WO2015039464A1 - 一种基于时间尺度的全局优化调度策略库 - Google Patents

一种基于时间尺度的全局优化调度策略库 Download PDF

Info

Publication number
WO2015039464A1
WO2015039464A1 PCT/CN2014/079574 CN2014079574W WO2015039464A1 WO 2015039464 A1 WO2015039464 A1 WO 2015039464A1 CN 2014079574 W CN2014079574 W CN 2014079574W WO 2015039464 A1 WO2015039464 A1 WO 2015039464A1
Authority
WO
WIPO (PCT)
Prior art keywords
term
optimization
distribution network
global optimization
load
Prior art date
Application number
PCT/CN2014/079574
Other languages
English (en)
French (fr)
Inventor
沈浩东
陈楷
刘娅琳
赵浚婧
杜红卫
韩韬
鲁文
吴�琳
萨其日娜
Original Assignee
江苏省电力公司南京供电公司
国电南瑞科技股份有限公司
国网电力科学研究院
江苏省电力公司
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 江苏省电力公司南京供电公司, 国电南瑞科技股份有限公司, 国网电力科学研究院, 江苏省电力公司 filed Critical 江苏省电力公司南京供电公司
Priority to US14/647,801 priority Critical patent/US9871376B2/en
Publication of WO2015039464A1 publication Critical patent/WO2015039464A1/zh

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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/021—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a variable is automatically adjusted to optimise the performance
    • 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"
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0073—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source when the main path fails, e.g. transformers, busbars
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02B90/20—Smart grids as enabling technology in buildings sector
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • Y04S10/52—Outage or fault management, e.g. fault detection or location
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • 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
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Definitions

  • the invention relates to the technical field of smart grids, in particular to a global optimization scheduling method for distribution networks based on time scales.
  • the distribution network is at the end of the power system and directly faces the power users. It is responsible for distributing electric energy to customers and serving customers.
  • the power industry is closely related to the national economy and people's lives. Ample and high-quality power supply is the development of the national economy.
  • the important guarantee for the daily life of the people, the reliability of distribution network power supply directly affects the daily production and life of the people, and the distribution network must meet the user's power demand by setting reasonable operation control methods.
  • Smart distribution network has scientific and economic distribution network planning, supports distributed power supply and energy storage components, and reliable and economical power supply. , reliable and economical equipment management and other characteristics.
  • the efficient operation of integrating construction, operation and management functions is the basic feature of intelligent distribution network. Efficient operation has become an important direction for the development of intelligent distribution network. With the steady development of smart grid, the operation efficiency of intelligent distribution network is optimized. Improve the important goal of becoming a distribution network and the problems that need to be solved urgently.
  • distribution network dispatching can no longer meet the requirements of the development of smart distribution network, because the requirements of the intelligent distribution network in terms of operational safety, reliability, economy and quality are greatly improved compared with the traditional distribution network.
  • distribution network dispatching needs to be upgraded to intelligent distribution network scheduling to improve the ability to optimize the distribution network and resource allocation, and to adjust the characteristics of distributed power supply and diversity load. Spatial distribution, stochastic variation characteristics, environmental impact characteristics, and research on global optimization scheduling methods for smart distribution networks are increasingly needed.
  • the technical problem solved by the present invention is that the existing distribution network scheduling can not meet the requirements of the development of the intelligent distribution network.
  • the time-scale-based distribution network global optimization scheduling method of the invention can improve the operating efficiency of the intelligent distribution network, and comprehensively apply new elements of the grid such as distributed energy, micro-grid, energy storage device and nonlinear load in the distribution network. It fully adapts to the development trend of smart grid and has a good application prospect.
  • the technical solution adopted by the present invention is:
  • a global optimization scheduling method for distribution network based on time scale which is characterized by: global optimization of distribution network according to distribution network index system and scheduling mode, and long-term, medium-long term, short-term and ultra-short-term respectively according to time scale And real-time optimization sub-targets are adjusted, including the following steps,
  • Step (1) establish a global optimization target hierarchy diagram of the distribution network, and model the global optimization target, and obtain a general target model for the overall optimization of the distribution network;
  • Step (2) the overall target model of the overall optimization of the distribution network is divided into five specific optimization sub-goals according to the five time scales of long-term, medium-long term, short-term, ultra-short-term and real-time;
  • Step (3) according to the divided optimization sub-goals, combined with the policy set in the distribution network scheduling strategy database, select corresponding optimization strategies to adjust each optimization sub-goal, and realize power, network, and load interaction coordinated scheduling.
  • Step (1) A global optimization target is modeled by
  • the foregoing time-scale based global optimization scheduling method for distribution network is characterized by: Step (2) Long-term annual and quarterly targets, medium- and long-term monthly targets, short-term goals for the previous day, and ultra-short-term goals for the day hours. Real-time grading and second-level goals.
  • step (2) is divided into five specific optimization sub-goals according to five time scales of long-term, medium-long term, short-term, ultra-short-term and real-time, wherein ,
  • the long-term corresponding optimization sub-goals include load rate, load peak-to-valley difference, reduced maximum load peak and line loss;
  • the medium and long-term optimization sub-objectives include load rate, load peak-to-valley difference, reduced maximum load peak and line loss;
  • the short-term corresponding optimization sub-goals include load rate, load balancing, load peak-to-valley difference, and reduction of maximum load peak;
  • the ultra-short-term optimization sub-goals include important user power supply reliability and equipment reload rate; real-time corresponding optimization sub-goals include important user power supply reliability and reduce the number of households during power outages.
  • the foregoing time-scale based global optimization scheduling method for distribution network is characterized by: Step (3) Combining the strategy set in the distribution network scheduling strategy library, selecting a corresponding optimization strategy to adjust each optimization sub-goal, and adjusting Load transfer, seasonally adjusted reactive power compensation device retreat, orderly electricity use, electricity price strategy, large user energy efficiency management, equipment and grid transformation, reasonable arrangement of power outage plan, load complementary characteristic adjustment network, load transfer to avoid peak, network
  • the economic operation of the carrier, the complementary load characteristic network, the distributed power peak clipping and the orderly power consumption achieve peak clipping.
  • the invention has the beneficial effects that: the global optimization scheduling method based on time scale of the present invention can improve the operating efficiency of the intelligent distribution network, and comprehensively apply distributed energy, microgrid, energy storage device, and non-distribution in the distribution network. New elements of the grid, such as linear load, fully adapt to the development trend of smart grids and have good application prospects.
  • 1 is a flow chart of a time scale based global optimal scheduling method for a distribution network according to the present invention.
  • 2 is a diagram showing an indicator structure for establishing a global optimization target of the present invention.
  • FIG. 3 is a system block diagram of an embodiment of the present invention.
  • FIG. 4 is a structural diagram of a global optimization scheduling software based on the present invention.
  • the global optimization scheduling method of distribution network based on time scale according to the distribution network index system and scheduling mode, optimizes the distribution network globally, and gives long-term, medium-long, short-term and ultra-short-term according to time scale.
  • real-time optimization sub-targets are adjusted, including the following steps,
  • Step (1) establish a global optimization target hierarchy diagram of the distribution network, and model the global optimization target, and obtain a total target model for the global optimization of the distribution network, and the global optimization target is modeled by
  • the third layer is to optimize the performance, including security, reliability, quality, economy
  • the fourth layer is to optimize the performance of the specific optimization sub-goals,
  • the security corresponding optimization network satisfies Nl and optimizes the equipment overload rate;
  • the security corresponds to optimize the reliability of important users, optimizes the number of households during power outage, optimizes the power supply radius, optimizes the number of switching operations;
  • the quality corresponds to the optimized voltage pass rate; Corresponding to reducing the maximum load peak, optimizing the load peak-to-valley difference, optimizing the line loss, optimizing the power supply radius, optimizing the load rate, optimizing the load balance, optimizing the distributed power generation efficiency, and optimizing the number of switching operations;
  • Step (2) the overall target model for global optimization of the distribution network, according to long-term, medium- and long-term, short-term.
  • the ultra-short-term and real-time five time scales are divided into five specific optimization sub-goals, of which the long-term is the annual and quarterly targets, the medium- and long-term is the monthly target, the short-term is the previous day's target, and the short-term is the hourly target of the day, in real time Grading and second-level goals, where
  • the long-term corresponding optimization sub-goal is the economic optimization of the major optimization goals, including load rate, load peak-to-valley difference, reduced maximum load peak and line loss, where the load rate is fixed, and other optimization sub-targets are minimum.
  • the mid- and long-term corresponding optimization sub-goals are optimization targets with a large proportion of economical efficiency, including load rate, load peak-to-valley difference, reduced maximum load peak and line loss, where the load rate is a fixed type indicator, and other optimization sub-goals are extremely Small value indicator;
  • the short-term corresponding optimization sub-goal is the optimization target with a large proportion of economical, including load rate, load balance, load peak-to-valley difference and reduced maximum load peak.
  • the load rate and load peak-to-valley difference are fixed indicators, load peaks.
  • the valley difference and the reduction of the maximum load peak are minimum values;
  • the ultra-short-term optimization sub-target is the optimization goal of safety and reliability, including important user power supply reliability and equipment reload rate.
  • the important user power supply reliability is the maximum value index, and the equipment reload rate is extremely high. Small value indicator;
  • the real-time corresponding optimization sub-goals include the reliability of power supply for important users and the reduction of the number of households during power outages.
  • the reliability of important users is the maximum value, and the number of households when power failure is reduced is the minimum value;
  • Step (3) according to the divided optimization sub-goals, combined with the strategy set in the distribution network scheduling strategy database, select corresponding optimization strategies to adjust each optimization sub-goal, realize power, network, load interaction collaborative scheduling, adjustment Including load transfer, seasonally adjusted reactive power compensation device retreat, orderly electricity use, electricity price strategy, large user energy efficiency management, equipment and grid transformation, reasonable arrangement of power outage plan, load complementary characteristic adjustment network, load transfer to avoid peak, The network operator's economic operation, load complementary characteristic adjustment network, distributed power peak clipping and orderly power consumption achieve peak clipping.
  • the means of adjustment include load transfer, seasonally adjusted reactive power compensation device retreat, ordered electricity use, electricity price strategy, large User energy efficiency management, equipment and grid transformation, reasonable arrangement of power outage plan, load complementary characteristic adjustment network, load transfer avoidance peak, network operator economic operation, load complementary characteristic adjustment network, distributed power peak clipping and orderly power realization Peak clipping, in which load transfer, seasonally adjusted reactive power compensation device retreat, orderly power consumption and load transfer to avoid peaks to achieve network-load interaction; electricity price strategy, large user energy efficiency management for load optimization; equipment and grid transformation renovation and planning for the grid; Reasonable arrangement of power outage plan for network source-load interaction; Load complementary characteristic adjustment network, network operator economic operation, load complementary characteristic adjustment network for network optimization; Distributed power peak clipping for distributed Power optimization, source network coordination; Ordered power consumption to achieve peak clipping as source-source interaction.
  • the global optimization scheduling method based on time scale of the present invention is implemented based on global optimization scheduling software, and the global optimization scheduling software is deployed on an optimization analysis server in the distribution network optimization scheduling system, and the global optimization scheduling software is in function calculation.
  • the global optimization scheduling software needs to interact with other systems in the security III area through the system integration server, and use the data information of other systems for calculation. At the same time, the global optimization scheduling software needs real-time control of the network, source and load through interaction with the micro-grid dispatch controller, new energy intelligent control equipment, and diversity load intelligent control equipment.
  • the scheduling software architecture based on the global optimization scheduling software of the present invention from the system operation architecture, the global optimization scheduling system is composed of four layers: a hardware layer, an operating system layer, a supporting platform layer and a software layer.
  • the software layer mainly includes three types: basic support software class, application software class, and advanced application class. They are completed by the integration bus, data bus and public service, and are integrated organically into one. System. Software layer function division,
  • Support software categories including physical models, equipment parameters, real-time data, real-time data, power flow calculations, state estimation, network analysis, load forecasting, line loss calculations, lines, equipment load calculations and more.
  • Application software categories including network reconfiguration, wiring pattern analysis, contact point optimization, load transfer, distributed power supply range analysis, power restoration, power outage range analysis, power supply capability analysis, network optimization scheduling, ordered power optimization, points Time price optimization, real-time electricity price optimization, load control optimization, large user energy efficiency management, load characteristics analysis, load complementarity analysis, load distribution analysis, distributed power generation prediction, distributed power generation characteristics analysis, power plant monitoring, VQC: High-loss equipment statistics, line, equipment overload analysis, equipment failure analysis and statistics, scheduling operation impact analysis, voltage monitoring and other functions.
  • Advanced application categories including power outage schedule scheduling optimization, economics analysis of reverse operation, reactive power optimization, failure mode analysis, line or distribution N-1 analysis, line equipment model optimization, power quality detection point optimization, distributed power supply construction Click to select other functions.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种基于时间尺度的全局优化调度策略库，以指标体系和调度模式为指导，以各子课题的研究成果为依托，按照时间尺度分别给出长期、中长期、短期、超短期和实时优化子目标的调整和优化手段，综合应用配电网中分布式能源、微网、储能装置、非线性负荷等电网新元素，能够提高智能配电网的运行效率。

Description

说明书 一种基于时间尺度的全局优化调度策略库 技术领域
本发明涉及智能电网技术领域，具体涉及一种基于时间尺度的配电网全局优 化调度方法。
背景技术
我们知道， 配电网处于电力系统的末端， 直接面向电力用户， 承担着向用 户分配电能、服务客户的重任， 而电力工业与国民经济和人民生活息息相关， 充 足优质的电力供应是国民经济发展和人民日常生活的重要保障，配电网供电可靠 性直接影响着人民日常生产和生活，配电网必须通过设定合理的运行控制方式满 足用户电能需求。
近年来， 配网自动化的发展， 使得电动操作一次设备、 智能配电终端和配 电自动化系统在国内得到了一定的推广，提高了配网的可靠率， 解决了配电网可 靠供电的问题， 然后， 由于我国在配电网建设方面的长期忽视， 配电网的运行效 率相较于输电网来说， 技术性能偏低， 存在着设备利用率低、 峰谷差大、 城市规 划与电网规划脱节、 线损率较高、配电设备容量不匹配或不合理、 设备检修维护 工作量大等问题。智能电网是当前国内外电网发展的趋势， 智能配电网是智能电 网发展的重要组成部分， 智能配电网具有科学经济的配网规划、支持分布式电源 和储能元件、 可靠经济的电力供给、 可靠经济的设备管理等特点。 融合建设、 运 行和管理等方面功能的高效运行是智能配网的基本特征，高效运行成为智能配电 网发展的重要方向， 并且随着智能电网发展的稳步推进， 智能配电网的运行效率 优化提高成为配电网建设的重要目标和迫切需要解决的问题。
传统以人工经验为主的调度计划编制难以充分考虑影响电力系统安全运行 的各种因素，尤其是缺乏对调度周期内复杂电网安全运行的全面分析， 影响调度 计划对生产指导的能力发挥，无法适应电网驾驭能力提升和调度计划安全经济一 体化精细管理的需要，因此，迫切需要研究能够适应配电网发展的全局优化调度， 全局优化调度就是以提高智能配电网的运行效率，综合应用配电网中分布式能源 /微网 /储能装置 /非线性负荷等电网新元素， 适应智能电网的发展趋势为研究目 标而被提出的。但是， 现有配电网调度已不能满足智能配电网发展的要求， 由于 智能配电网相比于传统配电网在运行安全性、可靠性、经济性、优质性方面的要 求都大大提高， 作为配电网运行的协调指挥中心， 配电网调度需要提升为智能配 电网调度， 以提升驾驭配电网和资源优化配置的能力， 针对分布式电源、 多样性 负荷的可调特征及空间分布， 随机变化特性， 环境影响特性， 开展智能配电网的 全局优化调度方法研究日益亟需。
发明内容
本发明所解决的技术问题是现有配电网调度已不能满足智能配电网发展的 要求的问题。本发明的基于时间尺度的配电网全局优化调度方法， 能够提高智能 配电网的运行效率， 综合应用配电网中分布式能源、 微网、 储能装置、 非线性负 荷等电网新元素， 完全适应智能电网的发展趋势， 具有良好的应用前景。
为了解决上述技术问题， 本发明所采用的技术方案是：
一种基于时间尺度的配电网全局优化调度方法， 其特征在于： 根据配电网 指标体系和调度模式， 进行配电网全局优化， 并按照时间尺度分别给长期、 中长 期、 短期、 超短期和实时的优化子目标进行调整， 包括以下步骤，
步骤 （1)， 建立配电网的全局优化目标层次结构图， 并对全局优化目标进 行建模， 得出配电网全局优化的总目标模型；
步骤 （2)， 将配电网全局优化的总目标模型， 根据长期、 中长期、 短期、 超短期和实时五个时间尺度， 划分为五个具体的优化子目标；
步骤（3)，根据划分的各优化子目标，结合配电网调度策略库中的策略集， 选出对应的优化策略对各优化子目标进行调整， 实现电源、 网络、 负荷互动协同 调度。
前述的基于时间尺度的配电网全局优化调度方法， 其特征在于： 步骤 （1) 全局优化目标进行建模的方法为，
( 1)， 确定配电网的全局优化目标的指标；
( 2)， 建立全局优化目标的指标结构；
( 3 )， 用层次分析法计算全局优化目标的指标权重；
(4)， 设定全局优化目标指标的评分标准；
( 5 )， 根据计算全局优化目标指标权重， 根据 （4) 的评分标准对全局优化 目标指标结构进行评分；
( 6)根据全局优化目标指标结构的评分结构， 得出配电网全局优化的总目 标模型。
前述的基于时间尺度的配电网全局优化调度方法， 其特征在于： 步骤 （2) 长期为年度及季度目标， 中长期为月度目标， 短期为前一天目标， 超短期为当日 内小时段目标， 实时为分级及秒级目标。
前述的基于时间尺度的配电网全局优化调度方法， 其特征在于： 步骤 （2) 根据长期、 中长期、 短期、 超短期和实时五个时间尺度， 划分为五个具体的优化 子目标， 其中，
长期对应的优化子目标包括负载率、 负荷峰谷差、 降低最大负荷峰值和线 损；
中长期对应的优化子目标包括负载率、 负荷峰谷差、 降低最大负荷峰值和 线损；
短期对应的优化子目标包括负载率、 负载均衡、 负荷峰谷差和降低最大负 荷峰值；
超短期对应的优化子目标包括重要用户供电可靠性和设备重载率； 实时对应的优化子目标包括重要用户供电可靠性和减少停电时户数。
前述的基于时间尺度的配电网全局优化调度方法， 其特征在于： 步骤 （3 ) 结合配电网调度策略库中的策略集，选出对应的优化策略对各优化子目标进行调 整， 调整包括负荷转移、按季节调整无功补偿装置投退、有序用电、 电价策略、 大用户能效管理、 设备及网架改造、 合理安排停电计划、 负荷互补特性调网络、 负荷转供避免高峰、 网络运方经济运行、 负荷互补特性调网络、 分布式电源削峰 和有序用电实现削峰。
本发明的有益效果是： 本发明的基于时间尺度的配电网全局优化调度方法， 能够提高智能配电网的运行效率， 综合应用配电网中分布式能源、微网、储能装 置、 非线性负荷等电网新元素， 完全适应智能电网的发展趋势， 具有良好的应用 前景。
附图说明
图 1是本发明的基于时间尺度的配电网全局优化调度方法的流程图。 图 2是本发明的建立全局优化目标的指标结构图。
图 3是本发明的一实施例的系统框图。
图 4是本发明基于的全局优化调度软件的结构图。
具体实施方式
下面结合附图， 对本发明作进一步的说明。
如图 1所示， 基于时间尺度的配电网全局优化调度方法， 根据配电网指标 体系和调度模式， 进行配电网全局优化， 并按照时间尺度分别给长期、 中长期、 短期、 超短期和实时的优化子目标进行调整， 包括以下步骤，
步骤 （1)， 建立配电网的全局优化目标层次结构图， 并对全局优化目标进 行建模， 得出配电网全局优化的总目标模型， 全局优化目标进行建模的方法为，
( 1)， 确定配电网的全局优化目标的指标；
( 2)， 建立全局优化目标的指标结构， 如图 2所示， 包括四层， 第一层为 全局优化目标， 第二层为优化子目标， 包括长期优化目标、 长期优化目标、 短期 优化目标、超短期优化目标和实时优化目标； 第三层为优化所述的性能， 包括安 全性、 可靠性、 优质性、 经济性； 第四层为优化所述的性能对应的具体优化子目 标， 其中安全性对应优化网络满足 N-l、 优化设备重载率； 安全性对应优化重要 用户供电可靠性、 优化停电时户数、 优化供电半径、 优化倒闸操作次数； 优质性 对应优化电压合格率； 经济性对应降低最大负荷峰值、优化负荷峰谷差、优化线 损、 优化供电半径、 优化负载率、 优化负载均衡、 优化分布式电源发电效率、 优 化倒闸操作次数；
( 3)， 用层次分析法计算全局优化目标的指标权重， 层次分析法 （Analytic Hierarchy Process, AHP)是美国运筹学家匹茨堡大学教授 T.L.Saaty 教授在 20 世 纪 70年代提出的；
(4)， 设定全局优化目标指标的评分标准；
( 5 )， 根据计算全局优化目标指标权重， 根据 （4) 的评分标准对全局优化 目标指标结构进行评分；
( 6)根据全局优化目标指标结构的评分结构， 得出配电网全局优化的总目 标模型；
步骤 （2)， 将配电网全局优化的总目标模型， 根据长期、 中长期、 短期、 超短期和实时五个时间尺度，划分为五个具体的优化子目标， 其中长期为年度及 季度目标，中长期为月度目标，短期为前一天目标，超短期为当日内小时段目标， 实时为分级及秒级目标， 其中
长期对应的优化子目标为经济性占的比重大的优化目标， 包括负载率、 负 荷峰谷差、 降低最大负荷峰值和线损， 其中负载率为固定型指标， 其他优化子目 标为极小值指标；
中长期对应的优化子目标为经济性占的比重较大的优化目标，包括负载率、 负荷峰谷差、 降低最大负荷峰值和线损， 其中负载率为固定型指标， 其他优化子 目标为极小值指标；
短期对应的优化子目标为经济性占的比重较大的优化目标， 包括负载率、 负载均衡、负荷峰谷差和降低最大负荷峰值， 其中负载率和负荷峰谷差为固定型 指标， 负荷峰谷差和降低最大负荷峰值为极小值指标；
超短期对应的优化子目标为安全性、 可靠性占的比重大的优化目标， 包括 重要用户供电可靠性和设备重载率， 重要用户供电可靠性为极大值指标， 设备重 载率为极小值指标；
实时对应的优化子目标包括重要用户供电可靠性和减少停电时户数， 重要 用户供电可靠性为极大值指标， 减少停电时户数为极小值指标；
步骤（3)，根据划分的各优化子目标，结合配电网调度策略库中的策略集， 选出对应的优化策略对各优化子目标进行调整， 实现电源、 网络、 负荷互动协同 调度，调整包括负荷转移、按季节调整无功补偿装置投退、有序用电、电价策略、 大用户能效管理、 设备及网架改造、 合理安排停电计划、 负荷互补特性调网络、 负荷转供避免高峰、 网络运方经济运行、 负荷互补特性调网络、 分布式电源削峰 和有序用电实现削峰。
如图 3所示， 本发明的基于时间尺度的配电网全局优化调度方法的一种实施 例，
( 1) 建立的配电网全局优化的总目标模型， 包括降低最大负荷峰值、 优化 负荷峰谷差、 优化线损、 优化供电半径、 优化负载率、 优化负载均衡、 优化重要 用户供电可靠性、 优化设备重载率、 优化停电时户数、 优化网络满足 N-l、 优化 分布式电源发电效率、 优化倒间操作次数、 优化电压合格率； ( 2) 将配电网全局优化的总目标模型， 根据长期、 中长期、 短期、 超短期 和实时五个时间尺度，划分为五个具体的优化子目标， 如长期的优化子目标包括 电网改造和规划、 上级检修计划、 迎峰度夏、 迎峰度冬； 中长期的优化子目标包 括节假日运行方式优化、停电计划； 短期的优化子目标包括多时段运行方式优化
( 3 )， 根据划分的各优化子目标， 结合配电网调度策略库中的策略集， 调整 的手段包括负荷转移、 按季节调整无功补偿装置投退、 有序用电、 电价策略、 大 用户能效管理、 设备及网架改造、 合理安排停电计划、 负荷互补特性调网络、 负 荷转供避免高峰、 网络运方经济运行、 负荷互补特性调网络、 分布式电源削峰和 有序用电实现削峰， 其中负荷转移、按季节调整无功补偿装置投退、有序用电和 负荷转供避免高峰实现网荷互动；电价策略、大用户能效管理用于实现负荷优化； 设备及网架改造为网架改造、 规划； 合理安排停电计划用于实现网源荷互动； 负 荷互补特性调网络、网络运方经济运行、负荷互补特性调网络用于实现网络优化； 分布式电源削峰为分布式电源优化、 源网协调； 有序用电实现削峰为源荷互动。
本发明的基于时间尺度的配电网全局优化调度方法，是基于全局优化调度软 件实现的，全局优化调度软件部署在配电网优化调度系统中的优化分析服务器上， 全局优化调度软件在功能计算时要用的数据库服务器中配网自动化管理系统和 配电网优化调度系统的数据库支持， 需要历史 /SCADA服务器上配网自动化管理 系统和配电网优化调度系统的实时和历史数据信息，这些信息是通过前置采集服 务器采集得来的， 全局优化调度软件需要通过系统集成服务器与安全 III区的其他 系统进行交互， 利用其他系统的数据信息进行计算。 同时， 全局优化调度软件需 要通过与微电网调度控制器、新能源智能管控设备、多样性负荷智能管控设备等 终端设备的交互， 实现对网、 源、 荷的实时控制。
如图 4所示， 本发明的基于全局优化调度软件实现的调度软件架构， 从系统 运行的体系结构看， 全局优化调度系统是由硬件层、操作系统层、支撑平台层和 软件层共四个层次构成， 其中， 硬件层、操作系统层和支撑平台层与原有配网自 动化主站系统共享。
软件层主要包括基础支撑软件类、应用软件类、 高级应用类等三类， 它们在 由集成总线、数据总线和公共服务的支撑下完成各自的应用功能， 并有机地集成 在一起， 成为一个一体化的系统。 软件层功能划分，
支撑软件类： 包括物理模型、 设备参数、 实时数据、 实时数据、 潮流计算、 状态估计、 网络分析、 负荷预测、 线损计算、 线路、 设备负载计算等功能。
应用软件类： 包括网络重构、 接线模式分析、 联络点优化、 负荷转供、 分布 式电源供电范围分析、恢复供电、停电范围分析、供电能力分析、网络优化调度、 有序用电优化、分时电价优化、实时电价优化、负荷控制优化、大用户能效管理、 负荷特性分析、 负荷互补性分析、 负荷分布分析、 分布式电源发电预测、 分布式 电源发电特性分析、 发电厂监控、 VQC：、 高损设备统计、 线路、 设备重载分析、 设备故障分析及统计、 调度操作影响分析、 电压监视等功能。
高级应用类： 包括停电计划排程优化、 倒间操作经济性分析、 无功优化、 故 障模式分析、 线路或配变 N-1分析、 线路设备型号优化、 电能质量检测点优化、 分布式电源建设点选取等功能。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员 应该了解，本发明不受上述实施例的限制， 上述实施例和说明书中描述的只是说 明本发明的原理，在不脱离本发明精神和范围的前提下， 本发明还会有各种变化 和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围 由所附的权利要求书及其等效物界定。

Claims

权利要求书
1、 基于时间尺度的配电网全局优化调度方法， 其特征在于： 根据配电网指 标体系和调度模式，进行配电网全局优化，并按照时间尺度分别给长期、中长期、 短期、 超短期和实时的优化子目标进行调整， 包括以下步骤，
步骤（1)， 建立配电网的全局优化目标层次结构图， 并对全局优化目标进行 建模， 得出配电网全局优化的总目标模型；
步骤 （2)， 将配电网全局优化的总目标模型， 根据长期、 中长期、 短期、 超短期和实时五个时间尺度， 划分为五个具体的优化子目标；
步骤（3)，根据划分的各优化子目标，结合配电网调度策略库中的策略集， 选出对应的优化策略对各优化子目标进行调整， 实现电源、 网络、 负荷互动协同 调度。
2、根据权利要求 1所述的基于时间尺度的配电网全局优化调度方法， 其特 征在于： 步骤 （1) 全局优化目标进行建模的方法为，
( 1)， 确定配电网的全局优化目标的指标；
( 2)， 建立全局优化目标的指标结构；
( 3 )， 用层次分析法计算全局优化目标的指标权重；
(4)， 设定全局优化目标指标的评分标准；
( 5 )， 根据计算全局优化目标指标权重， 根据 （4) 的评分标准对全局优化 目标指标结构进行评分；
( 6)根据全局优化目标指标结构的评分结构， 得出配电网全局优化的总目 标模型。
3、根据权利要求 1所述的基于时间尺度的配电网全局优化调度方法， 其特 征在于： 步骤 （2 ) 长期为年度及季度目标， 中长期为月度目标， 短期为前一天 目标， 超短期为当日内小时段目标， 实时为分级及秒级目标。
4、根据权利要求 1所述的基于时间尺度的配电网全局优化调度方法， 其特 征在于： 步骤 （2 ) 根据长期、 中长期、 短期、 超短期和实时五个时间尺度， 划 分为五个具体的优化子目标， 其中，
长期对应的优化子目标包括负载率、 负荷峰谷差、 降低最大负荷峰值和线 损；
中长期对应的优化子目标包括负载率、 负荷峰谷差、 降低最大负荷峰值和 线损；
短期对应的优化子目标包括负载率、 负载均衡、 负荷峰谷差和降低最大负 荷峰值；
超短期对应的优化子目标包括重要用户供电可靠性和设备重载率； 实时对应的优化子目标包括重要用户供电可靠性和减少停电时户数。
5、根据权利要求 1所述的基于时间尺度的配电网全局优化调度方法，其特 征在于： 步骤 （3 ) 结合配电网调度策略库中的策略集， 选出对应的优化策略对 各优化子目标进行调整， 调整包括负荷转移、 按季节调整无功补偿装置投退、 有序用电、 电价策略、 大用户能效管理、 设备及网架改造、 合理安排停电计划、 负荷互补特性调网络、 负荷转供避免高峰、 网络运方经济运行、 负荷互补特性调 网络、 分布式电源削峰和有序用电实现削峰。
PCT/CN2014/079574 2013-09-18 2014-06-10 一种基于时间尺度的全局优化调度策略库 WO2015039464A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US14/647,801 US9871376B2 (en) 2013-09-18 2014-06-10 Time based global optimization dispatching method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201310425958.0 2013-09-18
CN201310425958.0A CN103474991B (zh) 2013-09-18 2013-09-18 基于时间尺度的配电网全局优化调度方法

Publications (1)

Publication Number Publication Date
WO2015039464A1 true WO2015039464A1 (zh) 2015-03-26

Family

ID=49799735

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2014/079574 WO2015039464A1 (zh) 2013-09-18 2014-06-10 一种基于时间尺度的全局优化调度策略库

Country Status (3)

Country Link
US (1) US9871376B2 (zh)
CN (1) CN103474991B (zh)
WO (1) WO2015039464A1 (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105100252A (zh) * 2015-08-03 2015-11-25 国家电网公司 一种分布式电源监控系统的网络拓扑结构
CN107330564A (zh) * 2017-07-18 2017-11-07 国家电网公司 一种基于时空双尺度的电动汽车优化调度模型
CN110490464A (zh) * 2019-08-21 2019-11-22 国网浙江省电力有限公司杭州供电公司 一种基于线路负荷重组的城市配电网供电能力挖潜方法
CN110535130A (zh) * 2019-09-10 2019-12-03 国网江苏省电力有限公司苏州供电分公司 一种基于细粒度用户数据的需求侧响应方法
CN111339475A (zh) * 2020-02-26 2020-06-26 海南电网有限责任公司 一种基于主配协同、多维度智能电网规划评价系统
CN111967156A (zh) * 2020-08-13 2020-11-20 国家电网有限公司 一种基于相关性分析模型的多维度10kV电网降损优化方法
CN111985822A (zh) * 2020-08-24 2020-11-24 国网青海省电力公司海西供电公司 确定高压配电网评价指标权重的方法及装置
CN112418634A (zh) * 2020-11-17 2021-02-26 广东电网有限责任公司广州供电局 一种配网调度停电计划自主巡航系统
CN113783233A (zh) * 2021-07-27 2021-12-10 国网河北省电力有限公司电力科学研究院 主动配电网分区优化运行调度方法、装置及终端设备
CN114169790A (zh) * 2021-12-14 2022-03-11 福州大学 考虑指标间关联性的用户有序用电潜力综合评估方法
CN114971943A (zh) * 2022-05-09 2022-08-30 国网上海市电力公司 一种考虑连锁故障风险的电网规划方法
CN116613750A (zh) * 2023-07-18 2023-08-18 山东大学 一种电力系统一体化调度方法、系统、终端设备及介质

Families Citing this family (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103474991B (zh) * 2013-09-18 2015-11-18 国电南瑞科技股份有限公司 基于时间尺度的配电网全局优化调度方法
US20150106513A1 (en) * 2013-10-14 2015-04-16 Ideaware Inc. System and method for operating network traffic reduction policy in overloaded area
CN103795063B (zh) * 2014-03-01 2015-10-28 华北电力大学 基于源荷协同系数的线路过负荷紧急控制系统及其方法
CN103904646B (zh) * 2014-03-28 2015-10-21 华中科技大学 一种考虑三相潮流的微电网多目标能量优化方法
CN103887823B (zh) * 2014-04-10 2016-08-17 武汉大学 基于模糊层次分析的微电网并网位置选取方法
CN104167750B (zh) * 2014-08-18 2016-09-21 国家电网公司 一种配网削峰填谷的分布式储能功率分配及协调控制方法
CN105990833B (zh) * 2015-01-29 2018-08-14 国家电网公司 一种基于运行场景匹配的配电网动态重构方法
CN104809656B (zh) * 2015-03-24 2018-02-13 国家电网公司 一种考虑源网荷三端特性的有序用电缺口指标分配算法
CN105391053A (zh) * 2015-11-09 2016-03-09 四川大学 基于高压配电网容量单元拓扑重构的城市电网负载均衡运行策略
CN105376752A (zh) * 2015-11-11 2016-03-02 中国联合网络通信集团有限公司 影响移动网络发展关键因素的确定方法和装置
CN106655150A (zh) * 2016-09-28 2017-05-10 深圳供电局有限公司 一种配电网运行方式优化方法
CN107871194B (zh) 2016-09-28 2020-10-16 北京北方华创微电子装备有限公司 一种生产线设备的调度方法和装置
CN106339779B (zh) * 2016-10-11 2020-04-21 东南大学 一种配电网中分布式电源配置方案评价方法
CN108022029B (zh) * 2016-11-02 2022-04-29 中国电力科学研究院 一种电网分层分区供需平衡调控方法及调控装置
CN107909477B (zh) * 2017-11-21 2020-11-27 国家电网公司 一种输电网规划项目投资组合优化方法
CN108647856B (zh) * 2018-04-09 2021-08-10 广东电网有限责任公司广州供电局 电网风险预防控制方法和系统
CN109302734B (zh) * 2018-10-31 2021-01-29 国网福建省电力有限公司 一种无线接入网络规划的接入制式选择方法
CN109888839B (zh) * 2019-01-22 2020-11-24 国家电网公司华中分部 电厂机组的负荷平衡能力评价方法及系统
CN109657884B (zh) * 2019-02-15 2023-01-13 广东电网有限责任公司 电网供电优化方法、装置、设备和计算机可读存储介质
CN111144680A (zh) * 2019-03-21 2020-05-12 国网安徽省电力有限公司经济技术研究院 一种应用于配电自动化的供电可靠性计算方法
CN110148962B (zh) * 2019-05-08 2020-10-23 复变时空(武汉)数据科技有限公司 基于云平台的综合能源管理系统及管理策略
CN112037082B (zh) * 2019-06-04 2024-04-16 中国农业大学 一种电网调峰中可中断负荷电价的计算方法及系统
CN110516852A (zh) * 2019-08-07 2019-11-29 国网河北省电力有限公司 一种基于用户体验改善的计划停电时间优化方法
CN110688619B (zh) * 2019-08-13 2023-08-18 南方电网科学研究院有限责任公司 一种配电网的理论线损计算系统及方法
CN112787354A (zh) * 2019-11-05 2021-05-11 国网浙江兰溪市供电有限公司 一种对供电线路进行协调优化的节能降损方法
CN111222690B (zh) * 2019-12-27 2022-02-08 深圳供电局有限公司 一种基于网格化的配电网剩余供电容量监控预警系统
CN111224432B (zh) * 2020-01-16 2024-03-29 内蒙古工业大学 微电网优化调度方法和装置
JP7474623B2 (ja) * 2020-03-27 2024-04-25 本田技研工業株式会社 電力算出装置
CN112018798B (zh) * 2020-08-29 2022-04-15 燕山大学 区域储能站参与扰动平抑的配电网多时间尺度自律运行方法
CN112116152A (zh) * 2020-09-17 2020-12-22 北京中恒博瑞数字电力科技有限公司 基于同期数据的线损双率优化方法及系统
CN112396299B (zh) * 2020-11-03 2022-11-08 浙江大学 交直流混合配电系统全寿命周期综合能效评估和诊断方法
CN112348250A (zh) * 2020-11-05 2021-02-09 紫金矿业集团股份有限公司 一种汽车衡无人值守称重系统
CN112909934B (zh) * 2021-01-29 2021-12-07 国网浙江义乌市供电有限公司 一种电网负荷无感调控方法
CN112865198A (zh) * 2021-03-31 2021-05-28 南华大学 一种基于时间尺度的配电网全局优化调度方法
CN113673065B (zh) * 2021-08-12 2022-11-18 国网浙江义乌市供电有限公司 一种配电网络自动重构的降损方法
CN113794241B (zh) * 2021-09-10 2024-04-12 广东电网有限责任公司 低压智能电网用户侧源储荷的优化调度方法及装置
CN113722940B (zh) * 2021-11-04 2022-02-08 国网湖北省电力有限公司经济技术研究院 一种电网机组组合与技改计划联合优化方法
CN114094608B (zh) * 2021-11-19 2024-06-11 国网江苏省电力有限公司电力科学研究院 一种面向光伏电站的多类型储能容量优化配置方法及装置
CN115864542B (zh) * 2023-02-24 2023-05-05 南方电网数字电网研究院有限公司 电力机组调度模型的优化方法、装置、设备和存储介质
CN116833604B (zh) * 2023-08-02 2024-05-10 杭州金山仪表阀业有限公司 一种带有过压预警功能的阀体加工用焊接装置
CN117291401B (zh) * 2023-11-24 2024-02-02 成都汉度科技有限公司 一种用电高峰期有序用电控制方法及系统
CN117557067B (zh) * 2024-01-10 2024-04-02 缔索新能源科技发展有限公司 分布式能源协同优化系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102684199A (zh) * 2012-06-05 2012-09-19 国电南瑞科技股份有限公司 一种微电网与配电网交换功率的多时间尺度控制方法
EP2506383A2 (en) * 2011-03-31 2012-10-03 General Electric Company System and method for operating capacitor banks
CN103151802A (zh) * 2013-02-06 2013-06-12 上海交通大学 多时间尺度的主动配电网dg协调控制系统及方法
CN103280810A (zh) * 2013-04-15 2013-09-04 江苏省电力公司南京供电公司 一种提高配电网负载率的优化调度方法
CN103455854A (zh) * 2013-09-04 2013-12-18 国电南瑞科技股份有限公司 基于全局优化的配电网调度系统目标建模方法
CN103474991A (zh) * 2013-09-18 2013-12-25 国电南瑞科技股份有限公司 基于时间尺度的配电网全局优化调度方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7873442B2 (en) * 2002-05-20 2011-01-18 The Energy Authority, Inc. System and method for managing and optimizing power use
US7321810B2 (en) * 2003-05-13 2008-01-22 Siemens Power Transmission & Distribution, Inc. Method of dynamic economic dispatch
US9148019B2 (en) * 2010-12-06 2015-09-29 Sandia Corporation Computing architecture for autonomous microgrids
US20090187344A1 (en) * 2008-01-19 2009-07-23 Brancaccio Daniel S System, Method, and Computer Program Product for Analyzing Power Grid Data
EP2387776A4 (en) * 2009-01-14 2013-03-20 Integral Analytics Inc OPTIMIZED MICROGRID ENERGY UTILIZATION AND DISTRIBUTION
US20110082597A1 (en) * 2009-10-01 2011-04-07 Edsa Micro Corporation Microgrid model based automated real time simulation for market based electric power system optimization
US8972070B2 (en) * 2010-07-02 2015-03-03 Alstom Grid Inc. Multi-interval dispatch system tools for enabling dispatchers in power grid control centers to manage changes
US8849469B2 (en) * 2010-10-28 2014-09-30 Microsoft Corporation Data center system that accommodates episodic computation
US8862279B2 (en) * 2011-09-28 2014-10-14 Causam Energy, Inc. Systems and methods for optimizing microgrid power generation and management with predictive modeling
CN102810186A (zh) * 2012-08-01 2012-12-05 江苏省电力设计院 多时间尺度微网能量优化管理体系结构及其方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2506383A2 (en) * 2011-03-31 2012-10-03 General Electric Company System and method for operating capacitor banks
CN102684199A (zh) * 2012-06-05 2012-09-19 国电南瑞科技股份有限公司 一种微电网与配电网交换功率的多时间尺度控制方法
CN103151802A (zh) * 2013-02-06 2013-06-12 上海交通大学 多时间尺度的主动配电网dg协调控制系统及方法
CN103280810A (zh) * 2013-04-15 2013-09-04 江苏省电力公司南京供电公司 一种提高配电网负载率的优化调度方法
CN103455854A (zh) * 2013-09-04 2013-12-18 国电南瑞科技股份有限公司 基于全局优化的配电网调度系统目标建模方法
CN103474991A (zh) * 2013-09-18 2013-12-25 国电南瑞科技股份有限公司 基于时间尺度的配电网全局优化调度方法

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105100252A (zh) * 2015-08-03 2015-11-25 国家电网公司 一种分布式电源监控系统的网络拓扑结构
CN107330564A (zh) * 2017-07-18 2017-11-07 国家电网公司 一种基于时空双尺度的电动汽车优化调度模型
CN110490464A (zh) * 2019-08-21 2019-11-22 国网浙江省电力有限公司杭州供电公司 一种基于线路负荷重组的城市配电网供电能力挖潜方法
CN110490464B (zh) * 2019-08-21 2023-01-20 国网浙江省电力有限公司杭州供电公司 一种基于线路负荷重组的城市配电网供电能力挖潜方法
CN110535130B (zh) * 2019-09-10 2022-03-11 国网江苏省电力有限公司苏州供电分公司 一种基于细粒度用户数据的需求侧响应方法
CN110535130A (zh) * 2019-09-10 2019-12-03 国网江苏省电力有限公司苏州供电分公司 一种基于细粒度用户数据的需求侧响应方法
CN111339475A (zh) * 2020-02-26 2020-06-26 海南电网有限责任公司 一种基于主配协同、多维度智能电网规划评价系统
CN111339475B (zh) * 2020-02-26 2023-03-31 海南电网有限责任公司 一种基于主配协同、多维度智能电网规划评价系统
CN111967156A (zh) * 2020-08-13 2020-11-20 国家电网有限公司 一种基于相关性分析模型的多维度10kV电网降损优化方法
CN111985822A (zh) * 2020-08-24 2020-11-24 国网青海省电力公司海西供电公司 确定高压配电网评价指标权重的方法及装置
CN112418634A (zh) * 2020-11-17 2021-02-26 广东电网有限责任公司广州供电局 一种配网调度停电计划自主巡航系统
CN113783233A (zh) * 2021-07-27 2021-12-10 国网河北省电力有限公司电力科学研究院 主动配电网分区优化运行调度方法、装置及终端设备
CN114169790A (zh) * 2021-12-14 2022-03-11 福州大学 考虑指标间关联性的用户有序用电潜力综合评估方法
CN114169790B (zh) * 2021-12-14 2024-06-07 福州大学 考虑指标间关联性的用户有序用电潜力综合评估方法
CN114971943A (zh) * 2022-05-09 2022-08-30 国网上海市电力公司 一种考虑连锁故障风险的电网规划方法
CN116613750A (zh) * 2023-07-18 2023-08-18 山东大学 一种电力系统一体化调度方法、系统、终端设备及介质
CN116613750B (zh) * 2023-07-18 2023-10-13 山东大学 一种电力系统一体化调度方法、系统、终端设备及介质

Also Published As

Publication number Publication date
CN103474991B (zh) 2015-11-18
CN103474991A (zh) 2013-12-25
US9871376B2 (en) 2018-01-16
US20150311710A1 (en) 2015-10-29

Similar Documents

Publication Publication Date Title
WO2015039464A1 (zh) 一种基于时间尺度的全局优化调度策略库
Dong et al. Demand response in China: Regulations, pilot projects and recommendations–A review
Hassan et al. Optimization modeling for dynamic price based demand response in microgrids
CN107086668B (zh) 一种分布式储能网络化运营平台及电能优化调配方法
US20160239032A1 (en) A progressive optimization dispatching method of smart distribution system
CN106877354A (zh) 基于全网监视无功补偿技术的节能管理平台
CN105119291A (zh) 一种无功电压分布式优化控制系统及方法
Cai et al. Future power grid dispatch and control mode with large-scale clean energy integration in China
CN102638096A (zh) 基于gprs的配电变压器无线监控系统
Cai et al. Electric power big data and its applications
Xiao et al. The influence of green development idea on power supply reliability and power quality of distribution network
CN104242448A (zh) 一种10kV配电网馈线自动化差异化优化配置方法
He et al. Development model and path of future power grids under the ubiquitous electrical Internet of Things
Gong et al. Review on Economic Evaluation of Electrochemical Energy Storage Participating in Grid Frequency Modulation
Xu Research on Transition Stability Control of Smart Grid Substations
Xin et al. Power System Operation Optimization Process and Network System Design Based on Power Big Data
Shen et al. Discussion of the elasticity quantization and aggregation of the power load
Feng et al. Introduction and prospect of integrated energy service platform in industrial parks
Beniwal An introduction to the smart grid-II
Zhu et al. Key technologies and applications of cloud energy storage
Hao et al. Architecture Design of a Dual-active Dispatching System Based on Parallel Control
Tian et al. A framework for dispatching operation of the flexible load in the urban core area
Wang et al. Research and Application of the Whole Process of Line Loss Management Platform
Bao et al. Electricity spot market design considering accurate security check
Bassilious et al. Using smart metering for load aggregation: Towards an integrated smart grid/active network management framework

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14846453

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 14647801

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14846453

Country of ref document: EP

Kind code of ref document: A1