过整理和清洗上述数据，确保数据的准确性和一致性，将数据与相应的节点和时间相关联，使用统计方法、回归分析或时间序列分析等技术来建立基础负荷模型。在潮流计算中，将考虑电流和电压之间的非线性关系，引入二阶潮流因子，考虑天气预测、负荷波动等随机因素，引入随机影响因子，使用概率分布来建模所诉因素的不确定性，结合基础负荷模型、二阶潮流因子和随机影响因子，通过DIgSILENT PowerFactory或PowerWorld Simulator来建立二阶潮流模型。
在一种可选的实施方式中，基于所述拓扑结构中每个节点的电流信息、功率信息结合所述支路的线路信息建立基础负荷模型，在所述基础负荷模型中引入二阶潮流因子以及随机影响因子，构建二阶潮流模型包括：
所述拓扑结构中的节点包括负荷节点、发电机节点、交叉节点、变压器节点中至少一种，所述拓扑结构的支路包括各个节点构成的连接边，所述线路信息包括导线阻抗；
基于每个节点的流入电流信息和流出电流信息确定每个节点的电流平衡方程；基于每个节点的功率信息以及节点的内部功率消耗确定每个节点的功率平衡方程；根据所述电流平衡方程和所述功率平衡方程结合所述支路的线路信息建立所述基础负荷模型；
基于每个节点的电压信息以及相连节点构成的连接边的功率信息构建二阶导数矩阵作为所述二阶潮流因子；将所述拓扑结构中负荷和可再生能源的出力作为随机影响因子；
在所述基础负荷模型中引入二阶潮流因子以及随机影响因子，构建二阶潮流模型。
所述电流平衡方程具体是用于描述电力系统中每个节点的电流流入和电流流出的平衡关系。对每个节点应用电流平衡方程，考虑各个节点类型的电流流入I in 和电流流出I out ：
对于负荷节点，电流平衡方程可以表示为：
；
其中I consumed 代表节点内部的负荷消耗电流；
对于发电机节点，电流平衡方程可以表示为：
；
其中I generated 代表节点内部的发电电流；
对于交叉节点，电流平衡方程可以表示为：
；
因为它只是电力流的分岔点，没有自己的负荷或发电。
所述功率平衡方程具体是用于描述每个节点的功率生成和功率消耗之间的平衡关系。对每个节点应用功率平衡方程，考虑各个节点类型的输入功率P in 和输出功率P out ：
对于负荷节点，功率平衡方程可以表示为：
；
其中P consumed 表示节点内部的负荷消耗功率；
对于发电机节点，功率平衡方程可以表示为：
；
其中P generated 表示节点内部的发电功率；
对于交叉节点，功率平衡方程可以表示为：
；
因为它只是电力流的分岔点，没有自己的功率生成或消耗；
所述二阶导数矩阵是一个矩阵，其元素表示了电力系统中节点电压和节点功率之间的二阶导数关系。通常它包括节点电压的二阶导数、节点电压与节点功率之间的混合二阶导数，以及节点功率的二阶导数，提供了电力系统动态响应的更高阶信息，它反映了电力系统中电压和功率之间的非线性关系，特别是在瞬态和短期动态过程中的响应。
在建立电流平衡方程和功率平衡方程时，需要考虑导线阻抗对电流和功率的影响，其中导线阻抗会影响电流在电力系统中的分布，当电流通过具有一定电阻和电抗的导线时，导线将对电流施加阻力，并且可能引起电流的相位角变化，电流分布取决于电流大小和导线的电阻、电抗；导线阻抗也会导致电压降，根据欧姆定律（Ohm's Law）：
；
其中，表示电压降，I表示电流，Z表示导线阻抗；因此，电阻较大的导线会导致较大的电压降，特别是在长距离输电线路中，电压降可以降低电压水平，影响负载设备的性能，因此必须在电力系统规划和操作中考虑。
对于每个节点，根据其电压信息和相连节点的功率信息，构建二阶导数矩阵，如在三个节点的电力系统中时，有节点1、节点2、节点3，它们分别有电压（V1、V2 和 V3）和有功功率（P1、P2 和 P3）变量，其中包含非线性关系，状态方程表示为：
；
其描述了节点电压和节点功率之间的关系；对状态方程进行一阶导数计算，以获得一阶导数矩阵，一阶导数矩阵包括电压和功率之间的一阶导数关系，通常表示为 dP/dV的形式，其表示如下：
；
对一阶导数进行再次求导，以获得二阶导数矩阵，二阶导数矩阵包括电压和功率之间的二阶导数关系，通常表示为 d²P/dV² 的形式，其表示如下：
；
其中，a1,a2,a3表示非线性系数，代表各节点电压和有功功率之间的非线性关系，具体含义会根据电力系统的特性而变化，可以代表不同的物理参数和非线性特性；b1,b2,b3表示状态方程中的常数项，通常包括了与电力系统中的恒定功率或偏移相关的常数，也可以根据实际情况进行调整；
电力系统的负荷是指用电需求通常是不断变化的，因为用户的用电需求会随时间和季节变化，这种变化是不确定的，可以被视为随机影响因子；可再生能源，如风能和太阳能，具有天气和气象变化的影响，因此，可再生能源的发电出力通常存在波动，也是随机影响因子；这些随机影响因子会对电力系统的稳定性和运行产生影响。使用模拟随机影响因子的模型来进行可靠性分析和风险评估，以确保电力系统在面对负荷波动和可再生能源不确定性时能够保持稳定。
二阶潮流因子是电力系统中的非线性效应，包括节点电压的二阶导数和电压幅值的非线性关系，所述因子的引入对于分析系统的振荡和瞬时响应非常重要，随机影响因子通常用于考虑系统中的随机性，可以代表系统中的随机扰动，以模拟系统的不确定性。
在一种可选的实施方式中，在所述基础负荷模型中引入二阶潮流因子以及随机影响因子，构建二阶潮流模型包括：
所述基础负荷模型如下公式所示：
；
其中，N表示节点的数量，代表从节点j流向节点i的电流，表示了节点i的所有电流输入；/>代表从节点i流向节点j的电流，表示了节点i的所有电流输出；/>表示节点i的所有输入功率，包括从其他节点输入的功率以及节点内部发电机产生的功率；/>表示节点i的所有输出功率，包括流向其他节点的功率以及节点内部负载消耗的功率；表示节点i的内部功率消耗，通常是由负载消耗的功率，是系统内的能量损耗；表示节点i内部发电机产生的功率，通常是由发电机产生的功率；
二阶潮流模型如下公式所示：
；
其中，表示节点i的电压变化，/>表示节点j的电压变化，H ij 表示节点i和节点j之间的二阶导数矩阵，L ij 表示节点i和节点j之间线路阻抗，Rand表示随机影响因子。
在以上实施例中，引入二阶潮流因子能更准确地模拟电力系统中的非线性特性；电力系统中存在许多非线性因素，包括电压的非线性响应、负荷变化的非线性效应等，通过考虑二阶潮流因子，模型可以更好地捕捉这些效应，从而提高模拟和分析的准确性；二阶潮流模型对于瞬时稳定性分析非常重要，它能够帮助分析系统在扰动或故障情况下的响应，包括振荡和稳定性问题，这对于确保电力系统的可靠性和安全性至关重要；引入随机影响因子允许模拟可再生能源的波动性，例如太阳能和风能的不确定性等，这有助于更好地管理电力系统中的可再生能源，并优化调度策略；二阶潮流模型可以作为智能决策支持系统的基础，更好地管理和控制电力系统，这些模型可以用于优化电力系统的调度、故障检测和实时控制；通过更准确的模拟和分析，可以更好地识别潜在的问题和风险，采取适当的措施以降低系统运行风险，提高电力系统的可靠性和稳定性。
S102.基于所述目标配电网的拓扑结构中多条支路中各个节点的电压幅值、相位角以及支路阻抗，确定所述目标配电网中多条支路对应的第一功率耗损；根据所述目标配电网中变压器的变压有功功率和变压无功功率，结合所述变压器的视在功率确定第二功率耗损；结合所述第一功率耗损对应的第一功率权重以及所述第二功率耗损对应的第二功率权重，构建电网耗损模型；
所述有功功率具体是指电力系统中的功率参数，通常以瓦特W为单位表示，它表示能量在电路中传输的速率，通常与电阻性负载相关，有功功率用于执行实际的功率任务，如驱动电动机或加热元件等。
所述无功功率具体指电力系统中的功率参数，通常以千乏特kVAR为单位表示，它代表电能来回在电路中循环的速率，通常与电感性或电容性负载相关，无功功率不执行有用的功率任务，但在电力系统的稳定性中起到重要作用。
所述视在功率具体是指电力系统中的功率参数，通常以千伏安kVA为单位表示，它表示电压和电流的乘积，包括有功功率和无功功率的组合，视在功率是实际功率和虚拟功率之和，用于描述电路中的总功率流动。
收集电力系统的拓扑结构信息，包括节点和支路的连接关系，以及支路的阻抗信息，对于每条支路，计算电流和电压幅值、相位角，以及有功功率和无功功率，使用DIgSILENT PowerFactory进行计算，根据节点的电压和支路阻抗来确定；
对于变压器，考虑变压有功功率和变压无功功率，以及视在功率，由变压器的额定规格和实际运行数据确定。
根据计算得到的参数，计算每条支路的第一功率耗损和变压器的第二功率耗损，结合第一功率耗损和第二功率耗损以及相应的权重，构建电网耗损模型，电网耗损模型可以用于分析电网中的能量损耗分布和优化电力系统的运行。
在一种可选的实施方式中，基于所述目标配电网的拓扑结构中多条支路中各个节点的电压幅值、相位角以及支路阻抗，确定所述目标配电网中多条支路对应的第一功率耗损包括：
；
；
；
其中，w p 、w q 分别表示有功耗损权重和无功耗损权重，P loss 、Q loss 分别表示有功功率耗损和无功功率耗损，M表示图节点的数量，V i 、V j 分别表示图节点i、j对应的电压幅值，、分别表示图节点i，j的相位角，B ij 表示图节点i，j之间的阻抗。
在计算电力系统中有功损耗时，通过遍历系统中所有的节点对(i,j)，计算每一对节点之间的有功损耗，最终统计所有节点对之间的有功损耗；与有功损耗类似，也是通过遍历系统中的所有节点对(i,j)，计算每一对节点之间的无功损耗，最终统计所有节点对之间的无功损耗；再根据有功损耗和无功损耗的相对重要性，通过加权求和，得到最终的第一功率损耗；通过调整权重系数，根据不同的运行目标，如降低运行成本、改善电压稳定性或功率因数改善来优化电网的性能。
在一种可选的实施方式中，根据所述目标配电网中变压器的变压有功功率和变压无功功率，结合所述变压器的视在功率确定第二功率耗损包括：
；
其中，LOSS表示变压器的总功率损耗，M表示变压器连接的负载数量的整数，P load,j 表示变压器连接的第j个负载的有功功率，Q load,j 表示变压器连接的第j个负载的无功功率，S表示变压器的视在功率，S rated 表示变压器的额定视在功率。
在本实施例中，可以定量地评估变压器的功率损耗，了解损耗的大小有助于确定变压器的效率以及它在特定运行条件下的性能，这有助于节约能源和降低运行成本；负载项P load,j 、Q load,j 考虑了连接到变压器的各个负载的功率需求，有助于优化负载分配，确保变压器的设计容量足够满足各个负载的需求，同时最小化功率损耗；考虑到了变压器的视在功率相对于其额定视在功率的比例，有助于评估变压器在运行时是否接近其额定容量，如果这个比例接近1，那么变压器在额定容量范围内运行，而较小的比例表明过度维护或过度容量的问题；通过了解变压器的损耗，可以采取措施来改进性能，包括维护、升级或更换变压器，以降低功率损耗并提高效率；从而有助于维持电网的稳定性，无功功率的管理对于维持适当的电压水平和降低潜在的功率因数问题非常重要。
S103.以所述二阶潮流模型为约束条件，根据所述电网耗损模型以所述目标配电网的总耗损最小化为目标构建目标函数，迭代调整所述目标函数的参数直至所述总损耗最小，确定所述目标配电网的规划方案。
在一种可选的实施方式中，以所述二阶潮流模型为约束条件，根据所述电网耗损模型以所述目标配电网的总耗损最小化为目标构建目标函数，迭代调整所述目标函数的参数直至所述总损耗最小，确定所述目标配电网的规划方案包括：
对所述目标函数中的参数进行初始化处理，通过预设的目标优化算法求解所述目标函数，生成一组帕累托最优解，所述帕累托最优解用于指示不同权衡下的最优操作参数配置；
对于得到的帕累托最优解集合，使用电网耗损模型和二阶潮流模型进行评估，计算每个解的总耗损；
分析评估结果，比较不同解的总耗损，根据评估结果，调整目标函数中的参数，将调整后的参数作为新的参数进行迭代求解，直至所述总耗损最小，确定所述目标配电网的规划方案。
所述帕累托最优解具体是指多目标优化问题中的一个概念，在这种情况下，有多个相互矛盾的目标，为寻求解决方案，可以改进目标的值，而不会损害其他目标。帕累托最优解是一组解决方案，其中没有其他解决方案能够在所有目标上同时取得更好的结果，帕累托最优解通常以权衡不同目标之间的权衡，为多目标问题提供了一种有效的解决方案。
所述电网损耗模型具体是指用于描述电力系统中的能量损耗的一个数学模型，考虑了电能在输电和配电过程中的损失，这些损失包括电阻、电感、无功功率等因素，可以用于计算不同部分的电力系统中的损耗情况。
收集电网规划问题所需的数据，定义和选择目标函数中的参数，设置初步的参数值；基于上述收集的数据和定义的参数，构建一个描述了电网规划问题数学模型，包括电网耗损模型以及可能的约束条件；目标函数通常是一个以最小化电网总损耗为目标的优化问题，可以使用数学优化工具来构建目标函数，如MATLAB、Python中的SciPy库等；选择多目标粒子群算法（Multi-Objective Particle Swarm Optimization，MOPSO）作为目标优化算法，在标准粒子群算法PSO中，每个"粒子"代表潜在的解决方案，其在解空间中移动，并根据个体最优解和群体最优解来更新其位置，所属算法受到了鸟群或鱼群等社会行为的启发，其中个体通过合作和信息共享来优化它们的位置；与单一目标优化不同，多目标优化问题通常涉及到优化多个冲突的目标，需要在不同方面取得最佳结果，所属多目标粒子群算法的目标是找到一组解决方案，这些解决方案在多个目标之间实现了权衡，没有一个解支配其他解，这就形成了帕累托最优解集合。
如设立两个电网规划目标：最小化电网总功率损耗；最小化电网总投资成本。使用MOPSO得到一组帕累托最优解，其用于表示不同权衡下的最佳操作，再使用电网耗损模型和二阶潮流模型，计算电网的总功率损耗，将为每个解提供一个数值，该数值表示其性能情况；比较不同解的总功率损耗，查找两个目标之间取得了更好平衡的解,通常寻找在损耗最小化和成本最小化之间有较好权衡的解。基于评估结果，如果某些解在某个目标上表现更好，可以调整目标函数中的参数，以重新构建目标函数，使用调整后的参数重新运行MOPSO算法，不断迭代与调整，直到找到满足要求的电网规划方案，即总功率损耗最小。
在本实施例中，采用多目标优化方法，使电网规划不再仅仅依赖于单一目标函数，有助于在多个目标之间实现平衡，从而提供了更灵活的规划方案；通过使用电网耗损模型，考虑了电能在输电和配电过程中的损失，这有助于更准确地评估电网的性能和效率，以降低不必要的能量损耗；采用二阶潮流模型，提供了更准确的电流和电压分布，从而更精确地估计系统的损耗情况，有助于提高电力系统规划的精确性；允许根据评估结果调整目标函数中的参数，然后重新迭代求解，使电网规划可以在不断优化的过程中不断提高性能，以满足不断变化的需求；通过考虑电网损耗和成本等多个因素，综合考虑经济性和可靠性，以生成更经济和可持续的电网规划方案；通过最小化电网损耗，有助于减少电能浪费，提高电力系统的能源利用效率；通过优化电网规划，提高电力系统的可靠性，确保满足负载需求，降低电压不稳定性。
图2为本发明实施例多目标配电网规划系统的结构示意图，如图2所示，所述系统包括：
第一单元，用于根据目标配电网的节点和支路，确定所述目标配电网的拓扑结构，基于所述拓扑结构中每个节点的电流信息、功率信息结合所述支路的线路信息建立基础负荷模型，在所述基础负荷模型中引入二阶潮流因子以及随机影响因子，构建二阶潮流模型；
第二单元，用于基于所述目标配电网的拓扑结构中多条支路中各个节点的电压幅值、相位角以及支路阻抗，确定所述目标配电网中多条支路对应的第一功率耗损；根据所述目标配电网中变压器的变压有功功率和变压无功功率，结合所述变压器的视在功率确定第二功率耗损；结合所述第一功率耗损对应的第一功率权重以及所述第二功率耗损对应的第二功率权重，构建电网耗损模型：
第三单元，用于以所述二阶潮流模型为约束条件，根据所述电网耗损模型以所述目标配电网的总耗损最小化为目标构建目标函数，迭代调整所述目标函数的参数直至所述总耗损最小，确定所述目标配电网的规划方案。
本发明实施例的第三方面，
提供一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。
本发明实施例的第四方面，
提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。
本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。

Claims (9)

1.一种多目标配电网规划方法，其特征在于，包括：
根据目标配电网的节点和支路，确定所述目标配电网的拓扑结构，基于所述拓扑结构中每个节点的电流信息、功率信息结合所述支路的线路信息建立基础负荷模型，在所述基础负荷模型中引入二阶潮流因子以及随机影响因子，构建二阶潮流模型；
基于所述目标配电网的拓扑结构中多条支路中各个节点的电压幅值、相位角以及支路阻抗，确定所述目标配电网中多条支路对应的第一功率耗损；根据所述目标配电网中变压器的变压有功功率和变压无功功率，结合所述变压器的视在功率确定第二功率耗损；结合所述第一功率耗损对应的第一功率权重以及所述第二功率耗损对应的第二功率权重，构建电网耗损模型；
以所述二阶潮流模型为约束条件，根据所述电网耗损模型以所述目标配电网的总耗损最小化为目标构建目标函数，迭代调整所述目标函数的参数直至所述总耗损最小，确定所述目标配电网的规划方案。
2.根据权利要求1所述的方法，其特征在于，基于所述拓扑结构中每个节点的电流信息、功率信息结合所述支路的线路信息建立基础负荷模型，在所述基础负荷模型中引入二阶潮流因子以及随机影响因子，构建二阶潮流模型包括：
所述拓扑结构中的节点包括负荷节点、发电机节点、交叉节点、变压器节点中至少一种，所述拓扑结构的支路包括各个节点构成的连接边，所述线路信息包括导线阻抗；
基于每个节点的流入电流信息和流出电流信息确定每个节点的电流平衡方程；基于每个节点的功率信息以及节点的内部功率消耗确定每个节点的功率平衡方程；根据所述电流平衡方程和所述功率平衡方程结合所述支路的线路信息建立所述基础负荷模型；
基于每个节点的电压信息以及相连节点构成的连接边的功率信息构建二阶导数矩阵作为所述二阶潮流因子；将所述拓扑结构中负荷和可再生能源的出力作为随机影响因子；
在所述基础负荷模型中引入二阶潮流因子以及随机影响因子，构建二阶潮流模型。
3.根据权利要求1所述的方法，其特征在于，在所述基础负荷模型中引入二阶潮流因子以及随机影响因子，构建二阶潮流模型包括：
；
其中，N表示节点的数量，代表从节点j流向节点i的电流，表示了节点i的所有电流输入；/>代表从节点i流向节点j的电流，表示了节点i的所有电流输出；/>表示节点i的所有输入功率，包括从其他节点输入的功率以及节点内部发电机产生的功率；/>表示节点i的所有输出功率，包括流向其他节点的功率以及节点内部负载消耗的功率；表示节点i的内部功率消耗；/>表示节点i内部发电机产生的功率，由发电机产生的功率；
二阶潮流模型如下公式所示：
；
其中，表示节点i的电压变化，/>表示节点j的电压变化，H ij 表示节点i和节点j之间的二阶导数矩阵，L ij 表示节点i和节点j之间线路阻抗，Rand表示随机影响因子。
4.根据权利要求1所述的方法，其特征在于，基于所述目标配电网的拓扑结构中多条支路中各个节点的电压幅值、相位角以及支路阻抗，确定所述目标配电网中多条支路对应的第一功率耗损包括：
；
；
；
其中，LOSS(V,θ)表示与电压幅值和相位角相关的第一功率耗损，w p 、w q 分别表示有功耗损权重和无功耗损权重，P loss 、Q loss 分别表示有功功率耗损和无功功率耗损，M表示图节点的数量，V i 、V j 分别表示图节点i、j对应的电压幅值，、/>分别表示图节点i，j的相位角，B ij 表示图节点i，j之间的阻抗。
5.根据权利要求4所述的方法，其特征在于，根据所述目标配电网中变压器的变压有功功率和变压无功功率，结合所述变压器的视在功率确定第二功率耗损包括：
；
其中，LOSS表示变压器的总功率损耗，P load,j 表示变压器连接的第j个节点的有功功率，Q load,j 表示变压器连接的第j个节点的无功功率，S表示变压器的视在功率，S rated 表示变压器的额定视在功率。
6.根据权利要求1所述的方法，其特征在于，以所述二阶潮流模型为约束条件，根据所述电网耗损模型以所述目标配电网的总耗损最小化为目标构建目标函数，迭代调整所述目标函数的参数直至所述总耗损最小，确定所述目标配电网的规划方案包括：
对所述目标函数中的参数进行初始化处理，通过预设的目标优化算法求解所述目标函数，生成一组帕累托最优解，所述帕累托最优解用于指示不同权衡下的最优操作参数配置；
对于得到的帕累托最优解集合，使用电网耗损模型和二阶潮流模型进行评估，计算每个解的总耗损；
分析评估结果，比较不同解的总耗损，根据评估结果，调整目标函数中的参数，将调整后的参数作为新的参数进行迭代求解，直至所述总耗损最小，确定所述目标配电网的规划方案。
7.一种多目标配电网规划系统，其特征在于，包括：
第一单元，用于根据目标配电网的节点和支路，确定所述目标配电网的拓扑结构，基于所述拓扑结构中每个节点的电流信息、功率信息结合所述支路的线路信息建立基础负荷模型，在所述基础负荷模型中引入二阶潮流因子以及随机影响因子，构建二阶潮流模型；
第二单元，用于基于所述目标配电网的拓扑结构中多条支路中各个节点的电压幅值、相位角以及支路阻抗，确定所述目标配电网中多条支路对应的第一功率耗损；根据所述目标配电网中变压器的变压有功功率和变压无功功率，结合所述变压器的视在功率确定第二功率耗损；结合所述第一功率耗损对应的第一功率权重以及所述第二功率耗损对应的第二功率权重，构建电网耗损模型：
第三单元，用于以所述二阶潮流模型为约束条件，根据所述电网耗损模型以所述目标配电网的总耗损最小化为目标构建目标函数，迭代调整所述目标函数的参数直至所述总耗损最小，确定所述目标配电网的规划方案。
8.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至6中任意一项所述的方法。
9.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
CN202311570274.XA 2023-11-23 2023-11-23 多目标配电网规划方法及系统 Active CN117277446B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311570274.XA CN117277446B (zh) 2023-11-23 2023-11-23 多目标配电网规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311570274.XA CN117277446B (zh) 2023-11-23 2023-11-23 多目标配电网规划方法及系统

Publications (2)

Publication Number Publication Date
CN117277446A true CN117277446A (zh) 2023-12-22
CN117277446B CN117277446B (zh) 2024-03-29

Family

ID=89203128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311570274.XA Active CN117277446B (zh) 2023-11-23 2023-11-23 多目标配电网规划方法及系统

Country Status (1)

Country Link
CN (1) CN117277446B (zh)

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1322020A1 (en) * 2001-12-20 2003-06-25 Abb Research Ltd. Power system expansion planning
WO2014173081A1 (zh) * 2013-04-27 2014-10-30 国家电网公司 一种风电场集群无功电压优化控制方法
WO2015196743A1 (zh) * 2014-06-25 2015-12-30 国家电网公司 主动配电网的重构方法和装置
CN108281964A (zh) * 2018-01-31 2018-07-13 深圳供电局有限公司 一种基于运行和网架风险的配电网运行方式优化方法
CN108280539A (zh) * 2018-01-09 2018-07-13 国网辽宁省电力有限公司电力科学研究院 基于农网典型台区线损计算的无功补偿等降损优化方法
CN110266010A (zh) * 2019-05-30 2019-09-20 武汉大学 直流配电网网架结构与分布式光伏多目标协同优化方法
CN110348598A (zh) * 2019-06-03 2019-10-18 国网新疆电力有限公司昌吉供电公司 一种电网网架规划方法
CN110635478A (zh) * 2019-10-23 2019-12-31 西南交通大学 一种基于单目标的新能源接入下的输电网规划的优化方法
CN110880760A (zh) * 2019-11-29 2020-03-13 国网辽宁省电力有限公司葫芦岛供电公司 一种低压配电网线损与无功补偿协同优化方法
CN111952964A (zh) * 2020-07-31 2020-11-17 国网上海市电力公司 一种配电网多时段故障恢复模型的解耦方法
CN112734593A (zh) * 2020-12-24 2021-04-30 国网北京市电力公司 配电网规划方法
US20210344196A1 (en) * 2020-04-29 2021-11-04 Tsinghua University Method for adjusting power flow based on operation constraints
CN114243708A (zh) * 2021-11-25 2022-03-25 西南交通大学 一种基于交流模型的输电网扩展规划优化方法
CN114977189A (zh) * 2022-06-22 2022-08-30 山东大学 一种基于DistFlow线性潮流的配电网潮流计算方法及系统
CN115528682A (zh) * 2022-10-19 2022-12-27 湖南大学 计及柔性互联配电网关键设备损耗特性的优化调控方法
CN115994612A (zh) * 2022-11-08 2023-04-21 国网江苏省电力有限公司电力科学研究院 基于业扩规划的配电网运行优化方法、装置及存储介质
CN116455002A (zh) * 2023-05-16 2023-07-18 国网冀北电力有限公司智能配电网中心 一种计及变压器经济运行的多目标运行优化方法及系统
CN116822719A (zh) * 2023-05-31 2023-09-29 广东电网有限责任公司 一种配电网的多目标规划方法及装置

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1322020A1 (en) * 2001-12-20 2003-06-25 Abb Research Ltd. Power system expansion planning
WO2014173081A1 (zh) * 2013-04-27 2014-10-30 国家电网公司 一种风电场集群无功电压优化控制方法
WO2015196743A1 (zh) * 2014-06-25 2015-12-30 国家电网公司 主动配电网的重构方法和装置
CN108280539A (zh) * 2018-01-09 2018-07-13 国网辽宁省电力有限公司电力科学研究院 基于农网典型台区线损计算的无功补偿等降损优化方法
CN108281964A (zh) * 2018-01-31 2018-07-13 深圳供电局有限公司 一种基于运行和网架风险的配电网运行方式优化方法
CN110266010A (zh) * 2019-05-30 2019-09-20 武汉大学 直流配电网网架结构与分布式光伏多目标协同优化方法
CN110348598A (zh) * 2019-06-03 2019-10-18 国网新疆电力有限公司昌吉供电公司 一种电网网架规划方法
CN110635478A (zh) * 2019-10-23 2019-12-31 西南交通大学 一种基于单目标的新能源接入下的输电网规划的优化方法
CN110880760A (zh) * 2019-11-29 2020-03-13 国网辽宁省电力有限公司葫芦岛供电公司 一种低压配电网线损与无功补偿协同优化方法
US20210344196A1 (en) * 2020-04-29 2021-11-04 Tsinghua University Method for adjusting power flow based on operation constraints
CN111952964A (zh) * 2020-07-31 2020-11-17 国网上海市电力公司 一种配电网多时段故障恢复模型的解耦方法
CN112734593A (zh) * 2020-12-24 2021-04-30 国网北京市电力公司 配电网规划方法
CN114243708A (zh) * 2021-11-25 2022-03-25 西南交通大学 一种基于交流模型的输电网扩展规划优化方法
CN114977189A (zh) * 2022-06-22 2022-08-30 山东大学 一种基于DistFlow线性潮流的配电网潮流计算方法及系统
CN115528682A (zh) * 2022-10-19 2022-12-27 湖南大学 计及柔性互联配电网关键设备损耗特性的优化调控方法
CN115994612A (zh) * 2022-11-08 2023-04-21 国网江苏省电力有限公司电力科学研究院 基于业扩规划的配电网运行优化方法、装置及存储介质
CN116455002A (zh) * 2023-05-16 2023-07-18 国网冀北电力有限公司智能配电网中心 一种计及变压器经济运行的多目标运行优化方法及系统
CN116822719A (zh) * 2023-05-31 2023-09-29 广东电网有限责任公司 一种配电网的多目标规划方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MINGTIAN FAN等: "A New Approach of Power Loss Evaluation based on Statistical Model", 《CIRED 2005 - 18TH INTERNATIONAL CONFERENCE AND EXHIBITION ON ELECTRICITY DISTRIBUTION》 *
孙帮新;董萍;: "广东电网多目标无功补偿配置方法研究", 广东电力, no. 01 *
白牧可;唐巍;张璐;所丽;: "基于机会约束规划的DG与配电网架多目标协调规划", 电工技术学报, no. 10 *

Also Published As

Publication number Publication date
CN117277446B (zh) 2024-03-29

Similar Documents

Publication Publication Date Title
Ghadimi et al. PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives
Luo et al. Short‐term operational planning framework for virtual power plants with high renewable penetrations
Adinolfi et al. Multiobjective optimal design of photovoltaic synchronous boost converters assessing efficiency, reliability, and cost savings
CN105449713B (zh) 考虑分布式电源特性的有源配电网智能软开关规划方法
Shukla et al. Allocation of optimal distributed generation using GA for minimum system losses in radial distribution networks
Liang et al. Probability-driven transmission expansion planning with high-penetration renewable power generation: A case study in northwestern China
Zhang et al. Three-stage hierarchically-coordinated voltage/var control based on pv inverters considering distribution network voltage stability
Zhao et al. Distributed risk-limiting load restoration for wind power penetrated bulk system
CN110490363A (zh) 一种多日机组组合优化方法及系统
Sun et al. Automatic learning of fine operating rules for online power system security control
Meena et al. Modified taguchi-based approach for optimal distributed generation mix in distribution networks
Tang et al. Multi-stage sizing approach for development of utility-scale BESS considering dynamic growth of distributed photovoltaic connection
CN111525569A (zh) 一种区域综合能源系统优化调度方法、系统及设备
Habib et al. Combined heat and power units sizing and energy cost optimization of a residential building by using an artificial bee colony algorithm
Yang et al. Network-constrained transactive control for multi-microgrids-based distribution networks with soft open points
Liu et al. Multi-objective optimal reactive power dispatch for distribution network considering pv generation uncertainty
CN117277446B (zh) 多目标配电网规划方法及系统
Cai et al. Day-Ahead Forecast of Carbon Emission Factor Based on Long and Short-Term Memory Networks
CN114548828A (zh) 一种分布式光伏电源的选址和定容方法、装置及设备
Zheng et al. Data-Adaptive Robust Transmission Network Planning Incorporating Post-Contingency Demand Response
Liu et al. Bi-objective Pareto optimization for clustering-based hierarchical power control in a large-scale PV power plant
Tee et al. Toward valuing flexibility in transmission planning
Velascoa et al. Energy Losses Estimation in Low Voltage Smart Grids by using Loss Maps
Li et al. A data-driven genetic algorithm for power flow optimization in the power system with phase shifting transformer
Wu et al. Electricity Market Clearing Model Considering Uncertainty of Wind Power

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