CN104362677B - 一种主动配电网优化配置结构及其配置方法 - Google Patents
一种主动配电网优化配置结构及其配置方法 Download PDFInfo
- Publication number
- CN104362677B CN104362677B CN201410662732.7A CN201410662732A CN104362677B CN 104362677 B CN104362677 B CN 104362677B CN 201410662732 A CN201410662732 A CN 201410662732A CN 104362677 B CN104362677 B CN 104362677B
- Authority
- CN
- China
- Prior art keywords
- formula
- power
- distribution network
- refer
- active distribution
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 claims abstract description 53
- 230000005611 electricity Effects 0.000 claims abstract description 14
- 239000002355 dual-layer Substances 0.000 claims abstract description 5
- 239000000446 fuel Substances 0.000 claims description 61
- 239000010410 layer Substances 0.000 claims description 39
- 238000005286 illumination Methods 0.000 claims description 18
- 238000004146 energy storage Methods 0.000 claims description 17
- 239000003344 environmental pollutant Substances 0.000 claims description 12
- 231100000719 pollutant Toxicity 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- 238000013486 operation strategy Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 7
- 238000010248 power generation Methods 0.000 claims description 7
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 6
- 230000033228 biological regulation Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 238000010353 genetic engineering Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 239000000295 fuel oil Substances 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 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 claims description 3
- PBGKNXWGYQPUJK-UHFFFAOYSA-N 4-chloro-2-nitroaniline Chemical compound NC1=CC=C(Cl)C=C1[N+]([O-])=O PBGKNXWGYQPUJK-UHFFFAOYSA-N 0.000 claims description 3
- GLCJANLAKISVBJ-PKTZIBPZSA-N PG-PS Chemical compound CCCCCCCCCCCCCCCC(=O)OC[C@H](COP(O)(=O)OC[C@H](N)C(O)=O)OC(=O)CCCC(O)=O GLCJANLAKISVBJ-PKTZIBPZSA-N 0.000 claims description 3
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 claims description 3
- 238000003491 array Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 230000006866 deterioration Effects 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000002457 bidirectional effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 claims 1
- 238000011160 research Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 239000007789 gas Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 230000001172 regenerating effect Effects 0.000 description 3
- 101000604223 Homo sapiens Nocturnin Proteins 0.000 description 2
- 102100038815 Nocturnin Human genes 0.000 description 2
- -1 carbon Hydrogen compound Chemical class 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 102000010029 Homer Scaffolding Proteins Human genes 0.000 description 1
- 108010077223 Homer Scaffolding Proteins Proteins 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012043 cost effectiveness analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- H02J3/383—
-
- 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
- H02J3/381—Dispersed generators
-
- H02J3/386—
-
- H02J3/387—
-
- 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
- H02J3/388—Islanding, i.e. disconnection of local power supply from the network
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种主动配电网优化配置结构及其配置方法,由主动配电网优化***,燃油发电机组、风力发电、光伏发电和蓄电池储能、EV充电桩、AMI、负荷,分别通过各自的变流器接入配电网络组成,并通过公共连接点接入大电网;所述主动配电网优化***通过对所述主动配电网的控制,能够实现主动配电网的孤岛和并网运。本发明提出了适用于主动配电网的双层优化规划设计模型,可实现主动配电网的分布式电源的综合优化,以及分布式电源间的调度优化。
Description
技术领域
本发明涉及电力***主动配电网的应用领域,尤其涉及一种主动配电网优化配置结构及其配置方法。
背景技术
主动配电网(Active distribution network,ADN)是由微电源、负荷、储能***和控制装置构成的***。它对于大电网表现为一个单一可控的单元,可实现对负荷多种能源形式的高可靠供给。而主动配电网的特点主要有两个:一是含有本地发电装置,多为容量较小的分布式电源,分布式电源(Distributed Generation Resource,DGR)通常指主要利用可再生新能源且发电功率为几kW至50MW小型模块式、与环境兼容的独立电源,可以满足电力***和用户特定要求。二是主动配电网是可控的,主动配电网的功能是将电源和用户需求有效连接起来,允许双方共同决定如何最好地实时运行。要达到这一要求,控制水平要远高于传统配电网的水平。
主动配电网***可将多种类型的分布式发电单元组合在一起,有效发挥单一能源***的优点,实现多种能源互补,提高整个微电网***的效率、能源利用率和供电可靠性。主动配电网接入大电网并网运行,不仅可以充分利用主动配电网内部的绿色可再生能源,还可以提高整个电网的安全性,是中国建成智能电网的重要环节。同时,主动配电网***是解决偏远地区和海岛供电的有效手段之一。
围绕主动配电网***的优化配置,国内外很多学者已开展了一系列的研究,提出各种运行控制策略和优化规划方法。主动配电网运行控制策略可分为固定策略和优化策略,固定策略以事先拟定的优先级制定***运行规则,优化策略则根据相应目标函数求解***最优运行规则。在美国国家新能源实验室(NERL)和美国电力科学研究院(EPRI)合作开发的两款仿真软件Hybrid2和HOMER中,提出十几种独立微电网***和主动配电网固定运行策略,包括平滑功率策略(traditional power smoothing,TPS)、硬充电策略(hard cyclecharge,HCC)等,较为全面地概括了独立微电网***和主动配电网固定策略控制模式。国内文献《主动配电网技术及其进展》研究了主动配电网的定义及其特征,分析了主动配电网的研究现状及其关键技术,包括:含间歇式可再生能源及储能装置的主动配电网综合规划技术、基于配电网主动机制的分布自治与全局优化相结合的协调控制技术、功率及能量灵活可调的主动配电网全局优化能量管理技术以及主动配电网多目标经济性评估等。文献《主动配电网优化调度策略研究》提出了一种考虑主动配电网特性以及分布式能源特性的优化调度模型,该模型以一个完整调度周期的运行成本最低为目标函数,以可控分布式能源以及联络开关作为控制手段,考虑不同时段电价以及联络开关调整对于运行成本的影响,并确保储能***在整个调度周期的能量守恒以及容量约束。文献《主动配电网计划孤岛与日前调度方法研究》围绕分布式电源及微电网在不同渗透率下对输配电网网损影响、正常运行时主动配电网对分布式电源和微电网的日前优化调度方法、配电网故障隔离后利用分布式电源和微电网进行恢复供电的计划孤岛划分调度模型等问题进行了深入研究。
对于主动配电网并网型和独立型的容量设计优化方面,其发电模型比较简单,大部分仅具有负荷跟踪,循环充电这两种简单的控制策略,且优化配置过程过于偏重***经济成本,可再生能源优势得不到充分发挥。文献《主动配电网还是有源配电网》提出主动配电网引起了电力业界以及社会的广泛关注,成为电力技术研究的热点,没有但具体阐述主动配电网的分布式电源容量优化模型、电网配置和有源配电网具体结构。文献《主动配电网规划关键问题与研究展望》首先简要介绍了主动配电网的技术特点及内涵理念;其次,结合国内外相关示范工程,阐述了主动配电网的技术可行性及其低碳潜力;提出了基于国内外研究现状,从电力负荷预测、规划资源特性、集成设计模式、优化规划方法及成本效益分析等5个方面提出了该领域的关键问题和未来主要研究方向,并深入国内外分析当前亟需研究和解决的技术难点。
发明内容
为了解决上述问题,本发明提供一种主动配电网优化配置结构,本发明特征是,由主动配电网优化***,燃油发电机组、风力发电、光伏发电和蓄电池储能、EV充电桩、AMI、负荷,分别通过各自的变流器接入配电网络组成,并通过公共连接点(PCC)接入大电网;所述主动配电网优化***通过对所述主动配电网的控制,能够实现主动配电网的孤岛和并网运行;
所述主动配电网优化***为采用双层优化结构设计,顶层为容量优化,用于寻找主动配电网***最优配置模式,包括***各设备类型、台数和容量,底层为调度优化,用于计算***主动配电网最优运行方案。顶层决策输出容量优化结果至底层,底层决策输出调度优化结果至顶层,从而实现上下层决策的相互作用。顶层和底层均有各自的目标函数和约束条件,顶层目标函数由经济性和环保性组成,约束条件为***投资约束;底层目标函数由经济性组成,约束条件为设备运行约束。
本发明一种主动配电网优化配置结构的配置方法,采用的主动配电网优化***配置方法的数学模型表述为式(1)和式(2):
式中,F(·)为顶层优化的目标函数,x为顶层优化的决策向量,G(·)为顶层优化所需满足的约束条件,f(·)为底层优化的目标函数,y为底层优化的决策向量,g(·)为底层优化所需满足的约束条件。
本发明一种主动配电网优化配置结构的配置方法,本发明顶层容量优化和底层调度优化方法具体步骤如下:
一)、顶层容量优化方法
本发明顶层容量优化所述目标函数的经济性和环保性作为评估***优劣的指标,可表述为式(3):
J1=min(F1,F2) (3)
1).全寿命周期经济现值
主动配电网的全寿命周期经济现值由式(4)计算
式中,CTANN指等年值费用,CRFl指资本回收系数由式(5)计算:
式中,l表示年数,r表示资本的年利率。
***等年值费用由设备投资等年值费用和***年运行和设备维护费用组成,计算如下式(6):
CTANN=Cfac+Cope+COM (6)
式中,CTANN指项目投资等年值费用,Cfac指设备投资等年值,Cope指***年运行费用,COM指设备年维护费用。
设备投资等年值费用使用式(7)计算:
式中,CI,i指设备i初始投资费用,li为设备i运行寿命期望值。
***年运行费用包括***购电费用、燃料购买费用和卖电收益,计算如式(8):
Cope=CE+CF-CS (8)
式中,CE指***年购电费用,CF指***年购买燃料费用,CS指年卖电收益。
2).污染物排放
燃油发电机组以燃油作为主要燃料,其污染物包括CO、CO2、燃料中未燃烧尽的碳氢化合物、硫化物和一氧化氮。污染物的排放量与燃料消耗量直接相关。主动配电网年排放水平等于年燃料消耗量乘以其气体排放系数;
其中:σCO2、σCO、σHC、σNO、σS分别代表各污染物的排放系数(kg/L);vF代表燃油发电机组的年消耗燃料量(L)。
3).约束条件
由于主动配电网***为多目标优化,为保证***优化目标在可接受范围内,限制***目标函数在一定区间内,如式(10)
Fi<Fi,max i=1,2 (10)
4).***优化
主动配电网***中的燃油发电机组类型DGtype,燃油发电机组台数DGnumber,风力发电类型WTtype,风机台数WTnumber,光伏电池容量PVcapacity,蓄电池储能容量BATcapacity和变流器容量CONcapacity为优化变量。定义优化变量为式(11):
X=[DGtype,DGnumber,WTtype,WTnumber,PVcapacity,BATcapacity,CONcapacity] (11)
二)、底层调度优化方法
1).目标函数
调度优化模型选取每一日(24小时)为调度尺度,实现***的动态经济调度,以***日运行费用最低为目标函数,包括日购电费用、日燃料购买费用、日卖电收益,如式(12);
J2=min(Ce+Cf+Cs) (12)
式中,Ce指***日购电费用,Cf指***日燃料购买费用,Cs指***日卖电收益;
2).约束条件
2.1)功率平衡约束方程如式(13)
PG-PS+PDG+PCON=PL-PPV-PWT+PEV (13)
式中,PG指电网购电功率,PS指电网卖电功率,PDG指燃油发电机功率,PCON指变流器功率,整流为负,逆变为正,PL指负荷功率,PPV指光伏发电功率,PWT指风机发电功率,PEV指充电汽车充电桩消耗功率;
2.2)设备性能约束
①燃油发电机
采用线性功率燃料曲线描述燃油发电机发电量和燃料消耗量之间的关系,如式(14)所示:
F=F0·Ygen+F1·Pgen (14)
其中:F0是燃料曲线的截距系数(L/hr/kW);F1是燃料曲线的斜率(L/hr/kW);Ygen是发电机的额定容量(kW);
由于燃油发电机运行于低负载率时效率较低,为使燃气发电机以高效率运行,燃油发电机出力应满足如下约束:
PDG,minuDG≤PDG≤PDG,maxuDG (15)
其中,PDG,min和PDG,max分别是燃油发电机出力的最小有功功率和最大有功功率(kW),μDG是二进制变量,标志燃油发电机的启停(0表述关机,1表述开机)。
②蓄电池储能性能约束
蓄电池作为储能设备,其能量存储就有时间上的耦合性,即本时刻的储能状态受上一时刻储能状态影响;即
式中,和Wt-1 B分别为t和t-1时段蓄电池储能状态,ηB,l指蓄电池自损耗率,和分别指蓄电池最大充电功率和最大放电功率,CB指蓄电池容量。每天的结束时段蓄电池储能状态值应等于每日初始时段的储能状态,如式(17):
时段t蓄电池的最大充电功率计算公式如式(18):
同理,最大放电功率计算公式如式(19):
0≤Pt B,d≤Yt BrB,maxdCB Yt B={0,1} (19)
同时,蓄电池同一时段不允许同时充放电,因此应满足式(20)约束:
其中γB,maxc、γB,maxc分别指蓄电池最大充放电倍率,X/Y均为二进制变量,指蓄电池充放电标志位,其值不允许同时为1;
为延长蓄电池适用寿命,其荷电状态(SOC)应满足式(21)的约束
SOCmin≤SOC≤SOCmax (21)
式中,SOCmin、SOCmax分别指蓄电池荷电状态最小值和最大值,SOCt指t时刻蓄电池荷电状态;
③变流器性能约束
由于***仅针对蓄电池用双向变流器进行容量优化,此处变流器指蓄电池用双向变流器,其约束条件如式(22):
式中,ηB,c,ηB,d分别指蓄电池充、放电效率,ηCON,rec,ηCON,inv分别指变流器整流、逆变效率;
④光伏发电模型
采用下式计算光伏阵列的输出功率:
其中:fPV为光伏阵列降额因数,表示光伏实际输出与额定条件输出的比值,用于计及由于光伏板表面污渍和雨雪的遮盖以及光伏板自身老化等引起的损耗,一般取0.9;PV,cap为光伏阵列的额定容量(kW);IT为光照强度(kW/m2);αP为功率温度系数(%/℃);规定无风,光照强度为1kW/m2,光伏电池温度25℃为光伏标准测试条件(Standard Test Conditions,STC),IS和Tcell分别为标准测试条件下的光照强度和光伏电池温度,取值为1kW/m2和25℃;室外环境温度对于光伏板的运行效率有影响,通常环境温度增高,光伏阵列的运行效率会下降;光伏电池温度Tcell通过式(24)进行计算:
式中:Tα是环境温度(℃);规定光照强度为0.8kW/m2、环境温度为20℃、风速为1m/s为光伏额定运行条件(Normal Operating Cell Temperature,NOCT);IT,NOCT和Tα,NOCT分别表示额定运行条件的光照强度和环境温度,取值为0.8kW/m2和20℃;Tcell,NOCT是指在额定运行条件下,光伏电池的表面温度,一般取值为45℃-48℃;ηmp,STC是标准测试条件下最大功率点效率,由于假设光伏***运行在最大功率点处,使用该点的效率表示光伏运行效率;τ指光伏阵列遮盖物的太阳能透过率,一般取90%的默认值;α是PV阵列的太阳能吸收率,指表面能够吸收太阳能的比例,默认值90%;
⑤风机发电性能约束
风机功率按式(25)计算:
式中,v为风机轮毂高度处的实际风速,vci、vco为切入风速和切出风速,当实际风速低于或高于实际风速时,风机都不工作,P(v)为正常风速范围内风机出力,由风速-功率曲线线性插值得到;
⑥电汽车充电桩性能约束
电汽车充电桩消耗功率按式(26)计算:
PEV=ZlnI=Zxnsinhγnl·I (26)
I电汽车充电桩充电电流,Zxn和γn分别为n次谐波的线路波阻抗和传播常数,其中Zxn和γn的计算为式(27)和式(28):
3).***运行约束
主动配电网从电网购电和售电应满足式(29)约束:
0≤PG≤PG,max
(29)
0≤PS≤PS,max
其中,PG,max、PS,max分别指***最大购电功率和最大卖电功率。同时,主动配电网***运行中各设备出力不能超过其额定功率限制。
本发明一种主动配电网优化配置结构的配置方法,主动配电网优化求解方法:
本发明一种主动配电网优化配置结构含有多种目标,多目标优化通常作为一种在不同目标中寻找最优解得有效方法;由于这些目标可能是非线性的、矛盾的、不可测量的,为避免了将多目标问题转化为单目标问题权重问题的引入,本发明采用以下步骤进行优化求解:
S1:***初始化。读取***各设备、负荷、日照、风速、遗传算法等参数。
S2:初始化种群P0,通过随机函数产生N个个体,作为初始种群P0,取t=0;
S3:调用内层优化调度策略,计算种群Pt适应度值;按下式计算各个体适应度函数值,如式(30):
其中:f1,max(X)表示所有个体的第1个目标函数值中的最大值,f2,max(X)表示所有个体的第2个目标函数值中的最大值,Δ为不满足约束条件个体的相关约束的绝对值之和;
S4:对种群Pt执行遗传操作,生成子代种群Qt;
S5:从父代种群Pt中通过遗传操作(选择、交叉和变异)得到子代种群Qt;调用内层优化调度策略,计算种群Qt适应度值;
S6:将当前种群Pt与子代种群Qt合并得种群Rt,根据适应度函数值,计算各个体的支配关系和聚集距离,对个体进行排序;
S7:保留精英,从种群Rt中选择前N个个体作为父代中期Pt+1;
S8:终止条件判断;判断终止条件,若满足,则输出***的优化结果,否则返回S4;
S9:输出***的优化结果;
S10:完成全部流程,优化求解结束。
本发明同现有技术相比,具有以下优点和有益效果:
本发明根据光伏、风能发电等分布式电源特性,提出了适用于主动配电网的双层优化规划设计模型,可实现主动配电网***的分布式电源的综合优化,以及分布式电源间的调度优化。本发明建立的双层优化模型,该方法针对风速、光照强度和负荷的不确定性,应用风速、光照强度和负荷的概率模型构造了微网所在地区一年内各月份的典型日,并通过利用多状态***理论,将典型日的风速、光照强度和负荷进行多状态划分,从而将连续的不确定状态依据及其概率分布规律转变成多个离散的确定性状态来处理,从而能够直接模拟出风机出力、光伏出力和负荷随机性特点,降低了优化配置模型的求解难度,得出的主动配电网配置更为合理和科学。
附图说明
图1是本发明的结构示意图;
图2是本发明所述双层优化***原理图;
图3是本发明所述主动配电网最优化求解步骤流程图。
具体实施方式
下面将结合附图,对本发明的技术方案进行清楚、完整地描述。
如图1所示,一种主动配电网优化配置结构,由主动配电网优化***,燃油发电机组、风力发电、光伏发电和蓄电池储能、EV充电桩、AMI、负荷,分别通过各自的变流器接入配电网络组成,并通过公共连接点(PCC)接入大电网。所述主动配电网优化***通过对所述主动配电网的控制,能够实现主动配电网的孤岛和并网运行。
如图2所示,所述主动配电网优化***为采用双层优化结构设计,顶层为容量优化,用于寻找主动配电网***最优配置模式,包括***各设备类型、台数和容量,底层为调度优化,用于计算***主动配电网最优运行方案。顶层决策输出容量优化结果至底层,底层决策输出调度优化结果至顶层,从而实现上下层决策的相互作用。顶层和底层均有各自的目标函数和约束条件,顶层目标函数由经济性和环保性组成,约束条件为***投资约束;底层目标函数由经济性组成,约束条件为设备运行约束。
双层结构在交通运输、航空飞行、仓储***、机械制造等领域已有研究报道。本发明采用的主动配电网优化***配置方法的数学模型表述为式(1)和式(2):
式中,F(·)为顶层优化的目标函数,x为顶层优化的决策向量,G(·)为顶层优化所需满足的约束条件,f(·)为底层优化的目标函数,y为底层优化的决策向量,g(·)为底层优化所需满足的约束条件;顶层容量优化和底层调度优化方法具体步骤如下:
一)、顶层容量优化方法
本发明顶层容量优化所述目标函数的经济性和环保性作为评估***优劣的指标,可表述为式(3):
J1=min(F1,F2) (3)
1).全寿命周期经济现值
主动配电网的全寿命周期经济现值由式(4)计算
式中,CTANN指等年值费用,CRFl指资本回收系数(the capital recovery factor),由式(5)计算:
式中,l表示年数,r表示资本的年利率。
***等年值费用由设备投资等年值费用和***年运行和设备维护费用组成,计算如下式(6):
CTANN=Cfac+Cope+COM (6)
式中,CTANN指项目投资等年值费用,Cfac指设备投资等年值,Cope指***年运行费用,COM指设备年维护费用。
设备投资等年值费用使用式(7)计算:
式中,CI,i指设备i初始投资费用,li为设备i运行寿命期望值;
***年运行费用包括***购电费用、燃料购买费用和卖电收益,计算如式(8):
Cope=CE+CF-CS (8)
式中,CE指***年购电费用,CF指***年购买燃料费用,CS指年卖电收益。
2).污染物排放
燃油发电机组以燃油作为主要燃料,其污染物包括CO、CO2、燃料中未燃烧尽的碳氢化合物、硫化物和一氧化氮。污染物的排放量与燃料消耗量直接相关。主动配电网年排放水平等于年燃料消耗量乘以其气体排放系数。
其中:σCO2、σCO、σHC、σNO、σS分别代表各污染物的排放系数(kg/L);vF代表燃油发电机组的年消耗燃料量(L)。
3).约束条件
由于主动配电网***为多目标优化,为保证***优化目标在可接受范围内,限制***目标函数在一定区间内,如式(10)
Fi<Fi,max i=1,2 (10)
4).***优化
主动配电网***中的燃油发电机组类型DGtype,燃油发电机组台数DGnumber,风力发电类型WTtype,风机台数WTnumber,光伏电池容量PVcapacity,蓄电池储能容量BATcapacity和变流器容量CONcapacity为优化变量。定义优化变量为式(11):
X=[DGtype,DGnumber,WTtype,WTnumber,PVcapacity,BATcapacity,CONcapacity] (11)
二)、底层调度优化方法
1).目标函数
调度优化模型选取每一日(24小时)为调度尺度,实现***的动态经济调度,以***日运行费用最低为目标函数,包括日购电费用、日燃料购买费用、日卖电收益,如式(12)。
J2=min(Ce+Cf+Cs) (12)
式中,Ce指***日购电费用,Cf指***日燃料购买费用,Cs指***日卖电收益;
2).约束条件
2.1)功率平衡约束方程如式(13)
PG-PS+PDG+PCON=PL-PPV-PWT+PEV (13)
式中,PG指电网购电功率,PS指电网卖电功率,PDG指燃油发电机功率,PCON指变流器功率,整流为负,逆变为正,PL指负荷功率,PPV指光伏发电功率,PWT指风机发电功率,PEV指充电汽车充电桩消耗功率。
2.2)设备性能约束
①燃油发电机
采用线性功率燃料曲线描述燃油发电机发电量和燃料消耗量之间的关系,如式(14)所示:
F=F0·Ygen+F1·Pgen (14)
其中:F0是燃料曲线的截距系数(L/hr/kW);F1是燃料曲线的斜率(L/hr/kW);Ygen是发电机的额定容量(kW)。
由于燃油发电机运行于低负载率时效率较低,为使燃气发电机以高效率运行,燃油发电机出力应满足如下约束:
PDG,minuDG≤PDG≤PDG,max uDG (15)
其中,PDG,min和PDG,max分别是燃油发电机出力的最小有功功率和最大有功功率(kW),μDG是二进制变量,标志燃油发电机的启停(0表述关机,1表述开机)。
②蓄电池储能性能约束
蓄电池作为储能设备,其能量存储就有时间上的耦合性,即本时刻的储能状态受上一时刻储能状态影响。即
式中,和Wt-1 B分别为t和t-1时段蓄电池储能状态,ηB,l指蓄电池自损耗率,和分别指蓄电池最大充电功率和最大放电功率,CB指蓄电池容量。每天的结束时段蓄电池储能状态值应等于每日初始时段的储能状态,如式(17):
时段t蓄电池的最大充电功率计算公式如式(18):
同理,最大放电功率计算公式如式(19):
0≤Pt B,d≤Yt BrB,maxdCB Yt B={0,1} (19)
同时,蓄电池同一时段不允许同时充放电,因此应满足式(20)约束:
其中γB,maxc、γB,maxc分别指蓄电池最大充放电倍率,X/Y均为二进制变量,指蓄电池充放电标志位,其值不允许同时为1。
为延长蓄电池适用寿命,其荷电状态(SOC)应满足式(21)的约束
SOCmin≤SOC≤SOCmax (21)
式中,SOCmin、SOCmax分别指蓄电池荷电状态最小值和最大值,SOCt指t时刻蓄电池荷电状态。
③变流器性能约束
由于***仅针对蓄电池用双向变流器进行容量优化,此处变流器指蓄电池用双向变流器,其约束条件如式(22):
式中,ηB,c,ηB,d分别指蓄电池充、放电效率,ηCON,rec,ηCON,inv分别指变流器整流、逆变效率。
④光伏发电模型
采用下式计算光伏阵列的输出功率:
其中:fPV为光伏阵列降额因数,表示光伏实际输出与额定条件输出的比值,用于计及由于光伏板表面污渍和雨雪的遮盖以及光伏板自身老化等引起的损耗,一般取0.9。PV,cap为光伏阵列的额定容量(kW);IT为光照强度(kW/m2);αP为功率温度系数(%/℃);规定无风,光照强度为1kW/m2,光伏电池温度25℃为光伏标准测试条件(Standard Test Conditions,STC),IS和Tcell分别为标准测试条件下的光照强度和光伏电池温度,取值为1kW/m2和25℃。室外环境温度对于光伏板的运行效率有影响,通常环境温度增高,光伏阵列的运行效率会下降。光伏电池温度Tcell可以通过式(24)进行计算:
式中:Tα是环境温度(℃);规定光照强度为0.8kW/m2、环境温度为20℃、风速为1m/s为光伏额定运行条件(Normal Operating Cell Temperature,NOCT);IT,NOCT和Tα,NOCT分别表示额定运行条件的光照强度和环境温度,取值为0.8kW/m2和20℃;Tcell,NOCT是指在额定运行条件下,光伏电池的表面温度,一般取值为45℃-48℃;ηmp,STC是标准测试条件下最大功率点效率,由于假设光伏***运行在最大功率点处,使用该点的效率表示光伏运行效率;τ指光伏阵列遮盖物的太阳能透过率,一般取90%的默认值;α是PV阵列的太阳能吸收率,指表面能够吸收太阳能的比例,默认值90%。
⑤风机发电性能约束
风机功率按式(25)计算:
式中,v为风机轮毂高度处的实际风速,vci、vco为切入风速和切出风速,当实际风速低于或高于实际风速时,风机都不工作,P(v)为正常风速范围内风机出力,由风速-功率曲线线性插值得到。
⑥电汽车充电桩性能约束
电汽车充电桩消耗功率按式(26)计算:
PEV=ZlnI=Zxnsinhγnl·I (26)
I电汽车充电桩充电电流,Zxn和γn分别为n次谐波的线路波阻抗和传播常数,其中Zxn和γn的计算为式(27)和式(28):
3).***运行约束
主动配电网从电网购电和售电应满足式(29)约束:
0≤PG≤PG,max
(29)
0≤PS≤PS,max
其中,PG,max、PS,max分别指***最大购电功率和最大卖电功率。同时,主动配电网***运行中各设备出力不能超过其额定功率限制。
三)、主动配电网优化求解方法
本发明一种主动配电网优化配置结构含有多种目标,多目标优化通常作为一种在不同目标中寻找最优解得有效方法。由于这些目标可能是非线性的、矛盾的、不可测量的,为避免了将多目标问题转化为单目标问题权重问题的引入,如图3所示,本发明采用以下步骤进行优化求解:
S1:***初始化。读取***各设备、负荷、日照、风速、遗传算法等参数。
S2:初始化种群P0,通过随机函数产生N个个体,作为初始种群P0,取t=0。
S3:调用内层优化调度策略,计算种群Pt适应度值。按下式计算各个体适应度函数值,如式(30):
其中:f1,max(X)表示所有个体的第1个目标函数值中的最大值,f2,max(X)表示所有个体的第2个目标函数值中的最大值,Δ为不满足约束条件个体的相关约束的绝对值之和。
S4:对种群Pt执行遗传操作,生成子代种群Qt。
S5:从父代种群Pt中通过遗传操作(选择、交叉和变异)得到子代种群Qt;调用内层优化调度策略,计算种群Qt适应度值。
S6:将当前种群Pt与子代种群Qt合并得种群Rt,根据适应度函数值,计算各个体的支配关系和聚集距离,对个体进行排序。
S7:保留精英,从种群Rt中选择前N个个体作为父代中期Pt+1
S8:终止条件判断。判断终止条件,若满足,则输出***的优化结果,否则返回S4。
S9:输出***的优化结果。
S10:完成全部流程,优化求解结束。
Claims (3)
1.一种主动配电网优化配置结构,其特征是,由主动配电网优化***、燃油发电机组、风力发电、光伏发电和蓄电池储能、EV充电桩、高级计量架构AMI以及负荷,分别通过各自的变流器接入配电网络组成,并通过公共连接点接入大电网;所述主动配电网优化***通过对所述主动配电网的控制,实现主动配电网的孤岛和并网运行;
所述主动配电网优化***为采用双层优化结构设计,顶层为容量优化,用于寻找主动配电网***最优配置模式,包括***各设备类型、台数和容量,底层为调度优化,用于计算***主动配电网最优运行方案;顶层决策输出容量优化结果至底层,底层决策输出调度优化结果至顶层,从而实现上下层决策的相互作用;顶层和底层均有各自的目标函数和约束条件,顶层目标函数由经济性和环保性组成,约束条件为***投资约束;底层目标函数由经济性组成,约束条件为设备运行约束;
顶层容量优化和底层调度优化方法具体步骤如下:
一)、顶层容量优化方法
顶层容量优化所述目标函数的经济性和环保性作为评估***优劣的指标,表述为式(3):
J1=min(F1,F2) (3)
1).全寿命周期经济现值
主动配电网的全寿命周期经济现值由式(4)计算
式中,CTANN指等年值费用,CRFl指资本回收系数,其由式(5)计算:
式中,l表示年数,r表示资本的年利率;
***等年值费用由设备投资等年值费用和***年运行和设备维护费用组成,计算如下式(6):
CTANN=Cfac+Cope+COM (6)
式中,Cfac指设备投资等年值费用,Cope指***年运行费用,COM指设备年维护费用;
设备投资等年值费用使用式(7)计算:
式中,CI,i指设备i初始投资费用,li为设备i运行寿命期望值;fac指全部投资设备;
***年运行费用包括***购电费用、燃料购买费用和卖电收益,计算如式(8):
Cope=CE+CF-CS (8)
式中,CE指***年购电费用,CF指***年购买燃料费用,CS指年卖电收益;
2).污染物排放
燃油发电机组以燃油作为主要燃料,其污染物包括CO、CO2、燃料中未燃烧尽的碳氢化合物、硫化物和一氧化氮;污染物的排放量与燃料消耗量直接相关,主动配电网年排放水平等于年燃料消耗量乘以其气体排放系数;
1
其中:σCO2、σCO、σHC、σNO、σS分别代表各污染物的排放系数;vF代表燃油发电机组的年消耗燃料量;
3).约束条件
由于主动配电网***为多目标优化,为保证***优化目标在可接受范围内,限制***目标函数在一定区间内,如式(10)
Fi<Fi,max i=1,2 (10)
Fi,max指限制***目标函数的最大值;
4).***优化
主动配电网***中的燃油发电机组类型DGtype,燃油发电机组台数DGnumber,风力发电类型WTtype,风机台数WTnumber,光伏电池容量PVcapacity,蓄电池储能容量BATcapacity和变流器容量CONcapacity为优化变量;定义优化变量为式(11):
X=[DGtype,DGnumber,WTtype,WTnumber,PVcapacity,BATcapacity,CONcapacity] (11)
二)、底层调度优化方法
1).目标函数
调度优化模型选取每一日为调度尺度,实现***的动态经济调度,以***日运行费用最低为目标函数,包括日购电费用、日燃料购买费用以及日卖电收益,如式(12);
J2=min(Ce+Cf+Cs) (12)
式中,Ce指日购电费用,Cf指日燃料购买费用,Cs指日卖电收益;
2).约束条件
2.1)功率平衡约束方程如式(13)
PG-PS+PDG+PCON=PL-PPV-PWT+PEV (13)
式中,PG指电网购电功率,PS指电网卖电功率,PDG指燃油发电机功率,PL指负荷功率,PPV指光伏发电功率,PWT指风机发电功率,PEV指充电汽车充电桩消耗功率,PCON指变流器功率,当整流时为负,当逆变时为正;
2.2)设备性能约束
①燃油发电机
采用线性功率燃料曲线描述燃油发电机发电量和燃料消耗量之间的关系,如式(14)所示:
F=F0·Ygen+F1·Pgen (14)
其中:F0是燃料曲线的截距系数;F1是燃料曲线的斜率;Pgen是燃油发电机的功率值,Ygen是发电机的额定容量;
由于燃油发电机运行于低负载率时效率较低,为使燃气发电机以高效率运行,燃油发电机出力应满足如下约束:
PDG,minuDG≤PDG≤PDG,max uDG (15)
其中,PDG,min和PDG,max分别是燃油发电机出力的最小有功功率和最大有功功率,μDG是二进制变量,标志燃油发电机的启停,0表述关机,1表述开机;
②蓄电池储能性能约束
蓄电池作为储能设备,其能量存储就有时间上的耦合性,即本时刻的储能状态受上一时刻储能状态影响;即
式中,和分别为t和t-1时段蓄电池储能状态,ηB,l指蓄电池自损耗率,和分别指蓄电池最大充电功率和最大放电功率,CB指蓄电池容量;每天的结束时段蓄电池储能状态值应等于每日初始时段的储能状态,如式(17):
时段t蓄电池的最大充电功率计算公式如式(18):
同理,最大放电功率计算公式如式(19):
同时,蓄电池同一时段不允许同时充放电,因此应满足式(20)约束:
其中rB,maxc、rB,maxd分别指蓄电池最大充放电倍率,均为二进制变量,指蓄电池充放电标志位,其值不允许同时为1;
为延长蓄电池使用寿命,其SOCt应满足式(21)的约束
SOCmin≤SOCt≤SOCmax (21)
式中,SOCmin、SOCmax分别指蓄电池荷电状态最小值和最大值,SOCt指t时刻蓄电池荷电状态;
③变流器性能约束
由于***仅针对蓄电池用双向变流器进行容量优化,此处变流器指蓄电池用双向变流器,其约束条件如式(22):
式中,ηB,c,ηB,d分别指蓄电池充、放电效率,ηCON,rec,ηCON,inv分别指变流器整流、逆变效率,PB,c指蓄电池最大充电功率,PB,d指蓄电池最大放电功率;
④光伏发电模型
采用下式计算光伏阵列的输出功率:
其中:fPV为光伏阵列降额因数,表示光伏实际输出与额定条件输出的比值,用于计及由于光伏板表面污渍和雨雪的遮盖以及光伏板自身老化等引起的损耗,取0.9;PV,cap为光伏阵列的额定容量;IT为光照强度;αP为功率温度系数;规定无风,光照强度为1kW/m2以及光伏电池温度25℃为光伏标准测试条件,IS和Tcell分别为标准测试条件下的光照强度和光伏电池温度,取值为1kW/m2和25℃;室外环境温度对于光伏板的运行效率有影响,通常环境温度增高,光伏阵列的运行效率会下降;光伏电池温度Tcell通过式(24)进行计算:
式中:Tα是环境温度;规定光照强度为0.8kW/m2、环境温度为20℃以及风速为1m/s为光伏额定运行条件;IT,NOCT和Tα,NOCT分别表示额定运行条件的光照强度和环境温度,取值为0.8kW/m2和20℃;Tcell,NOCT是指在额定运行条件下,光伏电池的表面温度,取值为45℃-48℃;Tcell,STC是指在标准测试条件下,光伏电池的表面温度;ηmp,STC是标准测试条件下最大功率点效率,由于光伏***运行在最大功率点处,使用该点的效率表示光伏运行效率;τ指光伏阵列遮盖物的太阳能透过率,取90%的值;αpv是PV阵列的太阳能吸收率,指表面能够吸收太阳能的比例,值为90%;
⑤风机发电性能约束
风机功率按式(25)计算:
式中,v为风机轮毂高度处的实际风速,vci、vco为切入风速和切出风速,当实际风速低于或高于实际风速时,风机都不工作,P(v)为正常风速范围内风机出力,由风速-功率曲线线性插值得到;
⑥电汽车充电桩性能约束
电汽车充电桩消耗功率按式(26)计算:
PEV=ZlnI=Zxnsinhγnl·I (26)
I电汽车充电桩充电电流,Zxn和γn分别为n次谐波的线路波阻抗和传播常数,其中Zxn和γn的计算为式(27)和式(28):
Z0n是充电桩线路的阻抗,Y0n是充电桩线路的导纳;
3).***运行约束
主动配电网从电网购电和售电应满足式(29)约束:
其中,PG,max、PS,max分别指***最大购电功率和最大卖电功率,同时,主动配电网***运行中各设备出力不能超过其额定功率限制。
2.根据权利要求1所述的一种主动配电网优化配置结构的配置方法,其特征是,采用的主动配电网优化***配置方法的数学模型表述为式(1)和式(2):
4
式中,F(·)为顶层优化的目标函数,x为顶层优化的决策向量,G(·)为顶层优化所需满足的约束条件,f(·)为底层优化的目标函数,y为底层优化的决策向量,g(·)为底层优化所需满足的约束条件。
3.根据权利要求1所述的一种主动配电网优化配置结构的配置方法,其特征是,主动配电网优化求解方法:
主动配电网优化配置结构含有多种目标,多目标优化通常作为一种在不同目标中寻找最优解得有效方法;由于这些目标可能是非线性的、矛盾的、不可测量的,为避免了将多目标问题转化为单目标问题权重问题的引入,采用以下步骤进行优化求解:
S1:***初始化:读取***各设备的负荷、日照、风速以及遗传算法参数;
S2:初始化种群P0,通过随机函数产生N个个体,作为初始种群P0,取t=0;
S3:调用内层优化调度策略,计算种群Pt适应度值;按下式计算各个体适应度函数值,如式(30):
其中:f1(x)为所有个体的第1个目标函数值;f2(x)为所有个体的第2个目标函数值,f1,max(X)表示所有个体的第1个目标函数值中的最大值,f2,max(X)表示所有个体的第2个目标函数值中的最大值,Δ为不满足约束条件个体的相关约束的绝对值之和;
S4:对种群Pt执行遗传操作,生成子代种群Qt;
S5:从父代种群Pt中通过遗传操作得到子代种群Qt;调用内层优化调度策略,计算种群Qt适应度值;
S6:将当前种群Pt与子代种群Qt合并得种群Rt,根据适应度函数值,计算各个体的支配关系和聚集距离,对个体进行排序;
S7:保留精英,从种群Rt中选择前N个个体作为父代中期种群Pt+1;
S8:终止条件判断;判断终止条件,若满足,则输出***的优化结果,否则返回S4;
S9:输出***的优化结果;
S10:完成全部流程,优化求解结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410662732.7A CN104362677B (zh) | 2014-11-19 | 2014-11-19 | 一种主动配电网优化配置结构及其配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410662732.7A CN104362677B (zh) | 2014-11-19 | 2014-11-19 | 一种主动配电网优化配置结构及其配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104362677A CN104362677A (zh) | 2015-02-18 |
CN104362677B true CN104362677B (zh) | 2017-08-11 |
Family
ID=52529915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410662732.7A Active CN104362677B (zh) | 2014-11-19 | 2014-11-19 | 一种主动配电网优化配置结构及其配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104362677B (zh) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104734147B (zh) * | 2015-03-16 | 2017-11-24 | 河海大学 | 一种综合能源***概率能量流分析方法 |
CN104700322A (zh) * | 2015-03-27 | 2015-06-10 | 国网上海市电力公司 | 多种智能设备接入***的配电网综合效益评估方法 |
CN105978034B (zh) * | 2015-04-06 | 2018-08-14 | 肇庆粤能电力设计有限公司 | 分布式电网配电*** |
CN104993774A (zh) * | 2015-07-23 | 2015-10-21 | 北京天航华创科技股份有限公司 | 一种平流层飞艇用光能-风能一体化发电*** |
CN105117797B (zh) * | 2015-08-13 | 2019-01-08 | 浙江工业大学 | 基于孤岛划分的微网日前经济最优调度方法 |
CN105227491B (zh) * | 2015-10-21 | 2019-01-08 | 国家电网公司 | 一种配用电无线接入网中的资源调度方法 |
CN105356610A (zh) * | 2015-11-26 | 2016-02-24 | 江苏省电力公司南京供电公司 | 智能配电网的配电自动化终端配置方法 |
CN105391061B (zh) * | 2015-12-01 | 2016-06-08 | 贵州电网有限责任公司 | 冷热电风光储联合优化的主动配电网优化***和优化方法 |
CN105938165A (zh) * | 2016-05-22 | 2016-09-14 | 沈阳工程学院 | 一种含有电动车的局部发供电实验*** |
CN105932741B (zh) * | 2016-06-02 | 2017-02-08 | 中国南方电网有限责任公司电网技术研究中心 | 电动汽车群的充电控制方法和*** |
CN106169108B (zh) * | 2016-07-14 | 2020-04-03 | 河海大学 | 含电池储能***的主动配电网短期有功优化方法 |
CN106505712A (zh) * | 2016-10-28 | 2017-03-15 | 安徽智瑞电气有限公司 | 一种无线充电桩电能量的采集方法 |
CN106527142B (zh) * | 2016-12-06 | 2019-08-27 | 国网江苏省电力公司徐州供电公司 | 一种有源配电网环境下的冷热电联供***协调调度方法 |
CN106779250B (zh) * | 2017-01-16 | 2020-07-24 | 浙江大学城市学院 | 一种基于新型优化模型的孤立分布式电网配置方法 |
CN107239847A (zh) * | 2017-04-12 | 2017-10-10 | 广州供电局有限公司 | 一种主动配电网储能***动态规划方法 |
CN107133415B (zh) * | 2017-05-22 | 2019-07-23 | 河海大学 | 一种考虑用户满意和配网安全的电动汽车充放电优化方法 |
CN107846007B (zh) * | 2017-07-03 | 2021-04-02 | 东南大学 | 基于混沌局部搜索的直流配网电源储能双层规划方法 |
CN108021735B (zh) * | 2017-11-07 | 2021-06-11 | 上海科梁信息工程股份有限公司 | 电池的模拟方法、上位机、实时仿真机及电池模拟*** |
CN108599271A (zh) * | 2018-05-10 | 2018-09-28 | 国网江苏省电力有限公司徐州供电分公司 | 一种海岛能源综合能量管理方法 |
CN108964126B (zh) * | 2018-07-18 | 2020-08-11 | 杭州新融方科技有限公司 | 一种主动配电网***及其操作方法 |
CN108964048B (zh) * | 2018-08-15 | 2020-07-28 | 国家电网有限公司 | 微电网容量配置与运行调度方法及装置 |
CN109617132B (zh) * | 2018-12-12 | 2022-06-10 | 国网江苏省电力有限公司电力科学研究院 | 提升弹性配电网恢复力的资源配置与网络重构优化方法 |
CN110137957A (zh) * | 2019-05-22 | 2019-08-16 | 贵州大学 | 一种基于直流配电中心的柔性互联配电网削峰填谷方法 |
CN110350527A (zh) * | 2019-07-15 | 2019-10-18 | 国网冀北电力有限公司唐山供电公司 | 一种含分布式电源的增量配电网双层优化配置方法 |
CN110854929B (zh) * | 2019-11-12 | 2021-05-18 | 华中科技大学 | 一种计及时段内不确定性的日前调度方法 |
CN112819191A (zh) * | 2019-11-18 | 2021-05-18 | 国网能源研究院有限公司 | 一种面向工程应用的园区综合能源***运行优化分析方法 |
CN111181154A (zh) * | 2019-12-23 | 2020-05-19 | 北京交通大学 | 互联微网储能容量优化配置方法 |
CN112086970B (zh) * | 2020-09-21 | 2022-07-12 | 广东电网有限责任公司 | 一种储能电站的配置方法、装置、电子设备和存储介质 |
CN112651603B (zh) * | 2020-12-04 | 2023-10-17 | 苏州电力设计研究院有限公司 | 考虑电动汽车充电站耦合作用的容量评估方法 |
CN113553701B (zh) * | 2021-07-05 | 2022-04-26 | 福建时代星云科技有限公司 | 一种储充站仿真建模方法及终端 |
CN116073377B (zh) * | 2023-03-06 | 2023-06-23 | 国网浙江省电力有限公司宁波供电公司 | 基于双向调节的主配网交互协同方法及*** |
CN117973708B (zh) * | 2024-04-02 | 2024-06-07 | 山东未来集团有限公司 | 一种基于绿色能源的分布式算网智能管控*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102904288B (zh) * | 2012-09-28 | 2015-04-15 | 南方电网科学研究院有限责任公司 | 一种用于含风光柴储孤立微电网的稳态运行策略 |
CN103066620B (zh) * | 2012-12-24 | 2014-10-22 | 中国电力科学研究院 | 间歇能源并网下的自动发电控制模型的设计方法 |
-
2014
- 2014-11-19 CN CN201410662732.7A patent/CN104362677B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104362677A (zh) | 2015-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104362677B (zh) | 一种主动配电网优化配置结构及其配置方法 | |
Moghaddam et al. | Multi-operation management of a typical micro-grids using Particle Swarm Optimization: A comparative study | |
CN102694391B (zh) | 风光储联合发电***日前优化调度方法 | |
CN105071389B (zh) | 计及源网荷互动的交直流混合微电网优化运行方法及装置 | |
CN108173283A (zh) | 一种含风光可再生能源的热电联供***运行方法 | |
CN106451550A (zh) | 一种基于改进次梯度粒子群的微电网并网优化调度方法 | |
CN105005872A (zh) | 一种移峰填谷的储能***的容量配置方法 | |
CN104392394B (zh) | 一种微电网储能裕度的检测方法 | |
CN105226688A (zh) | 基于机会约束模型的多类型储能***容量优化配置方法 | |
CN112800658A (zh) | 一种考虑源储荷互动的主动配电网调度方法 | |
CN114519543B (zh) | 一种乡村多能源***边缘自治运行方法及*** | |
CN110138006A (zh) | 考虑含有新能源电动汽车的多微电网协调优化调度方法 | |
CN104361416A (zh) | 一种考虑大规模电动汽车接入的电网双层优化调度方法 | |
CN110245794A (zh) | 考虑灵活性的多能源汇集中心火储容量双层优化方法 | |
Wang et al. | An improved min-max power dispatching method for integration of variable renewable energy | |
CN114977180A (zh) | 一种基于负荷侧灵活性资源的微电网低碳优化调度方法 | |
Ahmadi et al. | Performance of a smart microgrid with battery energy storage system's size and state of charge | |
CN108022055A (zh) | 一种基于粒子群模型的微电网经济调度方法 | |
Huang et al. | Optimal design of an island microgrid with considering scheduling optimization | |
CN114971154A (zh) | 一种包含碳交易机制的可再生能源消纳方法 | |
Li et al. | The source-load-storage coordination and optimal dispatch from the high proportion of distributed photovoltaic connected to power grids | |
CN113488990A (zh) | 基于改进的蝙蝠算法的微电网优化调度方法 | |
Kai et al. | Optimization for PV-ESS in Distribution Network Based on CSBO | |
Liu et al. | Optimal sizing of distributed generation based on chaotic free-search algorithm in an island microgrid | |
Ghahramani et al. | Optimal energy management of a parking lot in the presence of renewable sources |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |