CN112182945A - 可用于各种微电网结构验证的试验微电网构建与控制方法 - Google Patents

可用于各种微电网结构验证的试验微电网构建与控制方法 Download PDF

Info

Publication number
CN112182945A
CN112182945A CN202010975678.7A CN202010975678A CN112182945A CN 112182945 A CN112182945 A CN 112182945A CN 202010975678 A CN202010975678 A CN 202010975678A CN 112182945 A CN112182945 A CN 112182945A
Authority
CN
China
Prior art keywords
test
alternating current
current bus
microgrid
inverter
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
CN202010975678.7A
Other languages
English (en)
Inventor
董鹤楠
吴静
丁惜灜
韩子娇
程琨
朱钰
郝建成
孙峰
李胜辉
金妍
程绪可
李平
唱一鸣
张冠锋
屈超
李明珠
白雪
金英
张钊
张稼楠
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
Shenyang University of Technology
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Shenyang University of Technology
Electric Power Research Institute of State Grid Liaoning Electric Power 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, Shenyang University of Technology, Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010975678.7A priority Critical patent/CN112182945A/zh
Publication of CN112182945A publication Critical patent/CN112182945A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Biophysics (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Geometry (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明属于微电网技术领域，尤其涉及一种可用于各种微电网结构验证的试验微电网构建与控制方法。本发明试验型微电网包括双母线结构和分段控制结构，本发明可以对各种各样的微电网结构进行仿真与验证，包括对10kv的电压线路采用双母线结构、分段控制组成试验型微电网，克服了传统的10kv电压线路只能单母线结构的单一性和局限型的问题。可以针对不同的示范工程项目调整试验型微电网的结构从而进行仿真验证，并且用以经济性指标为底层、电能质量指标为上层的两层运行优化方法，找出最佳运行方案，使试验型微电网一直运行于最佳工作状态，使***运行更加合理。

Description

可用于各种微电网结构验证的试验微电网构建与控制方法
技术领域
本发明属于微电网技术领域，尤其涉及一种可用于各种微电网结构验证的试验微电网构建与控制方法。
背景技术
随着新型能源的利用越来越多，由分布式电源组成的微电网也越来越多样化，衍生出各种微电网结构。微电网结构虽然多样，但是传统的微电网结构有单一性这样的劣势，像偏远山区、海岛地区、城市的工商业园区这种不同的地区要采用固定的微网结构。这样对于微电网的构建有很大阻碍。每一个微网结构中微源与负载的容量都是根据实际示范工程固定的，所以在平台验证过程中可能没有指定容量的分布式电源以及负载。
发明内容
针对上述现有技术中存在的不足之处，本发明提供了一种可用于各种微电网结构验证的试验微电网构建与控制方法。其目的是为了提供一种可以对各种各样的微电网结构进行仿真与验证的微电网构建与控制方法，并且克服了传统的10kv电压线路只能单母线结构的单一性和局限型的问题的发明目的。
本发明为实现上述目的所采用的技术方案是：
可用于各种微电网结构验证的试验微电网构建，试验型微电网包括双母线结构和分段控制结构；其中所述试验型微电网双母线结构包括两条母线，一条电网交流母线上连接有光伏、风机和负载；另一条试验交流母线上连接有光伏、风机和超级电容、蓄电池、燃气轮机、柴油机、RTLAB半实物设备、负载；
所述试验型微电网分段控制结构包括一条电网交流母线，该电网交流母线一共分两段，电网交流母线中间设有断路器；其中一段电网交流母线上连接有超级电容、蓄电池、燃气轮机、柴油机、RTLAB半实物仿真设备、模拟负载；另一段电网交流母线上连接光伏和风机。
所述试验型微电网双母线结构包括：光伏通过DC/AC逆变器依次连接可变线路阻抗，并经可变线路阻抗分别连接到电网交流母线和试验交流母线上；风机通过AC/DC整流器和逆变器连接可变线路阻抗，再经可变线路阻抗分别连接到电网交流母线和试验交流母线上；负载连接到电网交流母线上；超级电容通过逆变器连接可变线路阻抗，再连接到试验交流母线上；蓄电池通过逆变器连接可变线路阻抗，再连接到试验交流母线上；燃气轮机通过整流器和逆变器连接可变线路阻抗，再连接到试验交流母线上；柴油机通过整流器和逆变器连接可变线路阻抗，再连接到试验交流母线上；RTLAB半实物设备通过整流器和逆变器连接可变线路阻抗，再连接到试验交流母线上；所述负载连接试验交流母线，试验交流母线中间由断路器断开。
所述试验型微电网分段控制结构包括：一条试验交流母线，将试验交流母线分为两段，试验交流母线中间设有断路器，将试验交流母线隔开成两断；所述其中一段试验交流母线首先连接可变线路阻抗，再经逆变器，分别连接超级电容、蓄电池；该段试验交流母线还经可变线路阻抗、逆变器、整流器分别连接燃气轮机、柴油机、RTLAB半实物仿真设备；该段试验交流母线还与模拟负载相连接，用来做故障仿真试验；
另一段试验交流母线连接可变线路阻抗，可变线路阻抗的另一端连接逆变器，逆变器的另一端与光伏相连接；该断试验交流母线还连接可变线路阻抗，可变线路阻抗的另一端连接逆变器，逆变器的另一端与整流器相连接，整流器的另一端连接风机，既做仿真试验，又能够接到上一条母线上给负载供电；当负载容量增大时，断路器断开，连光伏、风机的母线接到负载端，实现分段控制。
所述试验交流母线和电网交流母线均为电网10kv交流母线。
所述光伏和风机的两个连接通道是在微源上有两个输出端口分别连接逆变器，再连接到两条试验交流母线上；其中发电的大部分都通过逆变器输出到第一条电网交流母线给地区负荷供电，另外一小部分通过逆变器输出到另一条试验交流母线做仿真试验，如果地区负荷增加，则将输出仿真试验的通道用断路器断开，全都给负载供电。
可用于各种微电网结构验证的试验微电网控制方法，包括以下步骤：
步骤1.选取底层指标优化和上层指标优化变量；
步骤2.计算目标函数；
步骤3.利用粒子群算法得到底层指标优化最优解；
步骤4.通过电能质量评价指标确定上层指标优化级别；
步骤5.利用隶属度函数评价得分确定底层指标优化和上层指标优化最优解。
所述选取底层指标优化和上层指标优化变量包括：
选取两个优化变量：
{PPV PWIND} 1.1
其中，PPV为光伏输出功率，PWIND为风机输出功率；
试验型微电网***经济优化的目标函数表示为：
min Zcost＝λ1A+λ2B+λ3C 1.2
式中，Zcost为试验型微电网运行目标函数，A为***维修成本，B为******运行消耗资源成本，C为***发电创造利润；
可知，***总成本等于维修成本资源成本减掉创造的利润；λ1为***维修成本权重比例，λ2为***运行成本权重比例，λ3为***发电创造利润权重比例，且λ1+λ2+λ3＝1。
所述利用粒子群算法得到底层指标优化最优解，包括以下步骤：
步骤31.确定可行域空间，在D维可行域中，假设n个随机粒子在时刻t时，空间位置为：
Figure BDA0002685713000000031
上式中：
Figure BDA0002685713000000032
表示t时刻各个粒子的空间位置；
粒子速度为：
Figure BDA0002685713000000033
上式中：
Figure BDA0002685713000000034
表示t时刻各个粒子的速度；
步骤32.同时假设每个粒子是待求解方程的可行解，计算粒子的适应度函数值，通过纵向对比t时刻之前的粒子历史适应度值的大小，获取个体历史最优位置：
Figure BDA0002685713000000035
上式中：
Figure BDA0002685713000000036
表示每个粒子的当前位置的历史最优值；
步骤33.横向对t时刻时，适应度值的大小，获取当前代中，全局最优位置：
Figure BDA0002685713000000041
上式中：
Figure BDA0002685713000000042
表示各个粒子的全局最优值；
步骤34.对粒子进行迭代优化，在t+1时刻，空间位置坐标xi(t)和速度vi(t)，其公迭代式如下：
vi(t+1)＝vi(t)+c1·r1(pi(t)-xi(t))+c2·r2(pg(t)-xi(t)) 3.5
式中，c1和c2分别表示粒子的学习常数；r1和r2在[0,1]间均匀取值；pi为个体极值；pg为全局极值；
由上式可知，速度更新公式包括三部分构成，第一部分使算法进行全局搜索，平衡全局和局部搜索能力；第二部分使粒子进行较强的局部搜索；第三部分考虑粒子向整个种群中的粒子学习的能力，体现了不同粒子间的信息共享；
粒子通过更新对应速度，更新所在的位置，位置公式如下式所示：
xi(t+1)＝xi(t)+vi(t+1) 3.6
通过限制速度变化幅度，令vmin＜vi(t)＜vmax，限制粒子位置变化大小；在多次迭代中，种群中每个粒子循环更新，使整个种群逐渐接近全局最优解。
所述上层指标优化包括：
步骤41：建立可靠性、优质性为一级指标，建立符合满足率、电力不足功率、***容量备用率、电压偏差、谐波、三相不平衡度、频率偏差为二级指标；
步骤42：对一级指标可靠性、优质性进行权重分配；可靠性占比0.3，优质性占比0.7；
步骤43：对可靠性的二级指标进行权重分配，负荷满足率占比0.4，电力不足功率占比0.2，***容量备用率占比0.4；对优质性的二级指标进行权重分配，评率偏差占比0.27，电压偏差占比0.34，三相不平衡度占比0.22，谐波占比0.17；
所述利用隶属度函数的确定包括：
采用柯西分布建立各指标的隶属度函数，如下式所示：
Figure BDA0002685713000000043
指标与最优指标偏差量的绝对值；αi和βi为第i项指标对应的柯西分布的系数，βi取值为1.45；
最优隶属度的算法如下：
首先选取一个范围，然后在选取的范围中取一个数，称它为最优标准值，它所对应的最优隶属度就是1，再根据已知条件范围选取一个相应的基准值，规定它所对应0.5的最优隶属度，计算出未知参数的数值大小，则知道其他的最优隶属度；在试验型微电网一级指标优质性中的频率偏差中，假设选取频率偏差的限值为正负0.5Hz，利用绝对值计算，规定边缘值即频率偏差为1％的时候，所对0.5的最优隶属度，评价得分为0.5；而频率偏差为0的时候是最好的指标值，对应隶属度为1，评价得分为1；根据xi＝1时，λi＝0.5，推出αi＝1，计算得到频率偏差的隶属度函数如下：
Figure BDA0002685713000000051
上式中：xi表示频率偏差，λi表示最优隶属度；
取十个经济性的最优解，将十组数据分别放入仿真程序中运行，再根据电能质量权重分配来计算出各组的电能质量指标，选出最优的一组为本时间段最优的一组数据。
一种计算机存储介质，所述计算机存储介质上存有计算机程序，所述计算机程序被处理器执行时实现所述的可用于各种微电网结构验证的试验微电网控制方法的步骤。
本发明具有以下有益效果及优点：
本发明试验型微电网的结构应能覆盖现阶段以及未来微电网的结构形式，根据不同的试验方案，随意切换相对应的微电网结构，包括直流微电网、交流微电网、交直流混合微电网、多能互补微电网。试验型微电网应具有可拓展性，应包含目前新能源微电网的主流微源以及未来具备发展前景的微源。据不同的试验微电网结构需求，试验型微电网可以进行不同结构模式的切换，以满足相应的结构检测条件。利用电能质量标准和经济性标准，采用两级运行优化的策略，是***运行更加合理。
本发明可以对各种各样的微电网结构进行仿真与验证。本发明包括对10kv的电压线路采用双母线结构、分段控制组成试验型微电网，改变了传统的10kv电压线路只能单母线结构的单一性。可以针对不同的示范工程项目调整试验型微电网的结构从而进行仿真验证。其中加入可变线路阻抗和模拟负载来代替微电网中的阻抗和负载。并且用以经济性指标为底层、电能质量指标为上层的两层运行优化方法，找出最佳运行方案，使试验型微电网一直运行于最佳工作状态。
本发明公开一种可用于微电网结构与运行方案验证的试验微电网构建与控制方法，克服了以往的10kv母线只有单母线结构，只能单一的运行，具有局限型的问题。为了模拟不同场景的微网试验，采用双母线结构与分段控制的方法。既可以仿真实验，又可以给地区负荷供电。其中光伏、风机大型发电设备有两个连接通道，随意切换。由于模拟场景不同，用可变线路阻抗和模拟负载代替。在仿真试验中，利用电能质量和经济性两种标准进行两级优化，找出最佳方案，使***运行更加合理。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明试验型微电网双母线结构示意图；
图2是本发明试验型微电网分段控制结构示意图；
图3是本发明试验型微电网底层优化流程框图；
图4是本发明试验型微电网上层优化运行指标体系框图。
图中：
光伏1，风机2，超级电容3，蓄电池4，燃气轮机5，柴油机6，RTLAB半实物设备7，负载8，逆变器9，整流器10，电网交流母线11，试验交流母线12，模拟负载13，可变线路阻抗14，断路器15。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面将结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1-图4描述本发明一些实施例的技术方案。
实施例1
本发明是一种可用于各种微电网结构验证的试验微电网构建与控制方法，如图1所示，图1是本发明试验型微电网双母线结构示意图。本发明具有双母线结构和分段控制结构，既可以仿真实验，又可以给地区负荷供电。
其中，光伏1通过DC/AC逆变器9连接可变线路阻抗14，并经可变线路阻抗14的另一端分别连接到电网交流母线11和试验交流母线12上。
风机2通过AC/DC整流器10和逆变器9连接可变线路阻抗14，再经可变线路阻抗14的另一端分别连接到电网交流母线11和试验交流母线12上。
负载8连接到电网交流母线11。超级电容3通过逆变器9连接可变线路阻抗14连接到试验交流母线12，蓄电池4通过逆变器9连接可变线路阻抗14连接到试验交流母线12，燃气轮机5通过整流器10和逆变器9连接可变线路阻抗14连接到试验交流母线12，柴油机6通过整流器10和逆变器9连接可变线路阻抗14连接到试验交流母线12，RTLAB半实物设备7通过整流器10和逆变器9连接可变线路阻抗14连接到试验交流母线12，负载8连接试验交流母线12。试验交流母线12中间用断路器15断开。
其中，所述负载8用模拟负载13代替。
所述试验交流母线12为试验10kv交流母线。
所述电网交流母线11为电网10kv交流母线。
所述双母线结构是指一共两条母线，一条电网交流母线11上接光伏1、风机2等大型微源，直接给指定地区的负载8供电。另一条试验交流母线12上接光伏1、风机2和超级电容3、蓄电池4、燃气轮机5等仿真单元做仿真故障试验。
如图2所示，图2是本发明试验型微电网分段控制结构示意图。所述分段控制的方法是指将做仿真实验的试验交流母线12一共分两段，母线中间用断路器15隔开。其中一段接超级电容3、蓄电池4、燃气轮机5、RTLAB半实物仿真设备7、模拟负载13用来做故障仿真试验。其中：试验交流母线12首先连接可变线路阻抗14，再经逆变器9连接超级电容3；试验交流母线12还连接另一组可变线路阻抗14，再经逆变器9连接蓄电池4。
该段试验交流母线12还经另一组可变线路阻抗14依次连接逆变器9、整流器10、连接燃气轮机5；该段试验交流母线12还经另一组可变线路阻抗14依次连接逆变器9、整流器10连接柴油机6。
该段试验交流母线12还经另一组可变线路阻抗14依次连接逆变器9、整流器10连接RTLAB半实物仿真设备7；该段试验交流母线12还与模拟负载13相连接，用来做故障仿真试验。
所述另一段试验交流母线12连接光伏1、风机2可以既做仿真试验，又可以接到上一条母线上给负载8供电。当负载8容量增大时。断路器15断开，连光伏1、风机2的母线接到负载8端，这样就实现分段控制。
其中：另一段试验交流母线12连接可变线路阻抗14，可变线路阻抗14的另一端连接逆变器9，逆变器9的另一端与光伏1相连接。该段试验交流母线12还连接另一组可变线路阻抗14，可变线路阻抗14的另一端连接逆变器9，逆变器9的另一端与整流器10相连接，整流器10的另一端连接风机2。
本发明所述的光伏1和风机2的两个连接通道指在微源上有两个输出端口分别连接逆变器9连到两条试验交流母线上。其中发电的大部分都通过逆变器9输出到第一条电网交流母线11给地区负荷供电，另外一小部分通过逆变器9输出到另一条试验交流母线12做仿真试验，如果地区负荷增加，那个就将输出仿真试验的通道用断路器15断开，全都给负载8供电。
所述的模拟负载13是指模拟负载13可以根据实际需求来调节容量或者功率需求特性。在进行试验型微电网构建过程中，由于每个示范工程的微电网结构不同，所处地区不同。所以需要的负荷容量不同，那么试验型微电网的负荷仿真模块就由模拟负载13代替。
可变线路阻抗14指是指根据实际需求调节阻值大小或者阻抗特性。由于示范工程不同，每个微源连接到逆变器9输出之后与试验交流母线12的距离不同，那在做仿真实验过程中，将线路的线路阻抗用可变线路阻抗14代替。这样可以根据示范工程实时的调节阻抗值的大小，节省时间节省成本。
实施例2
本发明是一种可用于各种微电网结构验证的试验微电网控制方法，分为两级优化，所述的两级优化是指利用经济性指标为底层指标优化，电能质量为上层指标优化，使***运行达到效率最高。
所述底层指标优化，如图3所示，图3是本发明试验型微电网底层优化流程框图。以光伏和风机为例，光伏发电是用太阳能转化为电能，所以由于时间的推移，光伏发电的能力也在变化。将一天24小时分为六个时间段，每四个小时为一个时间段，那么每四个时间进行一次优化。假设这四个小时之内光伏发出的功率是固定的。那么当负载容量固定时，光伏和风机发出的功率分配是随机的。为了确定最优的一种，随机一百种方案，将光伏和风机各自需要发出的功率确定，将光伏和风机的花费成本计算出来，然后做出比较，排除掉成本最多的20种方案。然后再选出20种方案，组成一百种，继续比较经济性，经济性差的20种再排除掉。以此类推，一共做200次推算比较。选出经济性最好的10组数据。这十组数据就认为在这四个小时之内经济性最好的。然后在进行上层优化，将这十组数据分别进行电能质量的计算。把每项电能质量标准都给一个权重，乘以权重相加之后找出电能质量最好的一组数据。然后这组数据就是这个时间段内最优的配置。
因为每四个小时，光伏产能能力不同，每隔四个小时做一次优化。这样能保证***处于最优运行状态中。具体算法如下所示。
步骤1.选取两个优化变量：
{PPV PWIND} 1.1
其中，PPV为光伏输出功率，PWIND为风机输出功率。
步骤2.计算目标函数：
试验型微电网***经济优化的目标函数可以表示为：
min Zcost＝λ1A+λ2B+λ3C 1.2
式中，Zcost为试验型微电网运行目标函数，A为***维修成本，B为******运行消耗资源成本，C为***发电创造利润。可知，***总成本等于维修成本资源成本减掉创造的利润；λ1为***维修成本权重比例，λ2为***运行成本权重比例，λ3为***发电创造利润权重比例，且λ1+λ2+λ3＝1。
步骤3.粒子群算法及实现：
粒子群算法是一种基于种群的随机搜索算法，该算法具体步骤如下：
首先确定可行域空间，在D维可行域中，假设n个随机粒子在时刻t时，空间位置为：
Figure BDA0002685713000000101
上式中：
Figure BDA0002685713000000102
表示t时刻各个粒子的空间位置。
粒子速度为：
Figure BDA0002685713000000103
上式中：
Figure BDA0002685713000000104
表示t时刻各个粒子的速度。
同时假设每个粒子是待求解方程的可行解，计算粒子的适应度函数值，通过纵向对比t时刻之前的粒子历史适应度值的大小，获取个体历史最优位置：
Figure BDA0002685713000000105
上式中：
Figure BDA0002685713000000106
表示每个粒子的当前位置的历史最优值。
再横向对t时刻时，适应度值的大小，获取当前迭代中，全局最优位置：
Figure BDA0002685713000000107
上式中：
Figure BDA0002685713000000108
表示各个粒子的全局最优值。
对粒子进行迭代优化，在t+1时刻，空间位置坐标xi(t)和速度vi(t)，其公迭代式如下：
vi(t+1)＝vi(t)+c1·r1(pi(t)-xi(t))+c2·r2(pg(t)-xi(t)) 3.5
式中，c1和c2分别表示粒子的学习常数；r1和r2在[0,1]间均匀取值；pi为个体极值；pg为全局极值。
由上式可知，速度更新公式有三部分构成，第一部分使算法可以进行全局搜索，平衡全局和局部搜索能力；第二部分使粒子能够进行较强的局部搜索；第三部分考虑的是粒子向整个种群中的粒子学习的能力，体现了不同粒子间的信息共享。
粒子通过更新对应速度，更新所在的位置，位置公式如下式所示：
xi(t+1)＝xi(t)+vi(t+1) 3.6
可通过限制速度变化幅度，令vmin＜vi(t)＜vmax，限制粒子位置变化大小。在多次迭代中，种群中每个粒子循环更新，使整个种群逐渐接近全局最优解。
步骤4.电能质量评价指标确定：
如图4所示，图4是本发明试验型微电网上层优化运行指标体系框图。
研究大量微电网运行情况，根据电网要求和相关技术的要求，旨在研究微电网***分布式电源以及负载之间功率或者容量之间的关系和各种电能质量的好坏，主要从可靠性和优质性两方面来对微电网进行评估。
本发明所述试验型微电网上层指标优化，包括：
步骤41：建立可靠性、优质性为一级指标，建立符合满足率、电力不足功率、***容量备用率、电压偏差、谐波、三相不平衡度、频率偏差为二级指标。
步骤42：对一级指标可靠性、优质性进行权重分配。可靠性占比0.3，优质性占比0.7。
步骤43：对可靠性的二级指标进行权重分配，负荷满足率占比0.4，电力不足功率占比0.2，***容量备用率占比0.4；对优质性的二级指标进行权重分配，评率偏差占比0.27，电压偏差占比0.34，三相不平衡度占比0.22，谐波占比0.17。
步骤5.隶属度函数确定：
隶属度函数是指最后打出的分值与评价指标之间的关系，是一种评判依据，以此来获得每一项指标的分值。本发明采用柯西分布建立各指标的隶属度函数，柯西分布如式所示。
Figure BDA0002685713000000111
指标与最优指标偏差量的绝对值；αi和βi为第i项指标对应的柯西分布的系数，本发明中βi取值为1.45。
最优隶属度的算法如下：
首先选取一个范围，然后在选取的范围中取一个数，称它为最优标准值，那么它所对应的最优隶属度就是1，然后再根据已知条件范围选取一个相应的基准值，规定它所对应0.5的最优隶属度，可以计算出未知参数的数值大小，就可以知道其他的最优隶属度。以试验型微电网一级指标优质性中的频率偏差为例，假设选取频率偏差的限值为正负0.5Hz，利用绝对值计算，规定边缘值即频率偏差为1％的时候，他所对0.5的最优隶属度，评价得分为0.5；而频率偏差为0的时候是最好的指标值，对应隶属度为1，评价得分为1。根据xi＝1时，λi＝0.5，推出αi＝1，计算得到频率偏差的隶属度函数如下：
Figure BDA0002685713000000121
上式中：xi表示频率偏差，λi表示最优隶属度。
取十个经济性的最优解，将十组数据分别放入仿真程序中运行。然后根据电能质量权重分配来计算出各组的电能质量指标，选出最优的一组就是本时间段最优的一组数据。
实施例3
基于同一发明构思，本发明实施例还提供了一种计算机存储介质，所述计算机存储介质上存有计算机程序，所述计算机程序被处理器执行时实现实施例2所述的可用于各种微电网结构验证的试验微电网控制方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请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，本申请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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.可用于各种微电网结构验证的试验微电网构建，其特征是：
试验型微电网包括双母线结构和分段控制结构；
其中所述试验型微电网双母线结构包括两条母线，一条电网交流母线上连接有光伏(1)、风机(2)和负载(8)；另一条试验交流母线上连接有光伏(1)、风机(2)和超级电容(3)、蓄电池(4)、燃气轮机(5)、柴油机(6)、RTLAB半实物设备(7)、负载(8)；
所述试验型微电网分段控制结构包括一条电网交流母线，该电网交流母线一共分两段，电网交流母线中间设有断路器(15)；其中一段电网交流母线上连接有超级电容(3)、蓄电池(4)、燃气轮机(5)、柴油机(6)、RTLAB半实物仿真设备(7)、模拟负载(13)；另一段电网交流母线上连接光伏(1)和风机(2)。
2.根据权利要求1所述的可用于各种微电网结构验证的试验微电网构建，其特征是：所述试验型微电网双母线结构包括：光伏(1)通过DC/AC逆变器(9)依次连接可变线路阻抗(14)，并经可变线路阻抗(14)分别连接到电网交流母线(11)和试验交流母线(12)上；风机(2)通过AC/DC整流器(10)和逆变器(9)连接可变线路阻抗(14)，再经可变线路阻抗(14)分别连接到电网交流母线(11)和试验交流母线(12)上；负载(8)连接到电网交流母线(11)上；超级电容(3)通过逆变器(9)连接可变线路阻抗(14)，再连接到试验交流母线(12)上；蓄电池(4)通过逆变器(9)连接可变线路阻抗(14)，再连接到试验交流母线(12)上；燃气轮机(5)通过整流器(10)和逆变器(9)连接可变线路阻抗(14)，再连接到试验交流母线(12)上；柴油机(6)通过整流器(10)和逆变器(9)连接可变线路阻抗(14)，再连接到试验交流母线(12)上；RTLAB半实物设备(7)通过整流器(10)和逆变器(9)连接可变线路阻抗(14)，再连接到试验交流母线(12)上；所述负载(8)连接试验交流母线(12)，试验交流母线(12)中间由断路器(15)断开。
3.根据权利要求1所述的可用于各种微电网结构验证的试验微电网构建，其特征是：所述试验型微电网分段控制结构包括：一条试验交流母线(12)，将试验交流母线(12)分为两段，试验交流母线(12)中间设有断路器(15)，将试验交流母线(12)隔开成两断；所述其中一段试验交流母线(12)首先连接可变线路阻抗(14)，再经逆变器(9)，分别连接超级电容(3)、蓄电池(4)；该段试验交流母线(12)还经可变线路阻抗(14)、逆变器(9)、整流器(10)分别连接燃气轮机(5)、柴油机(6)、RTLAB半实物仿真设备(7)；该段试验交流母线(12)还与模拟负载(13)相连接，用来做故障仿真试验；
另一段试验交流母线(12)连接可变线路阻抗(14)，可变线路阻抗(14)的另一端连接逆变器(9)，逆变器(9)的另一端与光伏(1)相连接；该断试验交流母线(12)还连接可变线路阻抗(14)，可变线路阻抗(14)的另一端连接逆变器(9)，逆变器(9)的另一端与整流器(10)相连接，整流器(10)的另一端连接风机(2)，既做仿真试验，又能够接到上一条母线上给负载(8)供电；当负载(8)容量增大时，断路器(15)断开，连光伏(1)、风机(2)的母线接到负载(8)端，实现分段控制。
4.根据权利要求1所述的可用于各种微电网结构验证的试验微电网构建，其特征是：所述试验交流母线(12)和电网交流母线(11)均为电网10kv交流母线。
5.根据权利要求1-4所述的可用于各种微电网结构验证的试验微电网构建，其特征是：所述光伏(1)和风机(2)的两个连接通道是在微源上有两个输出端口分别连接逆变器(9)，再连接到两条试验交流母线上；其中发电的大部分都通过逆变器(9)输出到第一条电网交流母线(11)给地区负荷供电，另外一小部分通过逆变器(9)输出到另一条试验交流母线(12)做仿真试验，如果地区负荷增加，则将输出仿真试验的通道用断路器(15)断开，全都给负载(8)供电。
6.可用于各种微电网结构验证的试验微电网控制方法，其特征是：包括以下步骤：
步骤1.选取底层指标优化和上层指标优化变量；
步骤2.计算目标函数；
步骤3.利用粒子群算法得到底层指标优化最优解；
步骤4.通过电能质量评价指标确定上层指标优化级别；
步骤5.利用隶属度函数评价得分确定底层指标优化和上层指标优化最优解。
7.根据权利要求6所述的可用于各种微电网结构验证的试验微电网控制方法，其特征是：所述选取底层指标优化和上层指标优化变量包括：
选取两个优化变量：
{PPV PWIND} 1.1
其中，PPV为光伏输出功率，PWIND为风机输出功率；
试验型微电网***经济优化的目标函数表示为：
min Zcost＝λ1A+λ2B+λ3C 1.2
式中，Zcost为试验型微电网运行目标函数，A为***维修成本，B为******运行消耗资源成本，C为***发电创造利润；
可知，***总成本等于维修成本资源成本减掉创造的利润；λ1为***维修成本权重比例，λ2为***运行成本权重比例，λ3为***发电创造利润权重比例，且λ1+λ2+λ3＝1。
8.根据权利要求6所述的可用于各种微电网结构验证的试验微电网控制方法，其特征是：所述利用粒子群算法得到底层指标优化最优解，包括以下步骤：
步骤31.确定可行域空间，在D维可行域中，假设n个随机粒子在时刻t时，空间位置为：
Figure FDA0002685712990000031
上式中：
Figure FDA0002685712990000032
表示t时刻各个粒子的空间位置；
粒子速度为：
Figure FDA0002685712990000033
上式中：
Figure FDA0002685712990000034
表示t时刻各个粒子的速度；
步骤32.同时假设每个粒子是待求解方程的可行解，计算粒子的适应度函数值，通过纵向对比t时刻之前的粒子历史适应度值的大小，获取个体历史最优位置：
Figure FDA0002685712990000035
上式中：
Figure FDA0002685712990000036
表示每个粒子的当前位置的历史最优值；
步骤33.横向对t时刻时，适应度值的大小，获取当前代中，全局最优位置：
Figure FDA0002685712990000037
上式中：
Figure FDA0002685712990000041
表示各个粒子的全局最优值；
步骤34.对粒子进行迭代优化，在t+1时刻，空间位置坐标xi(t)和速度vi(t)，其公迭代式如下：
vi(t+1)＝vi(t)+c1·r1(pi(t)-xi(t))+c2·r2(pg(t)-xi(t)) 3.5
式中，c1和c2分别表示粒子的学习常数；r1和r2在[0,1]间均匀取值；pi为个体极值；pg为全局极值；
由上式可知，速度更新公式包括三部分构成，第一部分使算法进行全局搜索，平衡全局和局部搜索能力；第二部分使粒子进行较强的局部搜索；第三部分考虑粒子向整个种群中的粒子学习的能力，体现了不同粒子间的信息共享；
粒子通过更新对应速度，更新所在的位置，位置公式如下式所示：
xi(t+1)＝xi(t)+vi(t+1) 3.6
通过限制速度变化幅度，令vmin＜vi(t)＜vmax，限制粒子位置变化大小；在多次迭代中，种群中每个粒子循环更新，使整个种群逐渐接近全局最优解。
9.根据权利要求6所述的可用于各种微电网结构验证的试验微电网控制方法，其特征是：所述上层指标优化包括：
步骤41：建立可靠性、优质性为一级指标，建立符合满足率、电力不足功率、***容量备用率、电压偏差、谐波、三相不平衡度、频率偏差为二级指标；
步骤42：对一级指标可靠性、优质性进行权重分配；可靠性占比0.3，优质性占比0.7；
步骤43：对可靠性的二级指标进行权重分配，负荷满足率占比0.4，电力不足功率占比0.2，***容量备用率占比0.4；对优质性的二级指标进行权重分配，评率偏差占比0.27，电压偏差占比0.34，三相不平衡度占比0.22，谐波占比0.17；
所述利用隶属度函数的确定包括：
采用柯西分布建立各指标的隶属度函数，如下式所示：
Figure FDA0002685712990000042
指标与最优指标偏差量的绝对值；αi和βi为第i项指标对应的柯西分布的系数，βi取值为1.45；
最优隶属度的算法如下：
首先选取一个范围，然后在选取的范围中取一个数，称它为最优标准值，它所对应的最优隶属度就是1，再根据已知条件范围选取一个相应的基准值，规定它所对应0.5的最优隶属度，计算出未知参数的数值大小，则知道其他的最优隶属度；在试验型微电网一级指标优质性中的频率偏差中，假设选取频率偏差的限值为正负0.5Hz，利用绝对值计算，规定边缘值即频率偏差为1％的时候，所对0.5的最优隶属度，评价得分为0.5；而频率偏差为0的时候是最好的指标值，对应隶属度为1，评价得分为1；根据xi＝1时，λi＝0.5，推出αi＝1，计算得到频率偏差的隶属度函数如下：
Figure FDA0002685712990000051
上式中：xi表示频率偏差，λi表示最优隶属度；
取十个经济性的最优解，将十组数据分别放入仿真程序中运行，再根据电能质量权重分配来计算出各组的电能质量指标，选出最优的一组为本时间段最优的一组数据。
10.一种计算机存储介质，其特征是：所述计算机存储介质上存有计算机程序，所述计算机程序被处理器执行时实现权利要求6-9所述的可用于各种微电网结构验证的试验微电网控制方法的步骤。
CN202010975678.7A 2020-09-17 2020-09-17 可用于各种微电网结构验证的试验微电网构建与控制方法 Pending CN112182945A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010975678.7A CN112182945A (zh) 2020-09-17 2020-09-17 可用于各种微电网结构验证的试验微电网构建与控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010975678.7A CN112182945A (zh) 2020-09-17 2020-09-17 可用于各种微电网结构验证的试验微电网构建与控制方法

Publications (1)

Publication Number Publication Date
CN112182945A true CN112182945A (zh) 2021-01-05

Family

ID=73921493

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010975678.7A Pending CN112182945A (zh) 2020-09-17 2020-09-17 可用于各种微电网结构验证的试验微电网构建与控制方法

Country Status (1)

Country Link
CN (1) CN112182945A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113608522A (zh) * 2021-09-29 2021-11-05 南京研旭电气科技有限公司 一种基于快速原型控制器的微电网二次控制试验平台

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019148689A1 (zh) * 2018-02-01 2019-08-08 大全集团有限公司 一种微电网并网联络线功率的控制***及其方法
CN110535135A (zh) * 2019-07-10 2019-12-03 国网辽宁省电力有限公司电力科学研究院 一种基于微源与负载协同支撑的多能互补微电网多主从控制结构及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019148689A1 (zh) * 2018-02-01 2019-08-08 大全集团有限公司 一种微电网并网联络线功率的控制***及其方法
CN110535135A (zh) * 2019-07-10 2019-12-03 国网辽宁省电力有限公司电力科学研究院 一种基于微源与负载协同支撑的多能互补微电网多主从控制结构及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
季美红: "基于粒子群算法的微电网多目标经济调度模型研究", 《中国优秀硕士学位论文全文数据库-工程科技Ⅱ辑》, no. 04, 15 April 2011 (2011-04-15), pages 5 - 36 *
易灵芝等: "含微电网群的主动配电网双层联合优化调度", 《电力***及其自动化学报》, vol. 32, no. 04, 30 April 2020 (2020-04-30) *
洪林等: "含风光柴储的孤岛微电网运行性能综合评价方法研究", 《电测与仪表》, vol. 54, no. 05, 19 March 2017 (2017-03-19), pages 0 - 6 *
陆维: "交直流混合微电网中互联变换器的控制策略", 《中国优秀硕士学位论文全文数据库-工程科技Ⅱ辑》, no. 01, 15 January 2020 (2020-01-15), pages 2 - 11 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113608522A (zh) * 2021-09-29 2021-11-05 南京研旭电气科技有限公司 一种基于快速原型控制器的微电网二次控制试验平台
CN113608522B (zh) * 2021-09-29 2021-12-17 南京研旭电气科技有限公司 一种基于快速原型控制器的微电网二次控制试验平台

Similar Documents

Publication Publication Date Title
Zand et al. Using adaptive fuzzy logic for intelligent energy management in hybrid vehicles
Kotb et al. Genetic algorithm for optimum siting and sizing of distributed generation
CN112380694B (zh) 一种基于差异化可靠性需求的配电网优化规划方法
CN109347351A (zh) 一种模块化多电平换流器的模型预测控制方法
CN113239512B (zh) 一种考虑韧性的交直流配电网规划方案筛选方法及***
CN110365058A (zh) 基于模拟退火粒子群算法的孤立微电网运行优化方法
CN113162075A (zh) 一种基于台区特性与换相目标匹配的三相不平衡主动治理方法与装置
Kamalinia et al. A combination of MADM and genetic algorithm for optimal DG allocation in power systems
CN112182945A (zh) 可用于各种微电网结构验证的试验微电网构建与控制方法
CN106451424A (zh) 含大规模光伏发电并网的输电网随机规划方法
Liu et al. Start-up sequence of generators in power system restoration avoiding the backtracking algorithm
jing Hu et al. Capacity optimization of wind/PV/storage power system based on simulated annealing-particle swarm optimization
CN212966176U (zh) 可用于各种微电网结构验证的试验微电网构建
CN116683518A (zh) 计及低碳效益的配电网综合评估方法
CN108416459B (zh) 一种电池储能电站的选址方法
Syahputra et al. An artificial immune system algorithm approach for reconfiguring distribution network
Luo et al. Multi-Objective Optimization Scheduling of Microgrids Based on Particle Swarm Optimization Algorithm
Benoit et al. Deterministic optimal power flow for smart grid short-term predictive energy management
Maslekar et al. Electric Vehicle Impact Analysis in a Microgrid Using Optimized Bio-Inspired Non-Integer Controller
Yang et al. Power coordinated control of the islanded multi-layer microgrids
Chen et al. The optimal planning and dynamic operation of distributed generation method based on modified multiobjective optimization in power distribution system
CN117455033B (zh) 基于信息融合的双段式综合能源***优化方法
Gu et al. Investigation on extended black-start schemes of power system considering reasonable load restoration
Li et al. Preventive Control Method of Improving Transient Voltage Stability for Power System Based on the Attention of CNN
Kang et al. Power flow coordination optimization control method for power system with DG based on DRL

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