CN113964828B - 一种基于区间概率统计模型的配电网协同规划方法 - Google Patents

一种基于区间概率统计模型的配电网协同规划方法 Download PDF

Info

Publication number
CN113964828B
CN113964828B CN202111260768.9A CN202111260768A CN113964828B CN 113964828 B CN113964828 B CN 113964828B CN 202111260768 A CN202111260768 A CN 202111260768A CN 113964828 B CN113964828 B CN 113964828B
Authority
CN
China
Prior art keywords
electric vehicle
new energy
statistical model
under
distribution network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111260768.9A
Other languages
English (en)
Other versions
CN113964828A (zh
Inventor
党东升
杨文华
屈高强
周宗川
车彬
宫建锋
于波
彭正伟
苟瑞欣
高峰
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.)
Economic and Technological Research Institute of State Grid Ningxia Electric Power Co Ltd
Original Assignee
Economic and Technological Research Institute of State Grid Ningxia 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 Economic and Technological Research Institute of State Grid Ningxia Electric Power Co Ltd filed Critical Economic and Technological Research Institute of State Grid Ningxia Electric Power Co Ltd
Priority to CN202111260768.9A priority Critical patent/CN113964828B/zh
Publication of CN113964828A publication Critical patent/CN113964828A/zh
Application granted granted Critical
Publication of CN113964828B publication Critical patent/CN113964828B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Power Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (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

本发明提出了一种基于区间概率统计模型的配电网协同规划方法，包括步骤：步骤1，分别建立相同置信度下的分布式新能源出力预测的区间概率统计模型和电动汽车互动储能容量预测的区间概率统计模型；步骤2，以分布式新能源投资运营商和电动汽车充电站投资运营商各自收益最大为目标，在预测区间值中进行优化取值，分别获得分布式新能源和电动汽车充电站的接入地点和容量；步骤3，在约束条件下，计算出该置信度下的配电网规划方案；步骤4，重复步骤2‑3，直到本次优化后的结果和上一次优化结果之间的误差在设定范围内，则输出本次优化后的配电网规划方案。该方法可以获得更优化的配电网规划方案，实现源荷充分互动大幅提升配电网规划可靠性。

Description

一种基于区间概率统计模型的配电网协同规划方法
技术领域
本发明属于电力***规划技术领域，具体涉及一种基于区间概率统计模型的配电网协同规划方法。
背景技术
为实现“碳达峰、碳中和”目标以及构建“以新能源为主体的新型电力***”，电源侧风电、光伏等新能源将持续迅猛发展，负荷侧以电动汽车为代表的电能替代水平将迅速提升。大规模、高比例的分布式新能源接入配电网后，其出力不确定性以及安装地点、容量对配电网电力电量平衡、运行可靠性等产生不利的影响；电动汽车充电站可利用闲置且有意愿的电动汽车作为储能参与到电网调峰、调频等辅助服务，可提高配电网设备利用率，增加规划方案的经济性。现有配电网规划方法只考虑了经济效益的最大化，然而电动汽车用户受激励政策、行为习惯等影响，其可参与互动的储能容量具有不确定性，现有配电网规划方法并未考虑源荷的不确定性，源荷互动性不够充分，因此配电网设备利用率并未实现最大化，规划方案的经济性和可靠性也可以进一步优化，电力市场的发展受到制约。
发明内容
为克服上述问题，本发明提出了一种基于区间概率统计模型的配电网协同规划方法，该方法充分考虑了各方不确定性，使得规划方案更准确，在实现经济效益最大化的基础上，提高了设备利用率以及可靠性。
为了达到上述目的，本发明采用如下技术方案：
一种基于区间概率统计模型的配电网协同规划方法，包括以下步骤：
步骤1，分别建立相同置信度下的分布式新能源出力预测的区间概率统计模型和电动汽车互动储能容量预测的区间概率统计模型；
步骤2，以分布式新能源投资运营商和电动汽车充电站投资运营商各自收益最大为目标，在分布式新能源出力和电动汽车互动储能容量的预测区间值中进行优化取值，分别获得分布式新能源和电动汽车充电站的接入地点和容量；
步骤3，在约束条件下，将同一置信度下的分布式新能源出力和电动汽车充电站的接入地点和容量作为输入值，以该置信度下配电网投资收益最大值为目标优化值，计算出该置信度下的配电网规划方案；
步骤4，重复步骤2-3，直到本次优化后的结果和上一次优化结果之间的误差在设定范围内，则输出本次优化后的配电网规划方案。
所述步骤1中，建立一置信度下的分布式新能源出力预测的区间概率统计模型，包括：根据分布式新能源出力预测和历史数据统计规律，建立在一定置信度下的新能源出力区间概率统计模型，采用极大似然法辨识预测误差所服从的概率统计模型及参数，进而获得一定置信度下的分布式新能源出力预测的区间概率统计模型。
所述步骤1中，建立一置信度下的电动汽车互动储能容量预测的区间概率统计模型，包括：根据电动汽车充电站用户主动响应行为预测，建立在一定置信度下电动汽车互动储能容量的区间概率统计模型，采用极大似然法辨识预测误差所服从的概率统计模型及参数，进而获得一定置信度下的电动汽车互动储能容量预测的区间概率统计模型。
本发明的有益效果为：
与现有技术相比，本发明提出了一种基于区间概率统计模型的配电网协同规划方法。该方法充分考虑分布式新能源出力的不确定性，以及电动汽车参与电网辅助服务的不确定性，并以分布式新能源投资运营商、配电网投资运营商、电动汽车充电站投资运营商三方主体各自收益最大为目标，通过多次博弈，最终输出最优规划方案。该最优规划方案不仅满足了各方效益最大化的目标，而且充分考虑了各方不确定性，使得最终所得的规划更加合理，准确。
附图说明
图1为一种基于区间概率统计模型的配电网协同规划示意图。
图2为一种基于区间概率统计模型的配电网协同规划方法的流程图。
具体实施方式
下面结合附图1和图2详细说明基于区间概率统计模型的配电网协同规划方法。
如图1和图2所示，本实施例提供的基于区间概率统计模型的配电网协同规划方法，包括以下步骤：
S1：分别建立相同置信度下的分布式新能源出力预测的区间概率统计模型和电动汽车互动储能容量预测的区间概率统计模型。
具体地，根据分布式新能源出力预测和历史数据统计规律，建立在一定置信度下的新能源出力区间概率统计模型；根据电动汽车充电站用户主动响应行为预测，建立在一定置信度下电动汽车互动储能容量的区间概率统计模型。将新能源出力以及电动汽车充电站负荷历史实际数据与历史预测数据的误差作为输入，采用极大似然法辨识未来预测误差概率统计模型所服从的类型和参数，似然度表示数据服从概率模型类型的可能性，似然度越大，所表征数据规律的误差最小。采用的概率模型为正态分布模型和偏正态分布模型，针对具体统计规律情况，也可采用其它模型。将一定置信度下的预测误差概率统计模型叠加到未来预测值，获得一定置信度下的分布式新能源出力预测的区间概率统计模型和电动汽车互动储能容量预测的区间概率统计模型。
区间概率统计模型如下：
L为预测值，则区间是L的置信水平为1-α的置信区间，/>分别为置信水平为1-α的置信下限和置信上限。
分布式新能源出力预测的区间概率统计模型和电动汽车互动储能容量预测的区间概率统计模型结构都是上述区间概率统计模型，区别在于统计规律不同，具体统计规律根据历史数据获得。
S2：以分布式新能源投资运营商收益最大为目标，以分布式新能源出力预测的区间概率统计模型为边界条件，获得一定置信度下的分布式新能源安装地点和容量区间值。
分布式新能源投资运营商规划模型为：
最大收益＝售电收益(含补贴)-弃电成本-辅助服务成本-投资成本-运维成本-考核成本。
该规划模型的决策变量为分布式新能源的安装地点和容量，对电动汽车充电站投资运营商的干扰变量为辅助服务收益，对配电网的干扰变量为新建/扩建变电站和线路。
该规划模型以分布式新能源出力和电动汽车互动储能容量的预测值作为初值进行迭代，在区间概率统计模型中进行优化取值。
该规划模型以现状配电网为初次迭代值，下一轮迭代值为上一轮步骤S4所获得的配电网规划方案；辅助服务成本初始值按现有市场测算，下一轮迭代值按照步骤S3所获得的上一轮电动汽车充电站规划方案测算。
S3：以电动汽车充电站投资运营商收益最大为目标，以电动汽车互动储能容量预测的区间概率统计模型为边界条件，获得一定置信度下的电动汽车充电站安装地点和容量区间值。
电动汽车充电站投资运营商规划模型为：
最大收益＝售电收益(含补贴)+辅助服务收益-投资成本-运维成本。
该规划模型的决策变量为电动汽车充电站的安装地点和容量，对电动汽车充电站投资运营商的干扰变量为辅助服务成本，对配电网的干扰变量为新建/扩建变电站和线路。
该规划模型以分布式新能源出力和电动汽车互动储能容量的预测值作为初值进行迭代，在区间概率统计模型中进行优化取值。
该规划模型以现状配电网为初次迭代值，下一轮迭代值为上一轮步骤S4所获得的配电网规划方案；辅助服务收益按照步骤S2所获得的分布式新能源规划方案需求测算。
容易理解的是，步骤S2和S3之间没有执行的先后顺序之分。
S4：在供电可靠性、潮流等约束条件下，以步骤S2获得的分布式新能源安装地点和容量、步骤S3获得的电动汽车充电站安装地点和容量为输入值，以该置信度下配电网投资收益最大值为目标优化值，计算出该置信度下的配电网规划方案。
配电网投资运营商规划模型为：
最大收益＝售电收益-投资成本-运维成本-网损成本。
该模型决策变量为新建/扩建变电站和线路，对分布式新能源投资运营商以及电动汽车充电站投资运营商的干扰变量为安装地点和容量。
容易理解的是，安装地点不一样，可安装容量不一样，发电量也不一样，发电量决定售电收益，安装地点决定安装容量，安装容量对应的是成本。以步骤S2获得的分布式新能源安装地点和容量、步骤S3获得的电动汽车充电站安装地点和容量为输入值，是指以对应的安装地点和容量所转换的成本作为规划模型的输入值进行计算。
S5：重复步骤S2-4，直到步骤S4优化后的结果和上一次优化结果误差在设定的允许范围内，则认为各利益主体达到博弈均衡状态，则输出配电网规划方案。
需要声明的是，本发明内容及具体实施方式意在表达本方法的规划思想，不应解释为对本发明保护范围的限定。本领域技术人员在本发明的精神和原理启发下，可作各种修改、等同替换、或改进。但这些变更或修改均在申请待批的保护范围内。

Claims (5)

1.一种基于区间概率统计模型的配电网协同规划方法，其特征在于，包括以下步骤：
步骤1，分别建立相同置信度下的分布式新能源出力预测的区间概率统计模型和电动汽车互动储能容量预测的区间概率统计模型；
步骤2，以分布式新能源投资运营商和电动汽车充电站投资运营商各自收益最大为目标，在分布式新能源出力和电动汽车互动储能容量的预测区间值中进行优化取值，分别获得分布式新能源和电动汽车充电站的接入地点和容量；
步骤3，在约束条件下，将同一置信度下的分布式新能源出力和电动汽车充电站的接入地点和容量作为输入值，以该置信度下配电网投资收益最大值为目标优化值，计算出该置信度下的配电网规划方案；
步骤4，重复步骤2-3，直到本次优化后的结果和上一次优化结果之间的误差在设定范围内，则输出本次优化后的配电网规划方案。
2.根据权利要求1所述的方法，其特征在于，所述步骤1中，建立一置信度下的分布式新能源出力预测的区间概率统计模型，包括：
根据分布式新能源出力预测和历史数据统计规律，建立在一定置信度下的新能源出力区间概率统计模型，采用极大似然法辨识预测误差所服从的概率统计模型及参数，进而获得一定置信度下的分布式新能源出力预测的区间概率统计模型。
3.根据权利要求1所述的方法，其特征在于，所述步骤1中，建立一置信度下的电动汽车互动储能容量预测的区间概率统计模型，包括：
根据电动汽车充电站用户主动响应行为预测，建立在一定置信度下电动汽车互动储能容量的区间概率统计模型，采用极大似然法辨识预测误差所服从的概率统计模型及参数，进而获得一定置信度下的电动汽车互动储能容量预测的区间概率统计模型。
4.根据权利要求1所述的方法，其特征在于，所述约束条件包括供电可靠性、潮流约束条件。
5.根据权利要求1所述的方法，其特征在于，所述步骤2具体包括：
以分布式新能源投资运营商收益最大为目标，以分布式新能源出力预测的区间概率统计模型为边界条件，获得一定置信度下的分布式新能源安装地点和容量区间值；
以电动汽车充电站投资运营商收益最大为目标，以电动汽车互动储能容量预测的区间概率统计模型为边界条件，获得一定置信度下的电动汽车充电站安装地点和容量区间值。
CN202111260768.9A 2021-10-28 2021-10-28 一种基于区间概率统计模型的配电网协同规划方法 Active CN113964828B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111260768.9A CN113964828B (zh) 2021-10-28 2021-10-28 一种基于区间概率统计模型的配电网协同规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111260768.9A CN113964828B (zh) 2021-10-28 2021-10-28 一种基于区间概率统计模型的配电网协同规划方法

Publications (2)

Publication Number Publication Date
CN113964828A CN113964828A (zh) 2022-01-21
CN113964828B true CN113964828B (zh) 2024-05-03

Family

ID=79467789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111260768.9A Active CN113964828B (zh) 2021-10-28 2021-10-28 一种基于区间概率统计模型的配电网协同规划方法

Country Status (1)

Country Link
CN (1) CN113964828B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018103232A1 (zh) * 2016-12-08 2018-06-14 中山大洋电机股份有限公司 一种新能源微电网电动汽车充电站的控制方法
CN109034563A (zh) * 2018-07-09 2018-12-18 国家电网公司 一种多主体博弈的增量配电网源网荷协同规划方法
CN109193727A (zh) * 2018-10-30 2019-01-11 国网江苏省电力有限公司南通供电分公司 一种含电动汽车的智能配电网概率协调规划方法
CN109286187A (zh) * 2018-10-19 2019-01-29 国网宁夏电力有限公司经济技术研究院 一种面向多主体利益均衡的微网日前经济调度方法
CN109492824A (zh) * 2018-11-28 2019-03-19 国网山东省电力公司电力科学研究院 考虑源-网-荷多方利益的分散式风储***优化方法
CN109617054A (zh) * 2018-12-13 2019-04-12 华南理工大学 一种考虑光储***接入的配电变压器定容选型方法
CN109740786A (zh) * 2018-11-15 2019-05-10 国网江苏省电力有限公司电力科学研究院 一种多端柔性互联配电网规划方法及***
CN109886472A (zh) * 2019-01-23 2019-06-14 天津大学 一种分布式光伏和电动汽车接入不确定性的配电台区容量方法
CN111178619A (zh) * 2019-12-25 2020-05-19 东南大学 一种考虑分布式电源和充电站联合规划的多目标优化方法
CN112380714A (zh) * 2020-11-19 2021-02-19 国网宁夏电力有限公司电力科学研究院 基于统计规律的新能源出力概率区间建模方法
CN112467722A (zh) * 2020-09-30 2021-03-09 国网福建省电力有限公司 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018103232A1 (zh) * 2016-12-08 2018-06-14 中山大洋电机股份有限公司 一种新能源微电网电动汽车充电站的控制方法
CN109034563A (zh) * 2018-07-09 2018-12-18 国家电网公司 一种多主体博弈的增量配电网源网荷协同规划方法
CN109286187A (zh) * 2018-10-19 2019-01-29 国网宁夏电力有限公司经济技术研究院 一种面向多主体利益均衡的微网日前经济调度方法
CN109193727A (zh) * 2018-10-30 2019-01-11 国网江苏省电力有限公司南通供电分公司 一种含电动汽车的智能配电网概率协调规划方法
CN109740786A (zh) * 2018-11-15 2019-05-10 国网江苏省电力有限公司电力科学研究院 一种多端柔性互联配电网规划方法及***
CN109492824A (zh) * 2018-11-28 2019-03-19 国网山东省电力公司电力科学研究院 考虑源-网-荷多方利益的分散式风储***优化方法
CN109617054A (zh) * 2018-12-13 2019-04-12 华南理工大学 一种考虑光储***接入的配电变压器定容选型方法
CN109886472A (zh) * 2019-01-23 2019-06-14 天津大学 一种分布式光伏和电动汽车接入不确定性的配电台区容量方法
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN111178619A (zh) * 2019-12-25 2020-05-19 东南大学 一种考虑分布式电源和充电站联合规划的多目标优化方法
CN112467722A (zh) * 2020-09-30 2021-03-09 国网福建省电力有限公司 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法
CN112380714A (zh) * 2020-11-19 2021-02-19 国网宁夏电力有限公司电力科学研究院 基于统计规律的新能源出力概率区间建模方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
含充电站及光伏电源的配电网协调规划;耿晓娜;刘俊德;范振亚;刘伟东;;华北电力技术;20170525(第05期);1-8 *
计及光伏期望出力可信度的配电网调度计划研究;汪胜和;王正风;应益强;徐俊;;东北电力技术;20200820(第08期);1-7 *

Also Published As

Publication number Publication date
CN113964828A (zh) 2022-01-21

Similar Documents

Publication Publication Date Title
CN107301470B (zh) 一种配电网扩展规划与光储选址定容的双层优化方法
Liu et al. Optimal sizing of a wind-energy storage system considering battery life
Pirouzi et al. A robust optimization approach for active and reactive power management in smart distribution networks using electric vehicles
CN112467722B (zh) 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法
CN109980685B (zh) 一种考虑不确定性的主动配电网分布式优化运行方法
CN107679658B (zh) 一种高比例清洁能源接入下的输电网规划方法
Li et al. Two-stage community energy trading under end-edge-cloud orchestration
CN112381421B (zh) 一种考虑电力市场全维度的源网荷多主体博弈规划方法
Huanna et al. Flexible‐regulation resources planning for distribution networks with a high penetration of renewable energy
Gao et al. An improved ADMM-based distributed optimal operation model of AC/DC hybrid distribution network considering wind power uncertainties
CN111682529A (zh) 一种基于节点电价信息的移动储能车灵活调度方法
CN111626594A (zh) 一种多种需求侧资源协同的配电网扩展规划方法
Gong et al. Optimal configuration of the energy storage system in ADN considering energy storage operation strategy and dynamic characteristic
CN110783950A (zh) 一种配电网节点光伏最佳配置容量确定方法
Hashemipour et al. Multi‐objective optimisation method for coordinating battery storage systems, photovoltaic inverters and tap changers
Raouf Mohamed et al. Distributed battery energy storage systems operation framework for grid power levelling in the distribution networks
CN113690877A (zh) 一种考虑能源消纳的有源配电网与集中能源站互动方法
Xiang et al. Reliability‐oriented optimal planning of charging stations in electricity–transportation coupled networks
Jin et al. Optimal EV scheduling and voltage security via an online bi-layer steady-state assessment method considering uncertainties
CN114626613A (zh) 考虑风光互补的输储联合规划方法
CN117559563B (zh) 一种风光储充一体化微网运行方案的优化方法及***
CN114626603A (zh) 一种配电网需求响应调度运行方案的优化处理方法和装置
Luo et al. Two‐stage robust optimal scheduling of wind power‐photovoltaic‐thermal power‐pumped storage combined system
CN117791625A (zh) 电动汽车有序充放电规划方法、设备及介质
Yang et al. Adaptive robust optimal dispatch of microgrid based on different robust adjustment parameters

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