CN107274087A - 一种计及需求侧响应不确定性的主动配电网双层规划方法 - Google Patents

一种计及需求侧响应不确定性的主动配电网双层规划方法 Download PDF

Info

Publication number
CN107274087A
CN107274087A CN201710431841.1A CN201710431841A CN107274087A CN 107274087 A CN107274087 A CN 107274087A CN 201710431841 A CN201710431841 A CN 201710431841A CN 107274087 A CN107274087 A CN 107274087A
Authority
CN
China
Prior art keywords
mrow
msub
msubsup
distribution network
load
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
CN201710431841.1A
Other languages
English (en)
Inventor
马丽叶
王玉翠
王楚通
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.)
Yanshan University
Original Assignee
Yanshan University
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 Yanshan University filed Critical Yanshan University
Priority to CN201710431841.1A priority Critical patent/CN107274087A/zh
Publication of CN107274087A publication Critical patent/CN107274087A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/30—Wind power

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种计及需求侧响应不确定性的主动配电网双层规划方法，其内容包括：计及风力发电及光伏发电的不确定性，建立风电机组和光伏电池的时序模型；计及负荷用电的随机性，建立负荷的时序模型；对直接负荷控制类型的需求侧响应不确定性进行分析，构建其成本函数；构建计及需求侧响应不确定性的主动配电网双层规划的上层规划模型，并采用差分进化算法对上层规划模型进行求解；构建计及需求侧响应不确定性的主动配电网双层规划的下层规划模型并采用非支配排序遗传算法对下层规划模型进行求解。本发明对主动配电网进行规划，能有效降低配电网的综合费用，更加符合主动配电网的运行特性，实用性强。

Description

一种计及需求侧响应不确定性的主动配电网双层规划方法
技术领域
本发明涉及配电网规划领域，尤其涉及一种计及需求侧响应不确定性的主动配电网双层规划方法。
背景技术
近年来，随着分布式发电、储能***、可控负荷等分布式能源(Distributedenergy Resource,DER)的渗透率日益提高，传统配电网在运行灵活性、安全性、经济性等方面面临较大挑战，因此主动配电网(Active Distribution Networks,ADN)应运而生。而主动配电网作为一个更加灵活的网络，更加强调主动规划。在规划阶段，要考虑规划、建设和运行的完整性，力求将分布式电源的“垃圾电”进行最大程度的消纳，从而实现低碳发电。因此，发展适应于主动配电网规划的关键技术，具有重要的理论意义和实际意义。
目前，国内外学者主要从以下三方面对主动配电网规划进行研究。第一方面，仅对分布式电源(Distributed Generation，DG)进行规划；第二方面，对分布式和储能联合规划；第三方面，对分布式电源和需求侧响应联合规划。
需求侧响应措施，作为一种有效的促进可再生能源渗透率的措施，在主动配电网中得到越来越多的应用。而以上提到的规划需求侧响应的文章中，并没有计及需求侧响应的不确定性，而在电力***的运行过程中，实施需求侧响应措施会使得用户负荷与***预测负荷相比发生变化。由于电价变化而引发的用户负荷变动是难以直接量测和估计的，其变动值与需求侧弹性(随单位电价变动而产生的用户负荷变化)取值范围密切相关。因此，有必要运用需求侧的弹性取值表示负荷的不确定性。
综上所述，有必要发明一种计及需求侧不确定性的主动配电网规划方法，以解决配电网规划中存在的诸多问题。
发明内容
本发明目的在于提供一种精确性高、考虑因素全面、实用性高的计及需求侧响应不确定性的主动配电网双层规划方法。
为了解决上述存在的技术问题实现发明目的，本发明是通过以下技术方案实现的：
一种计及需求侧响应不确定性的主动配电网双层规划方法，该方法内容包括如下步骤：
(1)计及风力发电及光伏发电的不确定性，建立风电机组和光伏电池的时序模型；
(2)计及负荷用电的随机性，建立负荷的时序模型；
(3)对直接负荷控制类型的需求侧响应不确定性进行分析，构建其成本函数；
(4)构建计及需求侧响应不确定性的主动配电网双层规划的上层规划模型，并采用差分进化算法对上层规划模型进行求解；
(5)构建计及需求侧响应不确定性的主动配电网双层规划的下层规划模型并采用非支配排序遗传算法对下层规划模型进行求解。
由于采用上述技术方案，本发明提供的一种计及需求侧响应不确定性的主动配电网双层规划方法，与现有技术相比具有这样的有益效果：
主动配电网具有控制分布式发电、储能和需求响应资源的***，电网能够使用灵活的网络拓扑结构来管理潮流。在主动配电网中，负荷不再是不可调控的“刚性资源”，而可以通过需求侧管理措施主动参与到配电网运行中。近年来随着需求侧管理工作的不断深入开展，用户的需求侧响应行为已经成为平抑负荷随机性对电力***运营不利影响的重要手段。在电力***的运行过程中，实施需求侧响应措施会使得用户负荷与***预测负荷相比发生变化，而这个变化是不确定的，与用户负荷需求弹性的取值区间直接相关。因此，在主动配电网规划阶段，考虑需求侧响应的不确定性具有现实意义，实用性与创新性并存。
分布式电源和需求侧响应作为源和荷是主动配电网的重要组成部分。在配电网规划阶段，分布式电源与需求侧响应同时优化，不仅能减小分布式电源大量并网对电网造成的冲击，实现可再生能源的充分利用和碳排放的最小化，还能提高配电网的经济性。
同时，日益凸显的生态环境问题及我国节能减排的宏观战略目标亟需电力能源工业加速推进低碳化转型。本发明以提高分布式电源渗透率为规划目标，能够极大提升配电***对可再生能源消纳，减缓配电网重建速度，对于支撑我国低碳经济发展具有重要战略意义。而且，本发明运用双层规划方法进行建模，对主动配电网进行规划，能有效降低配电网的综合费用，更加符合主动配电网的运行特性，实用性强。
附图说明
图1是风电时序出力特性曲线示意图；
图2是光伏发电时序出力特性曲线示意图；
图3是负荷时序模型图：
(a)居民负荷时序模型图；
(b)商业负荷时序模型图；
(c)工业负荷时序模型图；
图4是用户削荷与补偿之间的关系示意图；
图5是本发明方法的总体流程图。
具体实施方式
下面结合附图对本发明做进一步说明：
本发明方法是在需求侧响应参与主动配电网的削峰填谷，而且在此过程中，需求侧响应的削减量随补偿值的变化而变化的背景下提出的。
本发明的一种计及需求侧响应不确定性的主动配电网双层规划方法，其总体流程图如图5所示，该方法内容包括如下步骤：
(1)计及风力发电及光伏发电的不确定性，建立风电机组和光伏电池的时序模型；
在步骤(1)中，所述建立风电机组和光伏电池的时序模型，其具体过程如下：
风力发电主要受风速的影响，光伏发电主要受光照强度的影响，而风速和光照强度均具有随机性，受季节影响较大。因此，本步骤中，分别在春、夏、秋、冬四个不同季节选取四个典型日，然后根据气象部门资料，搜集整理得出不同季节的风力发电时序特性曲线和光伏发电时序特性曲线，如图1和图2所示；最后分别根据时序特性曲线建立时序模型。
(2)计及负荷用电的随机性，建立负荷的时序模型；
在步骤(2)中，所述建立负荷的时序模型的具体过程如下：
由于不同类型负荷具有不同特性，所以其用电时序性差异较大。而且，各个类型负荷在不同季节的用电量也有较大差异。例如：居民负荷在夏季的用电量均高于其他季节；而商业负荷由于商业活动较稳定，其四季用电量差异不大；工业负荷虽然存在季节差异，各季节间却具有相同的规律。因此，本发明将负荷分为居民负荷、商业负荷和工业负荷三类，并考虑每种负荷的时序特性，参照绘制电力曲线的方法，绘制出负荷时序模型，如图3所示，(a)是居民负荷时序模型图；(b)是商业负荷时序模型图；(c)是工业负荷时序模型图。
(3)对直接负荷控制类型的需求侧响应不确定性进行分析，构建其成本函数；
在步骤(3)中，所述直接负荷控制类型的需求侧响应是指一种负荷整形的需求侧响应措施，由电力公司在峰荷时段利用监控信号切断受控负荷与***的联系，从而降低峰荷，提高负荷率，并尽可能降低对电力公司和用户的影响。其用户削减量与用户削减支付额的关系如附图4所示。需求侧响应措施有多种，本发明涉及其中较为普遍的一种，即在一定负荷削减量时，电力公司的支付额为一定值，超过某一削减额后，随着用户的削减额增加，电力公司需要支付的费用增大。
根据用户削减额与补偿之间的关系，可得需求侧响应成本为：
式中，qjxmin为用户最小削减量，cini,j为qjxmin的对应支付额，ξi为直线斜率，σjx为是否启用该负荷削减量的变量。
(4)构建计及需求侧响应不确定性的主动配电网双层规划的上层规划模型，并采用差分进化算法对上层规划模型进行求解；
在步骤(4)中，所述上层规划模型包括上层目标函数和上层约束条件，具体的建模过程如下：
上层目标函数为：
***投资运行综合费用最小＝线路投资成本+DG投资费用+DG运行维护费用+AND向上级电网购电费用+需求侧管理费用
minf1＝CL+CI+COM+CP+CDSM (2)
式中各项分别阐述如下：
1、线路投资成本CL：
式中，k为馈线类型标识；为馈线的投资决策变量；为候选集合；为投资成本系数；Lt,ij为在第t年候选馈线ij长度。
2、折算到每年的DG固定投资费CI：
式中，分别表示风力发电机(Wind TurbineGenerator，WTG)、光电发电机(Photovoltaic Generator，PVG)的现值转等年值系数，其中，d为贴现率，yWTG和yPVG分别为WTG和PVG的经济使用年限；Nbus表示配电网的节点数；和分别表示安装在节点i的WTG和PVG的单位容量固定投资成本；和分别表示安装在节点i处WTG和PVG的额定容量。
3、DG年运行维护费COM：
式中，NS表示ADN的运行场景数；ts＝8760ps表示一年中第s个场景的持续时间，其中，ps表示第s个场景发生的概率；和分别表示安装在节点i的WTG和PVG发出单位电量的运行维护成本；PWTG,i,s和PWTG,i,s分别表示安装在节点i的WTG和PVG在场景s的有功出力。
4、向上级电网购电费CP。
式中，Psub,s表示变电站在第s个场景的有功功率；ρS表示ADN在第s个场景向上级电网购电的单位购电成本。
5、需求侧管理费用CDSM：
上层约束条件为：
1、待选节点撞击容量约束；
2、节点电压约束；
3、馈线容量约束；
4、线路选型约束；
5、辐射状约束；
6、需求侧弹性约束；
由于前五项均为常规约束，在此不作赘述。仅对第六项进行介绍。
需求侧弹性约束为：
ez＝0.5(en+em) (9)
ea＝0.5(em-en) (10)
θ0+θ'jx≥Δξjajx (14)
θ′jx≥0 (15)
θ0≥0 (16)
ajx≥0 (17)
式中：ajx为拉格朗日系数。其他各项含义以上皆有涉及，在此不作赘述。
所述采用差分进化算法对上层规划模型进行求解，其内容包括如下步骤：：
步骤1：输入ADN的线路参数、节点参数、DG参数、规划参数等，初始化各算法的参数；
步骤2：按照步骤(1)和(2)所构建的DG时序模型和负荷时序模型，进行多场景构建；
步骤3：置DEA迭代次数，G＝0；
步骤4：初始化DEA的种群，采用整数编码方式对DEA进行编码,利用随机数随机产生初始种群，种群中的每个个体代表一种规划方案；
步骤5：DEA的个体适应度值计算。
(5)构建计及需求侧响应不确定性的主动配电网双层规划的下层规划模型，并采用非支配排序遗传算法对下层规划模型进行求解；
所述下层规划模型包括下层目标函数和下层约束条件，具体的建模过程如下：
下层目标函数为：
弃风弃光成本最小＝弃风成本+弃光成本
1、弃风成本
2、弃光成本
式中，分别为WTG弃电量、PVG弃电量；分别为WTG弃风惩罚价格、PVG弃电惩罚价格。
下层约束条件为：
1、风电即光伏弃风弃电约束；
2、功率平衡约束；
3、风机的运行约束；
4、光伏的运行约束。
所述采用非支配排序遗传算法对下层规划模型进行求解，其内容包括如下步骤：
步骤1：种群初始化。首先对用户最大负荷、分时电价设置、各类电源的发电出力等优化变量采用实数编码；
步骤2：选择、变异和交叉操作。通过拥挤距离计算得到每个个体的拥挤距离并进行排序，选择较为不拥挤的个体为精英群体E0；采用正态分布交叉(NDX)算子进行正态分布的变异操作，生成父代种群Gt和子代种群Bt；
步骤3：精英策略。将父代种群Gt和由父代种***叉变异所得子代种群Bt进行种群合并Gt∪Bt，这样做的目的是保留父代种群中的优秀个体；
设父代和子代种群数量为M，则此时种群数量为2M，将合集保存为GB，进行非支配和拥挤距离计算，去除重复个体，则可能出现三种情况：①若GB数量上超过M，则测算拥挤距离并选取较大者进入Gt+1，直到数量等于M；②若GB数量上小于M，则先将GB全部转入Gt+1，在下一非支配集中选取拥挤距离较大者递补进入t+1，直到数量等于M；③GB数量等于M，直接将GB转入Gt+1；
步骤4：循环，生成新的种群，进化计算至T代，输出Gt+1。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (8)

1.一种计及需求侧响应不确定性的主动配电网双层规划方法，其特征在于：该方法内容包括如下步骤：
(1)计及风力发电及光伏发电的不确定性，建立风电机组和光伏电池的时序模型；
(2)计及负荷用电的随机性，建立负荷的时序模型；
(3)对直接负荷控制类型的需求侧响应不确定性进行分析，构建其成本函数；
(4)构建计及需求侧响应不确定性的主动配电网双层规划的上层规划模型，并采用差分进化算法对上层规划模型进行求解；
(5)构建计及需求侧响应不确定性的主动配电网双层规划的下层规划模型并采用非支配排序遗传算法对下层规划模型进行求解。
2.根据权利要求1所述的一种计及需求侧响应不确定性的主动配电网双层规划方法，其特征在于：在步骤(1)中，所述建立风电机组和光伏电池的时序模型，其具体过程如下：
分别在春、夏、秋、冬四个不同季节选取四个典型日，然后根据气象部门资料，搜集整理得出不同季节的风力发电时序特性曲线和光伏发电时序特性曲线，最后分别根据时序特性曲线建立时序模型。
3.根据权利要求1所述的一种计及需求侧响应不确定性的主动配电网双层规划方法，其特征在于：在步骤(2)中，所述建立负荷的时序模型的具体过程如下：
将负荷分为居民负荷、商业负荷和工业负荷三类，并考虑每种负荷的时序特性，参照绘制电力曲线的方法，绘制出负荷时序模型。
4.根据权利要求1所述的一种计及需求侧响应不确定性的主动配电网双层规划方法，其特征在于：在步骤(3)中，所述直接负荷控制类型的需求侧响应是指一种负荷整形的需求侧响应措施，由电力公司在峰荷时段利用监控信号切断受控负荷与***的联系，从而降低峰荷，提高负荷率，并尽可能降低对电力公司和用户的影响；
根据用户削减额与补偿之间的关系，可得需求侧响应成本为：
式中，qjxmin为用户最小削减量，cini,j为qjxmin的对应支付额，ξi为直线斜率，σjx为是否启用该负荷削减量的变量。
5.根据权利要求1所述的一种计及需求侧响应不确定性的主动配电网双层规划方法，其特征在于：在步骤(4)中，所述上层规划模型包括上层目标函数和上层约束条件，具体的建模过程如下：
上层目标函数为：
***投资运行综合费用最小＝线路投资成本+分布式电源投资费用+分布式电源运行维护费用+主动配电网向上级电网购电费用+需求侧管理费用
minf1＝CL+CI+COM+CP+CDSM (2)
式中各项分别阐述如下：
(1)线路投资成本CL：
<mrow> <msub> <mi>C</mi> <mi>L</mi> </msub> <mo>=</mo> <munder> <mo>&amp;Sigma;</mo> <mi>k</mi> </munder> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mi>j</mi> <mo>&amp;Element;</mo> <msubsup> <mi>Z</mi> <mi>t</mi> <mrow> <mi>f</mi> <mi>e</mi> <mi>e</mi> <mi>d</mi> <mi>e</mi> <mi>r</mi> </mrow> </msubsup> </mrow> </munder> <msubsup> <mi>c</mi> <mrow> <mi>t</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mi>f</mi> <mi>e</mi> <mi>e</mi> <mi>d</mi> <mi>e</mi> <mi>r</mi> </mrow> </msubsup> <msubsup> <mi>x</mi> <mrow> <mi>t</mi> <mo>,</mo> <mi>i</mi> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mi>f</mi> <mi>e</mi> <mi>e</mi> <mi>d</mi> <mi>e</mi> <mi>r</mi> </mrow> </msubsup> <msub> <mi>L</mi> <mrow> <mi>t</mi> <mo>,</mo> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
式中，k为馈线类型标识；为馈线的投资决策变量；为候选集合；为投资成本系数；Lt,ij为在第t年候选馈线ij长度。
(2)折算到每年的分布式电源固定投资费CI：
<mrow> <msub> <mi>C</mi> <mi>I</mi> </msub> <mo>=</mo> <msub> <mi>R</mi> <mrow> <mi>W</mi> <mi>T</mi> <mi>G</mi> </mrow> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mrow> <mi>b</mi> <mi>u</mi> <mi>s</mi> </mrow> </msub> </munderover> <mrow> <mo>(</mo> <msubsup> <mi>c</mi> <mrow> <mi>W</mi> <mi>T</mi> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>I</mi> </msubsup> <msubsup> <mi>P</mi> <mrow> <mi>W</mi> <mi>T</mi> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>r</mi> </msubsup> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>R</mi> <mrow> <mi>P</mi> <mi>V</mi> <mi>G</mi> </mrow> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mrow> <mi>b</mi> <mi>u</mi> <mi>s</mi> </mrow> </msub> </munderover> <mrow> <mo>(</mo> <msubsup> <mi>c</mi> <mrow> <mi>P</mi> <mi>V</mi> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>I</mi> </msubsup> <msubsup> <mi>P</mi> <mrow> <mi>P</mi> <mi>V</mi> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>r</mi> </msubsup> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
式中，分别表示风力发电机、光电发电机的现值转等年值系数，其中，d为贴现率，yWTG和yPVG分别为风力发电机和光电发电机的经济使用年限；Nbus表示配电网的节点数；和分别表示安装在节点i的风力发电机和光电发电机的单位容量固定投资成本；和分别表示安装在节点i处风力发电机和光电发电机的额定容量。
(3)分布式电源年运行维护费COM：
<mrow> <msub> <mi>C</mi> <mrow> <mi>O</mi> <mi>M</mi> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>s</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>S</mi> </msub> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>n</mi> <mrow> <mi>B</mi> <mi>U</mi> <mi>S</mi> </mrow> </msub> </munderover> <mrow> <mo>(</mo> <msubsup> <mi>c</mi> <mrow> <mi>W</mi> <mi>T</mi> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> <mrow> <mi>O</mi> <mi>M</mi> </mrow> </msubsup> <msub> <mi>P</mi> <mrow> <mi>W</mi> <mi>T</mi> <mi>G</mi> <mo>,</mo> <mi>i</mi> <mo>,</mo> <mi>s</mi> </mrow> </msub> <mo>+</mo> <msubsup> <mi>C</mi> <mrow> <mi>P</mi> <mi>V</mi> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> <mrow> <mi>O</mi> <mi>M</mi> </mrow> </msubsup> <msub> <mi>P</mi> <mrow> <mi>P</mi> <mi>V</mi> <mi>G</mi> <mo>,</mo> <mi>i</mi> <mo>,</mo> <mi>s</mi> </mrow> </msub> <mo>)</mo> </mrow> <msub> <mi>t</mi> <mi>s</mi> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
式中，NS表示主动配电网的运行场景数；ts＝8760ps表示一年中第s个场景的持续时间，其中，ps表示第s个场景发生的概率；和分别表示安装在节点i的风力发电机和光电发电机发出单位电量的运行维护成本；PWTG,i,s和PWTG,i,s分别表示安装在节点i的风力发电机和光电发电机在场景s的有功出力。
(4)向上级电网购电费CP。
<mrow> <msub> <mi>C</mi> <mi>P</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>S</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>S</mi> </msub> </munderover> <msub> <mi>&amp;rho;</mi> <mi>S</mi> </msub> <msub> <mi>P</mi> <mrow> <mi>s</mi> <mi>u</mi> <mi>b</mi> <mo>,</mo> <mi>s</mi> </mrow> </msub> <msub> <mi>t</mi> <mi>s</mi> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
式中，Psub,s表示变电站在第s个场景的有功功率；ρS表示主动配电网在第s个场景向上级电网购电的单位购电成本。
(5)需求侧管理费用CDSM：
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>C</mi> <mrow> <mi>D</mi> <mi>L</mi> <mi>C</mi> </mrow> </msub> <mo>=</mo> <munder> <mi>&amp;Sigma;</mi> <mi>j</mi> </munder> <mo>&amp;lsqb;</mo> <msub> <mi>c</mi> <mrow> <mi>i</mi> <mi>n</mi> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>+</mo> <mn>0.5</mn> <mrow> <mo>(</mo> <msub> <mi>&amp;xi;</mi> <mi>i</mi> </msub> <mo>+</mo> <msub> <mi>&amp;Delta;&amp;xi;</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msub> <mi>c</mi> <mrow> <mi>i</mi> <mi>n</mi> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>c</mi> <mrow> <mi>i</mi> <mi>n</mi> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <msub> <mi>q</mi> <mrow> <mi>j</mi> <mi>x</mi> </mrow> </msub> <msub> <mi>&amp;sigma;</mi> <mrow> <mi>j</mi> <mi>x</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>+</mo> <munder> <mi>&amp;Sigma;</mi> <mi>j</mi> </munder> <msub> <mi>c</mi> <mrow> <mi>i</mi> <mi>n</mi> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <msub> <mi>q</mi> <mrow> <mi>j</mi> <mi>x</mi> <mi>min</mi> </mrow> </msub> <msub> <mi>&amp;sigma;</mi> <mrow> <mi>j</mi> <mi>x</mi> </mrow> </msub> <mo>+</mo> <munder> <mi>&amp;Sigma;</mi> <mi>j</mi> </munder> <mn>0.5</mn> <mrow> <mo>(</mo> <msub> <mi>&amp;xi;</mi> <mi>i</mi> </msub> <mo>+</mo> <msub> <mi>&amp;Delta;&amp;xi;</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <msubsup> <mi>q</mi> <mrow> <mi>j</mi> <mi>x</mi> <mi>max</mi> </mrow> <mn>2</mn> </msubsup> <msub> <mi>&amp;sigma;</mi> <mrow> <mi>j</mi> <mi>x</mi> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
上层约束条件为：
(1)待选节点撞击容量约束；
(2)节点电压约束；
(3)馈线容量约束；
(4)线路选型约束；
(5)辐射状约束；
(6)需求侧弹性约束；
其中前五项均为常规约束；
需求侧弹性约束为：
<mrow> <mo>&amp;Pi;</mo> <mo>=</mo> <mo>{</mo> <msub> <mi>e</mi> <mi>t</mi> </msub> <mo>=</mo> <msub> <mi>e</mi> <mi>z</mi> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mi>t</mi> </msub> <msub> <mi>e</mi> <mi>a</mi> </msub> <mo>,</mo> <mo>|</mo> <msub> <mi>&amp;lambda;</mi> <mi>t</mi> </msub> <mo>|</mo> <mo>&amp;le;</mo> <mn>1</mn> <mo>;</mo> <munder> <mo>&amp;Sigma;</mo> <mi>t</mi> </munder> <mo>|</mo> <msub> <mi>&amp;lambda;</mi> <mi>t</mi> </msub> <mo>|</mo> <mo>&amp;le;</mo> <mi>&amp;Gamma;</mi> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>
ez＝0.5(en+em) (9)
ea＝0.5(em-en) (10)
<mrow> <mi>&amp;Gamma;</mi> <mo>=</mo> <mi>T</mi> <mi>&amp;omega;</mi> <mo>+</mo> <mi>&amp;Phi;</mi> <msup> <mrow> <mo>(</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msqrt> <mi>T</mi> </msqrt> <mi>&amp;eta;</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>12</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <munder> <mo>&amp;Sigma;</mo> <mi>t</mi> </munder> <mfrac> <mrow> <mo>(</mo> <msub> <mi>e</mi> <mi>t</mi> </msub> <mo>-</mo> <msub> <mi>e</mi> <mi>z</mi> </msub> <mo>)</mo> </mrow> <msub> <mi>e</mi> <mi>a</mi> </msub> </mfrac> <mo>&amp;le;</mo> <mi>&amp;Gamma;</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>13</mn> <mo>)</mo> </mrow> </mrow>
θ0+θ'jx≥Δξjajx (14)
θ′jx≥0 (15)
θ0≥0 (16)
ajx≥0 (17)
式中：ajx为拉格朗日系数。
6.根据权利要求1所述的一种计及需求侧响应不确定性的主动配电网双层规划方法，其特征在于：在步骤(4)中，所述采用差分进化算法对上层规划模型进行求解，其内容包括如下步骤：：
步骤1：输入主动配电网的线路参数、节点参数、分布式电源参数、规划参数等，初始化各算法的参数；
步骤2：按照步骤(1)和(2)所构建的分布式电源时序模型和负荷时序模型，进行多场景构建；
步骤3：置DEA迭代次数，G＝0；
步骤4：初始化DEA的种群，采用整数编码方式对DEA进行编码,利用随机数随机产生初始种群，种群中的每个个体代表一种规划方案；
步骤5：DEA的个体适应度值计算。
7.根据权利要求1所述的一种计及需求侧响应不确定性的主动配电网双层规划方法，其特征在于：在步骤(5)中，所述下层规划模型包括下层目标函数和下层约束条件，具体的建模过程如下：
下层目标函数为：
弃风弃光成本最小＝弃风成本+弃光成本
<mrow> <mi>min</mi> <mi> </mi> <msub> <mi>f</mi> <mn>2</mn> </msub> <mo>=</mo> <msubsup> <mi>C</mi> <mrow> <mi>t</mi> <mo>,</mo> <mi>s</mi> <mo>,</mo> <mi>c</mi> <mi>u</mi> <mi>r</mi> </mrow> <mrow> <mi>W</mi> <mi>T</mi> <mi>G</mi> </mrow> </msubsup> <mo>+</mo> <msubsup> <mi>C</mi> <mrow> <mi>t</mi> <mo>,</mo> <mi>s</mi> <mo>,</mo> <mi>c</mi> <mi>u</mi> <mi>r</mi> </mrow> <mrow> <mi>P</mi> <mi>V</mi> <mi>G</mi> </mrow> </msubsup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>18</mn> <mo>)</mo> </mrow> </mrow>
(1)弃风成本
<mrow> <msubsup> <mi>C</mi> <mrow> <mi>t</mi> <mo>,</mo> <mi>s</mi> <mo>,</mo> <mi>c</mi> <mi>u</mi> <mi>r</mi> </mrow> <mrow> <mi>W</mi> <mi>T</mi> <mi>G</mi> </mrow> </msubsup> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>h</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>H</mi> </munderover> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msubsup> <mi>z</mi> <mi>s</mi> <mrow> <mi>W</mi> <mi>T</mi> <mi>G</mi> </mrow> </msubsup> </mrow> </munder> <msubsup> <mi>c</mi> <mrow> <mi>t</mi> <mo>,</mo> <mi>h</mi> <mo>,</mo> <mi>c</mi> <mi>u</mi> <mi>r</mi> </mrow> <mrow> <mi>W</mi> <mi>T</mi> <mi>G</mi> </mrow> </msubsup> <msubsup> <mi>&amp;Delta;P</mi> <mrow> <mi>t</mi> <mo>,</mo> <mi>h</mi> <mo>,</mo> <mi>s</mi> <mo>,</mo> <mi>i</mi> </mrow> <mrow> <mi>W</mi> <mi>T</mi> <mi>G</mi> </mrow> </msubsup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>19</mn> <mo>)</mo> </mrow> </mrow> 3
(2)弃光成本
<mrow> <msubsup> <mi>C</mi> <mrow> <mi>t</mi> <mo>,</mo> <mi>s</mi> <mo>,</mo> <mi>c</mi> <mi>u</mi> <mi>r</mi> </mrow> <mrow> <mi>P</mi> <mi>V</mi> <mi>G</mi> </mrow> </msubsup> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>h</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>H</mi> </munderover> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msubsup> <mi>z</mi> <mi>s</mi> <mrow> <mi>P</mi> <mi>V</mi> <mi>G</mi> </mrow> </msubsup> </mrow> </munder> <msubsup> <mi>c</mi> <mrow> <mi>t</mi> <mo>,</mo> <mi>h</mi> <mo>,</mo> <mi>c</mi> <mi>u</mi> <mi>r</mi> </mrow> <mrow> <mi>P</mi> <mi>V</mi> <mi>G</mi> </mrow> </msubsup> <msubsup> <mi>&amp;Delta;P</mi> <mrow> <mi>t</mi> <mo>,</mo> <mi>h</mi> <mo>,</mo> <mi>s</mi> <mo>,</mo> <mi>i</mi> </mrow> <mrow> <mi>P</mi> <mi>V</mi> <mi>G</mi> </mrow> </msubsup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>20</mn> <mo>)</mo> </mrow> </mrow>
式中，分别为风力发电机弃电量、PVG弃电量；分别为风力发电机弃风惩罚价格、光电发电机弃电惩罚价格；
下层约束条件为：
(1)风电即光伏弃风弃电约束；
(2)功率平衡约束；
(3)风机的运行约束；
(4)光伏的运行约束。
8.根据权利要求1所述的一种计及需求侧响应不确定性的主动配电网双层规划方法，其特征在于：在步骤(5)中，所述采用非支配排序遗传算法对下层规划模型进行求解，其内容包括如下步骤：
步骤1：种群初始化。首先对用户最大负荷、分时电价设置、各类电源的发电出力等优化变量采用实数编码；
步骤2：选择、变异和交叉操作。通过拥挤距离计算得到每个个体的拥挤距离并进行排序，选择较为不拥挤的个体为精英群体E0；采用正态分布交叉算子进行正态分布的变异操作，生成父代种群Gt和子代种群Bt；
步骤3：精英策略。将父代种群Gt和由父代种***叉变异所得子代种群Bt进行种群合并Gt∪Bt，这样做的目的是保留父代种群中的优秀个体；
设父代和子代种群数量为M，则此时种群数量为2M，将合集保存为GB，进行非支配和拥挤距离计算，去除重复个体，则可能出现三种情况：①若GB数量上超过M，则测算拥挤距离并选取较大者进入Gt+1，直到数量等于M；②若GB数量上小于M，则先将GB全部转入Gt+1，在下一非支配集中选取拥挤距离较大者递补进入t+1，直到数量等于M；③GB数量等于M，直接将GB转入Gt+1；
步骤4：循环，生成新的种群，进化计算至T代，输出Gt+1。
CN201710431841.1A 2017-06-09 2017-06-09 一种计及需求侧响应不确定性的主动配电网双层规划方法 Pending CN107274087A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710431841.1A CN107274087A (zh) 2017-06-09 2017-06-09 一种计及需求侧响应不确定性的主动配电网双层规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710431841.1A CN107274087A (zh) 2017-06-09 2017-06-09 一种计及需求侧响应不确定性的主动配电网双层规划方法

Publications (1)

Publication Number Publication Date
CN107274087A true CN107274087A (zh) 2017-10-20

Family

ID=60065969

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710431841.1A Pending CN107274087A (zh) 2017-06-09 2017-06-09 一种计及需求侧响应不确定性的主动配电网双层规划方法

Country Status (1)

Country Link
CN (1) CN107274087A (zh)

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108134385A (zh) * 2018-01-02 2018-06-08 国网冀北电力有限公司秦皇岛供电公司 主动配电网规划方法以及装置
CN108304972A (zh) * 2018-02-10 2018-07-20 国家电网公司 一种基于供需互动和dg运行特性的主动配电网网架规划方法
CN108448645A (zh) * 2018-01-16 2018-08-24 华北电力大学 一种基于两层规划模型的多形态广域需求侧负荷响应方法
CN108494015A (zh) * 2018-02-09 2018-09-04 中国科学院电工研究所 一种源-荷-储协调互动的综合能源***设计方法
CN108764519A (zh) * 2018-04-11 2018-11-06 华南理工大学 一种园区能源互联网能源设备容量优化配置方法
CN108921352A (zh) * 2018-07-06 2018-11-30 东北大学 一种具有区间不确定性的湿法冶金浸出过程优化方法
CN109214597A (zh) * 2018-10-25 2019-01-15 浙江工业大学 一种微电网功率和运行储备容量的优化规划方法
CN109359861A (zh) * 2018-10-16 2019-02-19 国网浙江省电力有限公司经济技术研究院 一种综合能源智能仪表及其需求侧响应方法
CN109474022A (zh) * 2019-01-22 2019-03-15 合肥工业大学 考虑源荷互动和分布式电源出力随机性的配电网优化调控方法
CN109508857A (zh) * 2018-09-28 2019-03-22 国网浙江省电力有限公司经济技术研究院 一种主动配电网多阶段规划方法
CN109523128A (zh) * 2018-10-22 2019-03-26 上海理工大学 一种促进消纳的可再生能源容量配置方法
CN109670981A (zh) * 2018-11-30 2019-04-23 国网江西省电力有限公司经济技术研究院 基于利益均衡及规划运行交替优化的主动配电网规划方法
CN109711706A (zh) * 2018-12-21 2019-05-03 国网江西省电力有限公司经济技术研究院 考虑分布式电源和需求响应的主动配电网变电站规划方法
CN109978404A (zh) * 2019-04-04 2019-07-05 国网经济技术研究院有限公司 计及不确定性因素与场景削减的输电通道扩展规划方法
CN110163450A (zh) * 2019-05-31 2019-08-23 国网山东省电力公司经济技术研究院 一种基于运行受限的配电网规划双层优化模型构建方法
CN110829424A (zh) * 2019-11-21 2020-02-21 国网四川省电力公司经济技术研究院 一种考虑风电消纳的区域多微网配电网互动方法
CN110929454A (zh) * 2019-11-21 2020-03-27 国网江苏省电力有限公司南通供电分公司 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法
CN111626594A (zh) * 2020-05-21 2020-09-04 国网上海市电力公司 一种多种需求侧资源协同的配电网扩展规划方法
CN111967639A (zh) * 2020-07-06 2020-11-20 国网河北省电力有限公司保定供电分公司 计及风光出力和价格需求响应的配电网优化方法及***
CN112036611A (zh) * 2020-08-12 2020-12-04 国网山东省电力公司经济技术研究院 一种计及风险的电网优化规划方法
CN112381262A (zh) * 2020-09-17 2021-02-19 南京信息工程大学滨江学院 考虑负荷电压特性及新能源强不确定性的微电网规划方法
CN112510683A (zh) * 2020-11-13 2021-03-16 安徽电力交易中心有限公司 考虑源荷不确定性的增量配电网灵活性资源配置方法
CN112580256A (zh) * 2020-12-02 2021-03-30 燕山大学 计及故障率影响含电动汽车的分布式电源选址定容方法
CN112766602A (zh) * 2021-01-30 2021-05-07 上海电机学院 一种改进的分布式电源选址定容方法
CN113592133A (zh) * 2021-05-06 2021-11-02 深圳第三代半导体研究院 一种能量枢纽优化配置方法及***
CN114462725A (zh) * 2022-04-13 2022-05-10 国网浙江省电力有限公司营销服务中心 一种基于动态资源池的非直控型需求侧响应优化调度方法
CN116722595A (zh) * 2023-04-03 2023-09-08 中国长江电力股份有限公司 考虑多重不确定性因素的需求响应与源网协同优化配置模型及其求解方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106655246A (zh) * 2016-10-18 2017-05-10 国网黑龙江省电力有限公司哈尔滨供电公司 基于风电预测与需求响应的鲁棒双层优化模型的求解方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106655246A (zh) * 2016-10-18 2017-05-10 国网黑龙江省电力有限公司哈尔滨供电公司 基于风电预测与需求响应的鲁棒双层优化模型的求解方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张沈习: ""主动配电网中考虑需求侧管理和网络重构的分布式电源规划方法"", 《中国电机工程学报》 *
曾鸣: ""计及需求侧响应的电力***鲁棒优化规划模型"", 《电力***自动化》 *
朱兰: ""计及需求侧响应的微网综合资源规划方法"", 《中国电机工程学报》 *
高红均: ""考虑不同类型DG和负荷建模的主动配电网协同规划"", 《中国电机工程学报》 *

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108134385A (zh) * 2018-01-02 2018-06-08 国网冀北电力有限公司秦皇岛供电公司 主动配电网规划方法以及装置
CN108448645A (zh) * 2018-01-16 2018-08-24 华北电力大学 一种基于两层规划模型的多形态广域需求侧负荷响应方法
CN108448645B (zh) * 2018-01-16 2023-03-21 华北电力大学 一种基于两层规划模型的多形态广域需求侧负荷响应方法
CN108494015A (zh) * 2018-02-09 2018-09-04 中国科学院电工研究所 一种源-荷-储协调互动的综合能源***设计方法
CN108494015B (zh) * 2018-02-09 2020-09-25 中国科学院电工研究所 一种源-荷-储协调互动的综合能源***设计方法
CN108304972A (zh) * 2018-02-10 2018-07-20 国家电网公司 一种基于供需互动和dg运行特性的主动配电网网架规划方法
CN108764519A (zh) * 2018-04-11 2018-11-06 华南理工大学 一种园区能源互联网能源设备容量优化配置方法
CN108921352A (zh) * 2018-07-06 2018-11-30 东北大学 一种具有区间不确定性的湿法冶金浸出过程优化方法
CN109508857A (zh) * 2018-09-28 2019-03-22 国网浙江省电力有限公司经济技术研究院 一种主动配电网多阶段规划方法
CN109359861A (zh) * 2018-10-16 2019-02-19 国网浙江省电力有限公司经济技术研究院 一种综合能源智能仪表及其需求侧响应方法
CN109523128A (zh) * 2018-10-22 2019-03-26 上海理工大学 一种促进消纳的可再生能源容量配置方法
CN109523128B (zh) * 2018-10-22 2023-06-09 上海理工大学 一种促进消纳的可再生能源容量配置方法
CN109214597B (zh) * 2018-10-25 2021-08-03 浙江工业大学 一种微电网功率和运行储备容量的优化规划方法
CN109214597A (zh) * 2018-10-25 2019-01-15 浙江工业大学 一种微电网功率和运行储备容量的优化规划方法
CN109670981A (zh) * 2018-11-30 2019-04-23 国网江西省电力有限公司经济技术研究院 基于利益均衡及规划运行交替优化的主动配电网规划方法
CN109711706A (zh) * 2018-12-21 2019-05-03 国网江西省电力有限公司经济技术研究院 考虑分布式电源和需求响应的主动配电网变电站规划方法
CN109711706B (zh) * 2018-12-21 2023-04-07 国网江西省电力有限公司经济技术研究院 考虑分布式电源和需求响应的主动配电网变电站规划方法
CN109474022A (zh) * 2019-01-22 2019-03-15 合肥工业大学 考虑源荷互动和分布式电源出力随机性的配电网优化调控方法
CN109978404A (zh) * 2019-04-04 2019-07-05 国网经济技术研究院有限公司 计及不确定性因素与场景削减的输电通道扩展规划方法
CN110163450A (zh) * 2019-05-31 2019-08-23 国网山东省电力公司经济技术研究院 一种基于运行受限的配电网规划双层优化模型构建方法
CN110929454A (zh) * 2019-11-21 2020-03-27 国网江苏省电力有限公司南通供电分公司 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法
CN110829424A (zh) * 2019-11-21 2020-02-21 国网四川省电力公司经济技术研究院 一种考虑风电消纳的区域多微网配电网互动方法
CN111626594A (zh) * 2020-05-21 2020-09-04 国网上海市电力公司 一种多种需求侧资源协同的配电网扩展规划方法
CN111967639A (zh) * 2020-07-06 2020-11-20 国网河北省电力有限公司保定供电分公司 计及风光出力和价格需求响应的配电网优化方法及***
CN112036611A (zh) * 2020-08-12 2020-12-04 国网山东省电力公司经济技术研究院 一种计及风险的电网优化规划方法
CN112381262A (zh) * 2020-09-17 2021-02-19 南京信息工程大学滨江学院 考虑负荷电压特性及新能源强不确定性的微电网规划方法
CN112381262B (zh) * 2020-09-17 2023-11-21 南京信息工程大学滨江学院 考虑负荷电压特性及新能源强不确定性的微电网规划方法
CN112510683A (zh) * 2020-11-13 2021-03-16 安徽电力交易中心有限公司 考虑源荷不确定性的增量配电网灵活性资源配置方法
CN112510683B (zh) * 2020-11-13 2023-10-13 安徽电力交易中心有限公司 考虑源荷不确定性的增量配电网灵活性资源配置方法
CN112580256B (zh) * 2020-12-02 2022-04-01 燕山大学 计及故障率影响含电动汽车的分布式电源选址定容方法
CN112580256A (zh) * 2020-12-02 2021-03-30 燕山大学 计及故障率影响含电动汽车的分布式电源选址定容方法
CN112766602A (zh) * 2021-01-30 2021-05-07 上海电机学院 一种改进的分布式电源选址定容方法
CN113592133A (zh) * 2021-05-06 2021-11-02 深圳第三代半导体研究院 一种能量枢纽优化配置方法及***
CN114462725A (zh) * 2022-04-13 2022-05-10 国网浙江省电力有限公司营销服务中心 一种基于动态资源池的非直控型需求侧响应优化调度方法
CN114462725B (zh) * 2022-04-13 2022-09-02 国网浙江省电力有限公司营销服务中心 一种基于动态资源池的非直控型需求侧响应优化调度方法
CN116722595A (zh) * 2023-04-03 2023-09-08 中国长江电力股份有限公司 考虑多重不确定性因素的需求响应与源网协同优化配置模型及其求解方法

Similar Documents

Publication Publication Date Title
CN107274087A (zh) 一种计及需求侧响应不确定性的主动配电网双层规划方法
CN103544655B (zh) 一种含微电网的区域配电网分层优化方法
CN104362677B (zh) 一种主动配电网优化配置结构及其配置方法
CN102184475B (zh) 基于多时间尺度协调的微网经济运行优化调度方法
CN103683326B (zh) 一种区域电网风电多点接入最佳接纳能力的计算方法
CN106936147A (zh) 一种基于双层优化的微电网面向电蓄热锅炉的优化运行管理方法
CN104158203B (zh) 一种微电网电源容量优化配置方法
Ding et al. Economic and environmental assessment of multi-energy microgrids under a hybrid optimization technique
CN109063992A (zh) 考虑区域综合能源***优化运行的配电网扩展规划方法
CN107844910A (zh) 基于风核协调的多电源联合优化调度运行方法
CN105375507A (zh) 雾霾环境下虚拟电厂的电力两级交互优化调度***
CN107679679A (zh) 联合发电机组调度运行方法
CN115018230A (zh) 考虑减排成本的综合能源***低碳鲁棒经济优化运行方法
CN111668878A (zh) 一种可再生微能源网的优化配置方法和***
CN108009745A (zh) 工业园区内多元用户协同能量管理方法
CN115860413A (zh) 基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法
CN110994606A (zh) 一种基于复杂适应***理论的多能源电源容量配置方法
CN115102159A (zh) 计及碳排放流的共享储能优化运行方法
CN107480885A (zh) 基于非支配排序差分进化算法的分布式电源布点规划方法
CN117236629A (zh) 一种电碳耦合的多能源***分层协同调度方法
CN115117940A (zh) 考虑风电、光伏及负荷不确定的风光水火储***低碳调度模型建模方法
Liu et al. Improving the economic and environmental benefits of the energy system: A novel hybrid economic emission dispatch considering clean energy power uncertainty
CN108075471A (zh) 基于随机性电源出力预测的多目标约束优化电网调度策略
CN114417695A (zh) 多园区综合能源***经济调度方法
CN108491977A (zh) 一种微能源网的弱鲁棒优化调度方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20171020

RJ01 Rejection of invention patent application after publication