CN109256790B - 一种蓄能***配置方法、装置及存储介质 - Google Patents
一种蓄能***配置方法、装置及存储介质 Download PDFInfo
- Publication number
- CN109256790B CN109256790B CN201811230411.4A CN201811230411A CN109256790B CN 109256790 B CN109256790 B CN 109256790B CN 201811230411 A CN201811230411 A CN 201811230411A CN 109256790 B CN109256790 B CN 109256790B
- Authority
- CN
- China
- Prior art keywords
- accidental
- energy storage
- network bus
- sensitivity index
- contingency
- 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.)
- Expired - Fee Related
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000003860 storage Methods 0.000 title claims description 11
- 230000035945 sensitivity Effects 0.000 claims abstract description 77
- 238000009434 installation Methods 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000000694 effects Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 239000002245 particle Substances 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000001803 electron scattering Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种蓄能***配置方法,包括:获取当前分布式能源***的各网络总线的***偶然性事件数据;基于所述各网络总线的***偶然性事件数据生成各网络总线的偶然性灵敏度指数;基于所述偶然性灵敏度指数,确定待配置的蓄能***的数量、安装位置,以及规格;按照所述待配置的蓄能***的数量、安装位置,以及规格,执行当前所述分布式能源***的蓄能***配置。本发明基于偶然性灵敏度指数的最优分配策略,确定安装ESSs的最佳位置及其最佳规格,以提高电压稳定性,并以成本有效的方式最小化***功耗。
Description
技术领域
本发明属于蓄能技术领域,尤其涉及一种蓄能***配置方法、装置及存储介质。
背景技术
智能电网是以先进的信息和通信技术(ICTs)控制电力***的现代基础设施。在过去的20年中,电力需求每年增长2.5%,电网可能很快就会达到极限。可再生能源的普及程度不断提高,以面对传统电力***的限制,实现可持续的电力***。然而,可再生能源的间歇性对智能电网的能源管理提出了挑战。近年来,在能源管理中,蓄能***(ESSs)发挥着调节可再生能源功率波动,保证***状态稳定的作用。近年来,人们越来越多地关注电力***中ESSs的集成。然而,电力***的最佳数量、位置和规格的确定对电力***的运行有着重要的影响。因此,ESSs的集成基本上是基于它们的配置。针对不同目标的ESSs的选址和规模问题,提出了多种解决途径,如优化投资者的经济效益、提高电力***的电压稳定性、可再生能源发电、减少传输阻塞、提高***可靠性等。
然而,这些研究大多没有考虑到潜在的偶发事件的风险。
发明内容
本发明提供了一种蓄能***配置方法、装置及存储介质,可以考虑偶然性事件风险的情况下,实现蓄能***的配置。
本发明提供的技术方案如下:
根据一示例性实施例,本发明第一方面提供一种蓄能***配置方法,包括:
获取当前分布式能源***的各网络总线的***偶然性事件数据;
基于所述各网络总线的***偶然性事件数据生成各网络总线的偶然性灵敏度指数;
基于所述偶然性灵敏度指数,确定待配置的蓄能***的数量、安装位置,以及规格;
按照所述待配置的蓄能***的数量、安装位置,以及规格,执行当前所述分布式能源***的蓄能***配置。
一些示例中,所述基于所述各网络总线的***偶然性事件数据生成各网络总线的偶然性灵敏度指数,包括:
基于所述各网络总线的各网络总线的***偶然性事件数据,生成偶然性灵敏度矩阵,所述偶然性灵敏度矩阵的行表示***偶然性事件,列表示网络总线;
基于所述偶然性灵敏度矩阵,及偶然性事件的数量,生成各网络总线的偶然性灵敏度指数。
一些示例中,所述***偶然性事件数据,包括:
所述***偶然性事件对电压偏差、线路电流变化和发电机输出功率变化的影响数据。
一些示例中,所述基于所述偶然性灵敏度指数,确定待配置的蓄能***的数量、安装位置,以及规格,包括:
确定高于设定的偶然性灵敏度指数阈值的网络总线的基数,为待配置的蓄能***的数量;
优先选择各网络总线中偶然性灵敏度指数较高的网络总线,作为待配置的蓄能***的安装位置。
一些示例中,所述基于所述偶然性灵敏度指数,确定待配置的蓄能***的数量、安装位置,以及规格,包括:
根据启发式粒子群优化算法HPSO时变加速系数TVAC,基于所述偶然性灵敏度指数,确定所述待配置蓄能***的规格。
本发明的第二方面,提供一种蓄能***配置装置,包括:
获取模块,用于获取当前分布式能源***的各网络总线的***偶然性事件数据;
指数生成模块,用于基于所述各网络总线的***偶然性事件数据生成各网络总线的偶然性灵敏度指数;
配置参数确定模块,用于基于所述偶然性灵敏度指数,确定待配置的蓄能***的数量、安装位置,以及规格;
配置模块,用于按照所述待配置的蓄能***的数量、安装位置,以及规格,执行当前所述分布式能源***的蓄能***配置。
一些示例中,所述指数生成模块,包括:
矩阵生成子模块,用于基于所述各网络总线的各网络总线的***偶然性事件数据,生成偶然性灵敏度矩阵,所述偶然性灵敏度矩阵的行表示***偶然性事件,列表示网络总线;
指数生成子模块,用于基于所述偶然性灵敏度矩阵,及偶然性事件的数量,生成各网络总线的偶然性灵敏度指数。
一些示例中,所述***偶然性事件数据,包括:
所述***偶然性事件对电压偏差、线路电流变化和发电机输出功率变化的影响数据。
一些示例中,所述配置参数确定模块,包括:
数量确定子模块,用于确定高于设定的偶然性灵敏度指数阈值的网络总线的基数,为待配置的蓄能***的数量;
位置确定子模块,用于优先选择各网络总线中偶然性灵敏度指数较高的网络总线,作为待配置的蓄能***的安装位置。
一些示例中,所述配置参数确定模块,还包括:
规格确定子模块,用于根据启发式粒子群优化算法(Self-OrganizingHierarchical Particle Swarm Optimization,HPSO)时变加速系数(Time-varyingAcceleration Coefficient,TVAC),基于所述偶然性灵敏度指数,确定所述待配置蓄能***的规格。
本发明实施例的第三方面,提供一种存储介质,其上存储有计算机程序,当所述计算机程序被处理器执行时实现本发明实施例提供的蓄能***配置方法。
本发明实施例提供的蓄能***配置方法,提供了一种基于偶然性灵敏度指数的最优分配策略,用于确定安装ESSs的最佳位置及其最佳规格,以提高电压稳定性,并以成本有效的方式最小化***功耗。
与传统的方法相比:本发明在技术上和计算上是有效的,允许通过启发式策略提高应急状态下智能电网的可靠性。启发式是基于一个偶然性灵敏度指数(contingencysensitivity index,CSI),它评估***意外事件对网络总线(即节点)的影响,使最易受攻击的总线成为安装ESSs的最佳位置。这种启发式策略允许规避选址问题的组合性质,从而在复杂性和减少计算负担方面具有优势。此外,启发式策略允许可以实现安装最佳数量的ESS。
本发明以成本效益低的方式最大限度地降低了电压偏差和***功耗。通过提高电压稳定性和***功耗,降低了ESSs的投资成本,同时保证了其最佳集成。
附图说明
图1是本发明一个实施例提供的一种蓄能***配置方法的流程图;
图2是本发明一个实施例提供的蓄能***规格确定方法的流程图;
图3是本发明一个实施例提供的一种蓄能***配置装置的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
同时,在以下说明中,出于解释的目的而阐述了许多具体细节,以提供对本发明实施例的彻底理解。然而,对本领域的技术人员来说显而易见的是,本发明可以不用这里的具体细节或者所描述的特定方式来实施。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
ESSs可以在缺乏能源的情况下,作为发电机运行,也可以在能源过剩的情况下,作为电力负荷运行。为了在电网中有一个高效的集成,ESSs应该放在最合适的位置并设置为最合适的规格。然而,这种集成受到电力***的运行条件及其潜在的突发事件的极大影响。本发明提供了一种基于偶然性灵敏度指数的最优分配策略,用于确定安装ESSs的最佳位置、最佳规格及其最佳数量,以提高电压稳定性,并以成本有效的方式最小化***功耗。
在本发明实施例中,本发明提供了一种模型检测方法、装置及存储介质,可以有效的降低可重构***的模型检测中属性验证的复杂度。
本发明提供的技术方案如下:
如图1所示,本发明提供一种蓄能***配置方法,包括:
S101、获取当前分布式能源***的各网络总线的***偶然性事件数据;
S102、基于所述各网络总线的***偶然性事件数据生成各网络总线的偶然性灵敏度指数;
S103、基于所述偶然性灵敏度指数,确定待配置的蓄能***的数量、安装位置,以及规格;
S104、按照所述待配置的蓄能***的数量、安装位置,以及规格,执行当前所述分布式能源***的蓄能***配置。
一些示例中,所述***偶然性事件数据,包括:
所述***偶然性事件对电压偏差、线路电流变化和发电机输出功率变化的影响数据。
其中,***偶然性事件对电压偏差的影响数据,可通过如下公式计算。
其中,IVDj表示***偶然性事件对电压偏差的影响,这个影响是通过评估偶然性事件发生和基础情况下母线电压的变化计算出来的。如果变异超过阈值tb,则存在影响,即等于1,否则不存在,即等于0。
***偶然性事件对线路电流变化的影响数据,可通过如下公式计算。
***偶然性事件对发电机输出功率变化的影响数据,可通过如下公式计算。
其中,IPGj g表示偶然性事件对发电机输出功率变化的影响,这种影响是通过评估偶然性事件发生和基本情况下,发电机输出功率变化计算出来的。如果变化超过阈值tg,则存在影响,即等于1,否则不存在,即等于0。
一些示例中,所述基于所述各网络总线的***偶然性事件数据生成各网络总线的偶然性灵敏度指数,包括:
基于所述各网络总线的各网络总线的***偶然性事件数据,生成偶然性灵敏度矩阵,所述偶然性灵敏度矩阵的行表示***偶然性事件,列表示网络总线;
基于所述偶然性灵敏度矩阵,及偶然性事件的数量,生成各网络总线的偶然性灵敏度指数。
实际应用中,在计算了所有偶然性事件的影响后,可以生成一个偶然性灵敏度矩阵(contingency sensitivity matrix,CSM)。CSM的定义如下。
其中,行表示***偶然性事件,列表示网络总线。
CSM矩阵中的元素可通过如下方法计算:
如果用c表示的偶然性事件会影响到总线上的电压偏差,则CSM[c,j]的值将等于1;
如果由c表示的偶然性事件会影响到线路电流,则i和j之间的线路电流,CSM[c,i]和CSM[c,j]的值将等于1;
如果由c表示的偶然性事件会影响到位于CSM[c,j]的发电机g的发电,那么CSM[c,j]的值将等于1。
在CSM矩阵的基础上,计算出各网络总线的偶然性灵敏度指数,可通过以下方法计算:
一些示例中,所述基于所述偶然性灵敏度指数,确定待配置的蓄能***的数量、安装位置,以及规格,包括:
确定高于设定的偶然性灵敏度指数阈值的网络总线的基数,为待配置的蓄能***的数量;
优先选择各网络总线中偶然性灵敏度指数较高的网络总线,作为待配置的蓄能***的安装位置。
一些示例中,所述基于所述偶然性灵敏度指数,确定待配置的蓄能***的数量、安装位置,以及规格,包括:
根据启发式粒子群优化算法HPSO时变加速系数TVAC,基于所述偶然性灵敏度指数,确定所述待配置蓄能***的规格。
实际应用中,在计算CSI后,可以将网络总线按降序排列,即在安装ESSs时优先考虑CSI值较高的总线。ESSs的数量是通过一个给定的敏感度阈值ts来选择的,因此,超过该阈值的总线的基数是要安装的蓄能***的数量ns,如下所示。
对于ESSs的规格,是通过目标函数在使母线电压偏差、***网损和投资成本之和最小化的情况下,解决一个优化问题。通过HPSO TVAC可以来解决这一问题。其目标函数可以为
其中向量S是ESS尺寸的向量,T是时间规划界限,CL是功率损耗的代价,PL t是在时间t的功率损耗,Cv是电压偏差的代价,VD t是在时间t的电压偏差。
CI(ns)是可通过以下方式评估的投资成本
其中ns为蓄能***的数量,cf为单个ESS安装的固定成本,cs为第i个规格为Si的ESS的单位价格。
基于上述目标函数,如图2所示,实际应用中,ESS的规格可以通过如下方法计算:
初始化,输入规格的间隔,可以按照可更新发电能力的15-25%来设定。然后,以ESS规格来初始化粒子群优化PSO的种群。然后,通过上述目标函数对每个粒子的适合度进行评估,以找到全局最优粒子。检查终止准则,即最大迭代次数,如果没有达到最大迭代次数,则使用时变加速度系数来更新速度,而不将前面的速度相加,如下所示:
vk+1=C1*r1*(pbest-xk)+c2*r2*(gbest-xk)
其中vk+1为更新速度,c1,c2为加速度系数,r1,r2为随机变量,xk为粒子位置,pbest和gbest分别为每个粒子的自身和全局最佳值。
然后将每个粒子的位置通过如下方式更新:
xk+1=xk+vk+1
其中xk+1是更新的位置,xk是以前的位置,vk+1是更新的速度。
当达到最大迭代次数时,可以通过Sopt=argminf(S)设置ESS的最佳规格。
本发明实施例提供的蓄能***配置方法,提供了一种基于偶然性灵敏度指数的最优分配策略,用于确定安装ESSs的最佳位置及其最佳规格,以提高电压稳定性,并以成本有效的方式最小化***功耗。
与传统的方法相比:本发明在技术上和计算上是有效的,允许通过启发式策略提高应急状态下智能电网的可靠性。启发式是基于一个偶然性灵敏度指数(contingencysensitivity index,CSI),它评估***意外事件对网络总线(即节点)的影响,使最易受攻击的总线成为安装ESSs的最佳位置。这种启发式策略允许规避选址问题的组合性质,从而在复杂性和减少计算负担方面具有优势。
本发明实施例提供的蓄能***配置方法,相对于现有技术中的弱总线配置方法,功率损耗要低,约减少了20%,相对现有技术中的损耗敏感度的配置方法,功率损耗要减少5%。电压不超过可接受的范围,而且电压偏差比其他两种方法更平滑,与弱总线配置法相比降低了22%,与损耗灵敏度的配置方法相比降低了10%。本发明的选址问题的执行时间非常短。选址方案要求负载流量计算,在几秒钟内就可以完成,即使对于大型电力***也是如此。本发明的总体计算负担是计算ESSs的规格,本发明采用HPSO TVAC来处理尺寸问题。与现有方法相比,该算法在规格计算中取得了明显的效果。表1显示的计算结果如下:
表1
从表1可以看出,不同的方法给出相同的最优值,但执行时间不同。HPSO TVAC是执行时间和要聚合的迭代次数方面的最佳选择。
如图3所示,本发明还提供一种蓄能***配置装置,包括:
获取模块301,用于获取当前分布式能源***的各网络总线的***偶然性事件数据;
指数生成模块302,用于基于所述各网络总线的***偶然性事件数据生成各网络总线的偶然性灵敏度指数;
配置参数确定模块303,用于基于所述偶然性灵敏度指数,确定待配置的蓄能***的数量、安装位置,以及规格;
配置模块304,用于按照所述待配置的蓄能***的数量、安装位置,以及规格,执行当前所述分布式能源***的蓄能***配置。
一些示例中,所述指数生成模块302,包括:
矩阵生成子模块3021,用于基于所述各网络总线的各网络总线的***偶然性事件数据,生成偶然性灵敏度矩阵,所述偶然性灵敏度矩阵的行表示***偶然性事件,列表示网络总线;
指数生成子模块3022,用于基于所述偶然性灵敏度矩阵,及偶然性事件的数量,生成各网络总线的偶然性灵敏度指数。
一些示例中,所述***偶然性事件数据,包括:
所述***偶然性事件对电压偏差、线路电流变化和发电机输出功率变化的影响数据。
一些示例中,所述配置参数确定模块303,包括:
数量确定子模块3031,用于确定高于设定的偶然性灵敏度指数阈值的网络总线的基数,为待配置的蓄能***的数量;
位置确定子模块3032,用于优先选择各网络总线中偶然性灵敏度指数较高的网络总线,作为待配置的蓄能***的安装位置。
一些示例中,所述配置参数确定模块303,还包括:
规格确定子模块3033,用于根据启发式粒子群优化算法(Self-OrganizingHierarchical Particle Swarm Optimization,HPSO)时变加速系数(Time-varyingAcceleration Coefficient,TVAC),基于所述偶然性灵敏度指数,确定所述待配置蓄能***的规格。
本发明实施例的第三方面,提供一种存储介质,其上存储有计算机程序,当所述计算机程序被处理器执行时实现本发明实施例提供的蓄能***配置方法。
本发明实施例提供的蓄能***配置方法,提供了一种基于偶然性灵敏度指数的最优分配策略,用于确定安装ESSs的最佳位置及其最佳规格,以提高电压稳定性,并以成本有效的方式最小化***功耗。
与传统的方法相比:本发明在技术上和计算上是有效的,允许通过启发式策略提高应急状态下智能电网的可靠性。启发式是基于一个偶然性灵敏度指数(contingencysensitivity index,CSI),它评估***意外事件对网络总线(即节点)的影响,使最易受攻击的总线成为安装ESSs的最佳位置。这种启发式策略允许规避选址问题的组合性质,从而在复杂性和减少计算负担方面具有优势。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种蓄能***配置方法,其特征在于,包括:
获取当前分布式能源***的各网络总线的***偶然性事件数据;
基于所述各网络总线的***偶然性事件数据生成各网络总线的偶然性灵敏度指数;
基于所述偶然性灵敏度指数,确定待配置的蓄能***的数量、安装位置,以及规格;
按照所述待配置的蓄能***的数量、安装位置,以及规格,执行当前所述分布式能源***的蓄能***配置;
所述基于所述各网络总线的***偶然性事件数据生成各网络总线的偶然性灵敏度指数,包括:
基于所述各网络总线的各网络总线的***偶然性事件数据,生成偶然性灵敏度矩阵,所述偶然性灵敏度矩阵的行表示***偶然性事件,列表示网络总线;
基于所述偶然性灵敏度矩阵,及偶然性事件的数量,生成各网络总线的偶然性灵敏度指数;
所述***偶然性事件数据,包括:
所述***偶然性事件对电压偏差、线路电流变化和发电机输出功率变化的影响数据。
2.如权利要求1所述的方法,其特征在于,所述基于所述偶然性灵敏度指数,确定待配置的蓄能***的数量、安装位置,以及规格,包括:
确定高于设定的偶然性灵敏度指数阈值的网络总线的基数,为待配置的蓄能***的数量;
优先选择各网络总线中偶然性灵敏度指数较高的网络总线,作为待配置的蓄能***的安装位置。
3.如权利要求1所述的方法,其特征在于,所述基于所述偶然性灵敏度指数,确定待配置的蓄能***的数量、安装位置,以及规格,包括:
根据启发式粒子群优化算法HPSO时变加速系数TVAC,基于所述偶然性灵敏度指数,确定所述待配置蓄能***的规格。
4.一种蓄能***配置装置,其特征在于,包括:
获取模块,用于获取当前分布式能源***的各网络总线的***偶然性事件数据;
指数生成模块,用于基于所述各网络总线的***偶然性事件数据生成各网络总线的偶然性灵敏度指数;
配置参数确定模块,用于基于所述偶然性灵敏度指数,确定待配置的蓄能***的数量、安装位置,以及规格;
配置模块,用于按照所述待配置的蓄能***的数量、安装位置,以及规格,执行当前所述分布式能源***的蓄能***配置。
5.如权利要求4所述的装置,其特征在于,所述指数生成模块,包括:
矩阵生成子模块,用于基于所述各网络总线的各网络总线的***偶然性事件数据,生成偶然性灵敏度矩阵,所述偶然性灵敏度矩阵的行表示***偶然性事件,列表示网络总线;
指数生成子模块,用于基于所述偶然性灵敏度矩阵,及偶然性事件的数量,生成各网络总线的偶然性灵敏度指数。
6.如权利要求4所述的装置,其特征在于,所述***偶然性事件数据,包括:
所述***偶然性事件对电压偏差、线路电流变化和发电机输出功率变化的影响数据。
7.如权利要求4所述的装置,其特征在于,所述配置参数确定模块,包括:
数量确定子模块,用于确定高于设定的偶然性灵敏度指数阈值的网络总线的基数,为待配置的蓄能***的数量;
位置确定子模块,用于优先选择各网络总线中偶然性灵敏度指数较高的网络总线,作为待配置的蓄能***的安装位置。
8.一种存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序被处理器执行时实现如权利要求1至3任意一项所述的蓄能***配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811230411.4A CN109256790B (zh) | 2018-10-22 | 2018-10-22 | 一种蓄能***配置方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811230411.4A CN109256790B (zh) | 2018-10-22 | 2018-10-22 | 一种蓄能***配置方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109256790A CN109256790A (zh) | 2019-01-22 |
CN109256790B true CN109256790B (zh) | 2022-02-11 |
Family
ID=65045797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811230411.4A Expired - Fee Related CN109256790B (zh) | 2018-10-22 | 2018-10-22 | 一种蓄能***配置方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109256790B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330487B (zh) * | 2020-11-03 | 2022-10-04 | 河北工业大学 | 一种光伏发电短期功率预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009065820A (ja) * | 2007-09-10 | 2009-03-26 | Mitsubishi Electric Corp | 自然エネルギー発電向け電圧変動抑制装置 |
CN106253313A (zh) * | 2016-08-27 | 2016-12-21 | 国网山西省电力公司电力科学研究院 | 电力***节点注入功率灵敏度系数的确定方法 |
CN106911140A (zh) * | 2017-04-14 | 2017-06-30 | 新奥科技发展有限公司 | 一种储能规划方法 |
CN106972523A (zh) * | 2016-12-27 | 2017-07-21 | 国网浙江省电力公司嘉兴供电公司 | 有源配电网内储能电站的优化选址定容方法 |
CN107565585A (zh) * | 2017-10-30 | 2018-01-09 | 暨南大学 | 储能装置调峰回报时间预测方法及其模型创建方法 |
-
2018
- 2018-10-22 CN CN201811230411.4A patent/CN109256790B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009065820A (ja) * | 2007-09-10 | 2009-03-26 | Mitsubishi Electric Corp | 自然エネルギー発電向け電圧変動抑制装置 |
CN106253313A (zh) * | 2016-08-27 | 2016-12-21 | 国网山西省电力公司电力科学研究院 | 电力***节点注入功率灵敏度系数的确定方法 |
CN106972523A (zh) * | 2016-12-27 | 2017-07-21 | 国网浙江省电力公司嘉兴供电公司 | 有源配电网内储能电站的优化选址定容方法 |
CN106911140A (zh) * | 2017-04-14 | 2017-06-30 | 新奥科技发展有限公司 | 一种储能规划方法 |
CN107565585A (zh) * | 2017-10-30 | 2018-01-09 | 暨南大学 | 储能装置调峰回报时间预测方法及其模型创建方法 |
Non-Patent Citations (3)
Title |
---|
Experiment with an OPF Controller Based on HPSO-TVAC for a PV-Supplied Microgrid with BESS;Khoa Le Dinh等;《IEEE PES ISGT EUROPE 2013》;20140106;第2-3页第II节 * |
基于时序电压灵敏度的有源配电网储能优化配置;李振坤等;《中国电机工程学报》;20170820;第37卷(第16期);第4631-4638页第1-4节 * |
李振坤等.基于时序电压灵敏度的有源配电网储能优化配置.《中国电机工程学报》.2017,第37卷(第16期), * |
Also Published As
Publication number | Publication date |
---|---|
CN109256790A (zh) | 2019-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hossain et al. | Energy management of community energy storage in grid-connected microgrid under uncertain real-time prices | |
Jabr et al. | Robust optimization of storage investment on transmission networks | |
RU2601957C2 (ru) | Способ и устройство управления энергетическими услугами на основе рыночных данных | |
Javadi et al. | Optimal spinning reserve allocation in presence of electrical storage and renewable energy sources | |
Cheng et al. | A particle swarm optimization based power dispatch algorithm with roulette wheel re-distribution mechanism for equality constraint | |
CN105140958A (zh) | 含光伏电源的配电网规划方法 | |
Tian et al. | Coordinated planning with predetermined renewable energy generation targets using extended two-stage robust optimization | |
CN101478157A (zh) | 自动发电控制***及其负荷预测自动综合的优化方法 | |
CN112966883B (zh) | 综合能源***运行优化方法及终端设备 | |
CN103150629A (zh) | 基于相关机会二层规划模型的输电网规划方法 | |
CN109345080A (zh) | 天然气管道***供气可靠性评价方法及*** | |
CN109256790B (zh) | 一种蓄能***配置方法、装置及存储介质 | |
CN109711605A (zh) | 一种多类型电源并网定容方法和装置 | |
JP2020039222A (ja) | 電力需給制御装置、電力需給制御システムおよび電力需給制御方法 | |
Xu et al. | Identifying the optimum wind capacity for a power system with interconnection lines | |
CN117035335A (zh) | 一种多阶段储能与输电网协同规划方法及*** | |
Zhang et al. | An efficient approach for robust SCOPF considering load and renewable power uncertainties | |
JP2017042032A (ja) | エネルギーシステムのエネルギー生産を管理する方法、および関連する管理装置 | |
KR102197767B1 (ko) | 스마트 시티에서 신재생 에너지와 전기자동차 충전의 결합 | |
Esmaeili et al. | A new multiobjective optimal allocation of multitype FACTS devices for total transfer capability enhancement and improving line congestion using the harmony search algorithm | |
Zhou et al. | Security-constrained Transmission Expansion Planning with Nk Security Criterion and Transient Stability | |
Liu et al. | A comparison of robust and probabilistic reliability for systems with renewables and responsive demand | |
Krishnan et al. | Optimal scheduling of a microgrid including pump scheduling and network constraints | |
CN115659098A (zh) | 一种分布式新能源消纳能力计算方法、装置、设备及介质 | |
Zhang et al. | Risk-based reserve coordinative unit commitment for a large-scale wind-storage system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220211 |
|
CF01 | Termination of patent right due to non-payment of annual fee |