CN105356464A - 一种分布式电源和配电网联合规划的方法及装置 - Google Patents

一种分布式电源和配电网联合规划的方法及装置 Download PDF

Info

Publication number
CN105356464A
CN105356464A CN201510909371.6A CN201510909371A CN105356464A CN 105356464 A CN105356464 A CN 105356464A CN 201510909371 A CN201510909371 A CN 201510909371A CN 105356464 A CN105356464 A CN 105356464A
Authority
CN
China
Prior art keywords
distribution network
power distribution
power source
parameter
population
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.)
Pending
Application number
CN201510909371.6A
Other languages
English (en)
Inventor
黄碧斌
李琼慧
王基
洪博文
胡静
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.)
State Grid Corp of China SGCC
State Grid Energy Research Institute Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Energy Research Institute 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 State Grid Corp of China SGCC, State Grid Energy Research Institute Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201510909371.6A priority Critical patent/CN105356464A/zh
Publication of CN105356464A publication Critical patent/CN105356464A/zh
Pending legal-status Critical Current

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
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种分布式电源和配电网联合规划的方法，通过人工智能优化算法对获取的配电网的网络结构参数、配电网对应的线路的线路参数、配电网对应的变压器的变压器参数、配电网对应的负荷的负荷参数、拟接入配电网的分布式电源接入位置和容量建立对应的初始种群，然后基于逐时点的潮流计算结果计算当前种群的每个个体的个体适应度。直到当前的种群代数达到最大计算代数的要求时输出个体适应度中的最优值，得到分布式电源和配电网联合规划方案，进而实现对分布式电源和配电网的联合规划。此外，本发明还公开一种分布式电源和配电网联合规划的装置。

Description

一种分布式电源和配电网联合规划的方法及装置
技术领域
本发明涉及电力规划技术领域，特别是涉及一种分布式电源和配电网联合规划的方法及装置。
背景技术
分布式电源的大量接入给配电网的规划带来了新的挑战。投资主体众多直接导致分布式电源的类型、容量、安装地点以及投入时间的不确定，而且由于一些可再生能源发电往往呈现间歇式的特点，电力负荷预测的难度显著增高。另一方面，要充分发挥分布式电源在延缓输配电网投资、降低电力***损耗等方面的正面作用，分布式电源的类型、安装地点、容量需要与配电网相协调。因此有必要对含分布式电源的配电网进行联合优化规划，在保障分布式电源接入后的供电可靠性的前提下，充分挖掘分布式电源对电网的价值，实现分布式电源接入后整个配电***综合经济效益的最优。
分布式电源并网运行优化本质上就是电源位置容量、接入方式、发电出力和电网改造方案的合理规划。目前含分布式电源的配电网规划分为三类：一是分布式电源的布点规划；二是分布式电源接入电网后的电网扩展规划；三是分布式电源和电网的联合规划。目前我国在分布式电源自身规划、配电网扩展规划方面已有一定研究基础，但对分布式电源和配电网联合规划的研究仍不够深入。
由此可见，如何实现对分布式电源和配电网的联合规划是本领域技术人员亟待解决的问题。
发明内容
本发明的目的是提供一种分布式电源和配电网联合规划的方法，用于实现对分布式电源和配电网的联合规划。此外，本发明的目的还提供一种分布式电源和配电网联合规划的装置。
为解决上述技术问题，本发明提供一种分布式电源和配电网联合规划的方法，包括：
步骤10：获取所述配电网的网络结构参数、所述配电网对应的线路的线路参数、所述配电网对应的变压器的变压器参数、所述配电网对应的负荷的负荷参数以及拟接入所述配电网的分布式电源的接入位置和容量参数；
步骤11：根据所述人工智能优化算法建立所述配电网的网络结构参数、所述配电网对应的线路的线路参数、所述配电网对应的变压器的变压器参数、所述配电网对应的负荷的负荷参数以及所述分布式电源的接入位置和容量参数对应的初始种群；
步骤12：采用逐时点的潮流计算结果计算当前种群的每个个体的个体适应度；
其中，在初始状态下，将种群代数设置为1；
步骤13：判断当前种群的种群代数是否达到最大计算代数的要求；
如果否，执行步骤S14；
步骤S14：将当前种群的种群代数加1，通过所述人工智能优化算法的更新操作获取下一代种群，返回步骤S12；
如果是，执行步骤S15；
步骤S15：输出所述个体适应度中的最优值，得到所述分布式电源和配电网联合规划方案。
优选地，所述人工智能优化算法包括：粒子群算法、蚁群算法或遗传算法。
优选地，所述采用逐时点的潮流计算结果计算当前种群的每个个体的个体适应度具体包括：
根据当前种群给定的分布式电源选址定容、接入方式、网络结构、线路型号、线路长度、变压器型号确定潮流计算所用的参数；
根据所述潮流计算所用的参数，对所述配电网进行逐时点潮流计算得到所述配电网在各个预设时间点上的节点电压和线路电流；
当根据所述节点电压和所述线路电流对应的参数超出预设范围时，确定对所述配电网进行线路改造。
优选地，所述当根据所述节点电压和所述线路电流对应的参数超出预设范围时，确定对所述配电网进行线路改造具体包括：
当所述节点电压和所述线路电流超出第一预设范围时，对所述分布式电源进行限电；
计算所述分布式电源在各个所述预设时间点上的总限电量；
当所述分布式电源的所述总限电量超出第二预设范围时，确定对所述配电网进行线路改造。
优选地，在所述确定对所述配电网进行线路改造之后还包括：
根据所述配电网的年度限电量、实发电量、电能损耗、变压器最大供电功率以计算电网改造成本、限电损失、电力***损耗。
一种分布式电源和配电网联合规划的装置，包括：
获取单元，用于获取所述配电网的网络结构参数、所述配电网对应的线路的线路参数、所述配电网对应的变压器的变压器参数、所述配电网对应的负荷的负荷参数以及拟接入所述配电网的分布式电源接入位置和容量参数；
建立单元，用于根据所述人工智能优化算法建立所述配电网的网络结构参数、所述配电网对应的线路的线路参数、所述配电网对应的变压器的变压器参数、所述配电网对应的负荷的负荷参数以及所述分布式电源的接入位置和容量参数对应的初始种群；
第一计算单元，用于采用逐时点的潮流计算结果计算当前种群的每个个体的个体适应度；
其中，在初始状态下，将种群代数设置为1；
判断单元，用于判断当前种群的种群代数是否达到最大计算代数的要求，如果否，则触发迭代单元，如果是，则触发输出单元；
迭代单元，用于将当前种群的种群代数加1，通过所述人工智能优化算法的更新操作获取下一代种群，并触发所述第一计算单元；
输出单元，用于输出所述个体适应度中的最优值，得到所述分布式电源和配电网联合规划方案。
优选地，所述人工智能优化算法包括：粒子群算法、蚁群算法或遗传算法。
优选地，所述第一计算单元具体包括：
第一确定子单元，用于根据当前种群给定的分布式电源选址定容、接入方式、网络结构、线路型号、线路长度、变压器型号确定潮流计算所用的参数；
计算子单元，用于根据所述潮流计算所用的参数，对所述配电网进行逐时点潮流计算得到所述配电网在各个预设时间点上的节点电压和线路电流；
第二确定子单元，用于当根据所述节点电压和所述线路电流对应的参数超出预设范围时，确定对所述配电网进行线路改造。
优选地，所述第二确定子单元具体包括：
第一判断模块，用于当所述节点电压和所述线路电流超出第一预设范围时，对所述分布式电源进行限电；
计算模块，用于计算所述分布式电源在各个所述预设时间点上的总限电量；
第二判断模块，用于当所述分布式电源的所述总限电量超出第二预设范围时，确定对所述配电网进行线路改造。
优选地，还包括第二计算单元，用于根据所述配电网的年度限电量、实发电量、电能损耗、变压器最大供电功率以计算电网改造成本、限电损失、电力***损耗。
本发明所提供了一种分布式电源和配电网联合规划的方法及装置。该方法通过人工智能优化算法对获取的配电网的网络结构参数、配电网对应的线路的线路参数、配电网对应的变压器的变压器参数、配电网对应的负荷的负荷参数以及拟接入配电网的分布式电源接入位置和容量建立对应的初始种群，然后基于逐时点的潮流计算结果计算当前种群的每个个体的个体适应度。直到当前的种群代数达到最大计算代数的要求时输出个体适应度中的最优值得到分布式电源和配电网联合规划方案，进而实现对分布式电源和配电网的联合规划。
附图说明
为了更清楚地说明本发明实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种分布式电源和配电网联合规划的方法的流程图；
图2为本发明提供的一种分布式电源和配电网联合规划的装置的结构图。
具体实施方式
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，都属于本发明保护范围。
本发明的核心是提供一种分布式电源和配电网联合规划的方法及装置。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。
实施例一
图1为本发明提供的一种分布式电源和配电网联合规划的方法的流程图。如图1所示，分布式电源和配电网联合规划的方法，包括：
步骤10：获取配电网的网络结构参数、配电网对应的线路的线路参数、配电网对应的变压器的变压器参数、配电网对应的负荷的负荷参数以及拟接入配电网的分布式电源的接入位置和容量参数。
在具体实施中，当选定了需要联合规划的配电网后，相应的获取网络结构参数、线路参数、变压器参数、负荷参数、以及分布式电源接入位置和容量参数。上述参数是作为人工智能优化算法的输入量。例如，需要在该配电网接入60个分布式电源，假定每个分布式电源的功率为3kW。
步骤11：根据人工智能优化算法建立配电网的网络结构参数、配电网对应的线路的线路参数、配电网对应的变压器的变压器参数、配电网对应的负荷的负荷参数以及分布式电源的接入位置和容量参数对应的初始种群。
根据相关人工智能算法类型的自身特点，建立初始种群。其中，人工智能优化算法包括：粒子群算法、蚁群算法或遗传算法。需要说明的是上述三种方法只是具体的应用场景，并不限于只能是这三种。以下通过遗传算法为例，进行说明：
遗传算法种群数目N＝50，迭代次数T＝50。根据实际网络结构参数，每个节点上标注可以最大接入的分布式电源的数量，该台区最多可接入102个***，每个分布式电源的功率为3kW，因此最大可接入功率为306千瓦。
步骤12：采用逐时点的潮流计算结果计算当前种群的每个个体的个体适应度。
其中，在初始状态下，将种群代数设置为1。
本发明中设置种群的数目为50个，迭代次数为50。初始状态时，种群代数为1，以后每增加一代则种群代数加1。
步骤13：判断当前种群的种群代数是否达到最大计算代数的要求；如果否，执行步骤S14；
步骤S14：将当前种群的种群代数加1，通过人工智能优化算法的更新操作获取下一代种群，返回步骤S12；
如果是，则执行步骤S15；
步骤S15：输出个体适应度中的最优值，得到分布式电源和配电网联合规划方案。
步骤12是计算当前种群中的每个个体的个体适应度，由于当前种群需要迭代50次，因此，当计算完每个个体的个体适应度后，需要判断当前种群的种群代数是否达到最大计算代数的要求。如果没有达到，则需要继续迭代，即将当前种群的种群代数加1，通过人工智能优化算法的更新操作获取下一代种群，继续执行步骤12。当迭代次数达到最大计算代数的要求，即50次时停止对种群代数的增加。
由于在每个种群中存在一个最优的个体适应度，那么多个种群中就存在多个最优的个体适应度，例如种群数目为50个时，则有50个最优的个体适应度，步骤S15就是选取这个50个最优个体适应度中最优的一个，作为分布式电源和配电网联合规划方案。
本实施例提供了一种分布式电源和配电网联合规划的方法，通过人工智能优化算法对获取的配电网的网络结构参数、配电网对应的线路的线路参数、配电网对应的变压器的变压器参数、配电网对应的负荷的负荷参数、分布式电源接入位置和容量参数建立对应的初始种群，然后基于逐时点的潮流计算结果计算当前种群的每个个体的个体适应度。直到当前的种群代数达到最大计算代数的要求时输出个体适应度中的最优值得到分布式电源和配电网联合规划方案，进而实现对分布式电源和配电网的联合规划。
其中，计算当前种群的每个个体的个体适应度具体包括：
根据当前种群给定的分布式电源选址定容、接入方式、网络结构、线路型号、线路长度、变压器型号确定潮流计算所用的参数；
根据潮流计算所用的参数，对配电网进行逐时点潮流计算得到配电网在各个预设时间点上的节点电压和线路电流；
当根据节点电压和线路电流对应的参数超出预设范围时，确定对配电网进行线路改造。
根据当前种群给定的分布式电源选址定容、接入方式、网络结构、线路型号、线路长度、变压器型号确定潮流计算所用的参数。从102个可接入的位置中选择60个位置，譬如选择从上往下的60个，并采用分散接入方式，安装分布式电源。
潮流计算中，确定各个时间点的网络运行状态以及分布式电源出力情况：利用上述参数逐个时间点进行稳态潮流计算，得到该配电网的稳态运行状态，得到配电网在各个预设时间点上的节点电压和线路电流。然后判断节点电压和线路电流是否超出预设范围以确定是否对配电网进行线路改造。具体的包括：
当节点电压和线路电流超出第一预设范围时，对分布式电源进行限电；
计算分布式电源在各个预设时间点上的总限电量；
当分布式电源的总限电量超出第二预设范围时，确定对配电网进行线路改造。
首先判断节点电压和线路电流是否满足国家标准规定的供电电压要求以及线路输送能力(第一预设范围)。如果超出，根据给定的限电策略进行限电。通过计算，全年8760小时中有764个小时存在限电，时段占比为8.7％。
限电之后，对分布式电源的总限电量进行计算，判断总限电量是否超出第二预设范围，如果超出则确定需要对电网进行线路改造。具体的：对整个时间段内的限电量进行累计，如果整个时间段内的累计限电量超过给定指标(第二预设范围)，则需要进行改造。在具体实施中，可以通过多次计算，确定满足限电约束的最小成本及相应改造策略。
具体实施为，此时限电量占比为10.04％，超过了规定的5％的要求，这时候需要进行改造，通过分析将主干线变成120，分支线2变成70。此时重新进行潮流计算，得到新的电网改造方案下限电量为2.47％，满足规定要求，就继续往下走。
其中，在确定对配电网进行线路改造之后还包括：
根据配电网的年度限电量、实发电量、电能损耗、变压器最大供电功率以计算电网改造成本、限电损失、电力***损耗。
由于上述步骤中需要进行电网线路的改造，因此，需要进行相关成本的计算，具体是根据配电网的年度限电量、实发电量、电能损耗、变压器最大供电功率来计算。
实施例二
图2为本发明提供的一种分布式电源和配电网联合规划的装置的结构图。如图2所示，分布式电源和配电网联合规划的装置包括：
获取单元10，用于获取配电网的网络结构参数、配电网对应的线路的线路参数、配电网对应的变压器的变压器参数、配电网对应的负荷的负荷参数以及拟接入所述配电网的分布式电源接入位置和容量参数；
建立单元11，用于根据人工智能优化算法建立配电网的网络结构参数、配电网对应的线路的线路参数、配电网对应的变压器的变压器参数、配电网对应的负荷的负荷参数、以及拟接入所述配电网的分布式电源接入位置和容量参数对应的初始种群；
第一计算单元12，用于采用逐时点的潮流计算结果计算当前种群的每个个体的个体适应度；
其中，在初始状态下，将种群代数设置为1；
判断单元13，用于判断当前种群的种群代数是否达到最大计算代数的要求，如果否，则触发迭代单元，如果是，则触发输出单元；
迭代单元14，用于将当前种群的种群代数加1，通过人工智能优化算法的更新操作获取下一代种群，并触发第一计算单元12；
输出单元15，用于输出个体适应度中的最优值，得到分布式电源和配电网联合规划方案。
本实施例提供了一种分布式电源和配电网联合规划的装置，通过人工智能优化算法对获取的配电网的网络结构参数、配电网对应的线路的线路参数、配电网对应的变压器的变压器参数、配电网对应的负荷的负荷参数分布式电源接入位置和容量参数建立对应的初始种群，然后基于逐时点的潮流计算结果计算当前种群的每个个体的个体适应度。直到当前的种群代数达到最大计算代数的要求时输出个体适应度中的最优值得到分布式电源和配电网联合规划方案，进而实现对分布式电源和配电网的联合规划。
其中，人工智能优化算法包括：粒子群算法、蚁群算法或遗传算法。
其中，第一计算单元12具体包括：
第一确定子单元，用于根据当前种群给定的分布式电源选址定容、接入方式、网络结构、线路型号、线路长度、变压器型号确定潮流计算所用的参数；
计算子单元，用于根据潮流计算所用的参数，对配电网进行逐时点潮流计算得到配电网在各个预设时间点上的节点电压和线路电流；
第二确定子单元，用于当根据节点电压和线路电流对应的参数超出预设范围时，确定对配电网进行线路改造。
其中，第二确定子单元具体包括：
第一判断模块，用于当节点电压和线路电流超出第一预设范围时，对分布式电源进行限电；
计算模块，用于计算分布式电源在各个预设时间点上的总限电量；
第二判断模块，用于当分布式电源的总限电量超出第二预设范围时，确定对配电网进行线路改造。
其中，还包括第二计算单元，用于根据配电网的年度限电量、实发电量、电能损耗、变压器最大供电功率以计算电网改造成本、限电损失、电力***损耗。
以上对本发明所提供的分布式电源和配电网联合规划的方法及装置进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

Claims (10)

1.一种分布式电源和配电网联合规划的方法，其特征在于，包括：
步骤10：获取所述配电网的网络结构参数、所述配电网对应的线路的线路参数、所述配电网对应的变压器的变压器参数、所述配电网对应的负荷的负荷参数以及拟接入所述配电网的分布式电源的接入位置和容量参数；
步骤11：根据所述人工智能优化算法建立所述配电网的网络结构参数、所述配电网对应的线路的线路参数、所述配电网对应的变压器的变压器参数、所述配电网对应的负荷的负荷参数以及所述分布式电源的接入位置和容量参数对应的初始种群；
步骤12：采用逐时点的潮流计算结果计算当前种群的每个个体的个体适应度；
其中，在初始状态下，将种群代数设置为1；
步骤13：判断当前种群的种群代数是否达到最大计算代数的要求；
如果否，执行步骤S14；
步骤S14：将当前种群的种群代数加1，通过所述人工智能优化算法的更新操作获取下一代种群，返回步骤S12；
如果是，执行步骤S15；
步骤S15：输出所述个体适应度中的最优值，得到所述分布式电源和配电网联合规划方案。
2.根据权利要求1所述的分布式电源和配电网联合规划的方法，其特征在于，所述人工智能优化算法包括：粒子群算法、蚁群算法或遗传算法。
3.根据权利要求1所述的分布式电源和配电网联合规划的方法，其特征在于，所述采用逐时点的潮流计算结果计算当前种群的每个个体的个体适应度具体包括：
根据当前种群给定的分布式电源选址定容、接入方式、网络结构、线路型号、线路长度、变压器型号确定潮流计算所用的参数；
根据所述潮流计算所用的参数，对所述配电网进行逐时点潮流计算得到所述配电网在各个预设时间点上的节点电压和线路电流；
当根据所述节点电压和所述线路电流对应的参数超出预设范围时，确定对所述配电网进行线路改造。
4.根据权利要求3所述的分布式电源和配电网联合规划的方法，其特征在于，所述当根据所述节点电压和所述线路电流对应的参数超出预设范围时，确定对所述配电网进行线路改造具体包括：
当所述节点电压和所述线路电流超出第一预设范围时，对所述分布式电源进行限电；
计算所述分布式电源在各个所述预设时间点上的总限电量；
当所述分布式电源的所述总限电量超出第二预设范围时，确定对所述配电网进行线路改造。
5.根据权利要求3或4所述的分布式电源和配电网联合规划的方法，其特征在于，在所述确定对所述配电网进行线路改造之后还包括：
根据所述配电网的年度限电量、实发电量、电能损耗、变压器最大供电功率以计算电网改造成本、限电损失、电力***损耗。
6.一种分布式电源和配电网联合规划的装置，其特征在于，包括：
获取单元，用于获取所述配电网的网络结构参数、所述配电网对应的线路的线路参数、所述配电网对应的变压器的变压器参数、所述配电网对应的负荷的负荷参数以及拟接入所述配电网的分布式电源接入位置和容量参数；
建立单元，用于根据所述人工智能优化算法建立所述配电网的网络结构参数、所述配电网对应的线路的线路参数、所述配电网对应的变压器的变压器参数、所述配电网对应的负荷的负荷参数以及所述分布式电源的接入位置和容量参数对应的初始种群；
第一计算单元，用于采用逐时点的潮流计算结果计算当前种群的每个个体的个体适应度；
其中，在初始状态下，将种群代数设置为1；
判断单元，用于判断当前种群的种群代数是否达到最大计算代数的要求，如果否，则触发迭代单元，如果是，则触发输出单元；
迭代单元，用于将当前种群的种群代数加1，通过所述人工智能优化算法的更新操作获取下一代种群，并触发所述第一计算单元；
输出单元，用于输出所述个体适应度中的最优值，得到所述分布式电源和配电网联合规划方案。
7.根据权利要求6所述的分布式电源和配电网联合规划的装置，其特征在于，所述人工智能优化算法包括：粒子群算法、蚁群算法或遗传算法。
8.根据权利要求6所述的分布式电源和配电网联合规划的装置，其特征在于，所述第一计算单元具体包括：
第一确定子单元，用于根据当前种群给定的分布式电源选址定容、接入方式、网络结构、线路型号、线路长度、变压器型号确定潮流计算所用的参数；
计算子单元，用于根据所述潮流计算所用的参数，对所述配电网进行逐时点潮流计算得到所述配电网在各个预设时间点上的节点电压和线路电流；
第二确定子单元，用于当根据所述节点电压和所述线路电流对应的参数超出预设范围时，确定对所述配电网进行线路改造。
9.根据权利要求8所述的分布式电源和配电网联合规划的装置，其特征在于，所述第二确定子单元具体包括：
第一判断模块，用于当所述节点电压和所述线路电流超出第一预设范围时，对所述分布式电源进行限电；
计算模块，用于计算所述分布式电源在各个所述预设时间点上的总限电量；
第二判断模块，用于当所述分布式电源的所述总限电量超出第二预设范围时，确定对所述配电网进行线路改造。
10.根据权利要求8或9所述的分布式电源和配电网联合规划的装置，其特征在于，还包括第二计算单元，用于根据所述配电网的年度限电量、实发电量、电能损耗、变压器最大供电功率以计算电网改造成本、限电损失、电力***损耗。
CN201510909371.6A 2015-12-10 2015-12-10 一种分布式电源和配电网联合规划的方法及装置 Pending CN105356464A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510909371.6A CN105356464A (zh) 2015-12-10 2015-12-10 一种分布式电源和配电网联合规划的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510909371.6A CN105356464A (zh) 2015-12-10 2015-12-10 一种分布式电源和配电网联合规划的方法及装置

Publications (1)

Publication Number Publication Date
CN105356464A true CN105356464A (zh) 2016-02-24

Family

ID=55332373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510909371.6A Pending CN105356464A (zh) 2015-12-10 2015-12-10 一种分布式电源和配电网联合规划的方法及装置

Country Status (1)

Country Link
CN (1) CN105356464A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106253335A (zh) * 2016-06-16 2016-12-21 上海交通大学 一种分布式电源容量与接入位置不确定的配电网规划方法
CN106295885A (zh) * 2016-08-11 2017-01-04 中国电力科学研究院 基于主动管理模式的主动配电网联合规划方法
CN106655268A (zh) * 2016-12-26 2017-05-10 国家电网公司 一种分布式光伏接入的综合效益分析方法及装置
CN109117955A (zh) * 2017-06-22 2019-01-01 南京理工大学 一种基于粒子群优化算法的电力***规划方法
CN109995026A (zh) * 2019-03-22 2019-07-09 国网浙江省电力有限公司电力科学研究院 一种基于遗传算法的混合交直流配电网综合规划方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103401270A (zh) * 2013-08-13 2013-11-20 国家电网公司 一种确定中低压配电网接纳分布式电源能力的方法及装置
CN104463369A (zh) * 2014-12-12 2015-03-25 国家电网公司 一种分布式电源选址与定容优化方法及***
US20150262093A1 (en) * 2009-10-27 2015-09-17 Enphase Energy, Inc. Method and apparatus for distributed generator lifecycle management
CN104979828A (zh) * 2015-07-08 2015-10-14 国家电网公司 一种分布式电源接入配电网后的电网改造分析方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150262093A1 (en) * 2009-10-27 2015-09-17 Enphase Energy, Inc. Method and apparatus for distributed generator lifecycle management
CN103401270A (zh) * 2013-08-13 2013-11-20 国家电网公司 一种确定中低压配电网接纳分布式电源能力的方法及装置
CN104463369A (zh) * 2014-12-12 2015-03-25 国家电网公司 一种分布式电源选址与定容优化方法及***
CN104979828A (zh) * 2015-07-08 2015-10-14 国家电网公司 一种分布式电源接入配电网后的电网改造分析方法和装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106253335A (zh) * 2016-06-16 2016-12-21 上海交通大学 一种分布式电源容量与接入位置不确定的配电网规划方法
CN106295885A (zh) * 2016-08-11 2017-01-04 中国电力科学研究院 基于主动管理模式的主动配电网联合规划方法
CN106655268A (zh) * 2016-12-26 2017-05-10 国家电网公司 一种分布式光伏接入的综合效益分析方法及装置
CN109117955A (zh) * 2017-06-22 2019-01-01 南京理工大学 一种基于粒子群优化算法的电力***规划方法
CN109995026A (zh) * 2019-03-22 2019-07-09 国网浙江省电力有限公司电力科学研究院 一种基于遗传算法的混合交直流配电网综合规划方法

Similar Documents

Publication Publication Date Title
Liu et al. Optimal sizing of a wind-energy storage system considering battery life
CN112039069B (zh) 一种配电网储能与柔性开关的双层协同规划方法及***
CN105356464A (zh) 一种分布式电源和配电网联合规划的方法及装置
CN103401270B (zh) 一种确定中低压配电网接纳分布式电源能力的方法及装置
CN107492901B (zh) 一种分布式储能***实时优化方法及装置
CN104239967A (zh) 一种含风电场的电力***多目标经济调度方法
WO2015070480A1 (zh) 基于风功率预测的电池储能电站能量管理方法
Zhang et al. Joint generation and energy storage systems expansion planning in interconnected power systems with high penetration of wind power
CN110264110B (zh) 基于配电网多应用场景的储能电站选址定容方法
CN109272353A (zh) 计及综合需求响应不确定性的***动态概率能流分析方法
Gutiérrez-Alcaraz et al. An efficient method for contingency-constrained transmission expansion planning
CN113988384A (zh) 一种提高配电网可靠性的储能容量优化配置方法
Meyer et al. Optimal use of decentralized methods for volt/var control in distribution networks
CN109460870B (zh) 考虑阻塞的集群电动汽车交互方法
CN106253345B (zh) 一种电力网络及其控制方法、装置和***
CN103401271B (zh) 一种确定省级电网接纳分布式电源能力的方法及装置
CN117674092A (zh) 受灾害电网的配置方法、配置装置和电子设备
Liao et al. Load transfer capability analysis considering interconnection of distributed generation and energy storage system
CN110323779B (zh) 一种分布式发电与储能装置的功率动态聚合的方法和***
CN105406469A (zh) 基于状态转移抽样法的高渗透率有源配电网可靠性评估法
CN110854916A (zh) 一种基于用户储能的能量平衡控制方法及装置
CN109004642B (zh) 用于平抑分布式电源功率波动的配网分布式储能评价方法
Chen et al. Optimal allocation of power-electronic interfaced wind turbines using a genetic algorithm–monte carlo hybrid optimization method
Sun et al. Capacity benefit margin assessment based on multi-area generation reliability exponential analytic model
Lei et al. Accommodation Capability of Renewable Energy Considering Deep Peak Regulation in Spot Markets

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing

Applicant after: State Grid Corporation of China

Applicant after: National Grid Energy Research Institute Co., Ltd.

Address before: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing

Applicant before: State Grid Corporation of China

Applicant before: State Grid Energy Research Institute

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20160224