CN113449908A - 考虑需求侧资源的配电网规划方法及系统 - Google Patents
考虑需求侧资源的配电网规划方法及系统 Download PDFInfo
- Publication number
- CN113449908A CN113449908A CN202110684922.9A CN202110684922A CN113449908A CN 113449908 A CN113449908 A CN 113449908A CN 202110684922 A CN202110684922 A CN 202110684922A CN 113449908 A CN113449908 A CN 113449908A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- demand
- planning
- objective optimization
- power distribution
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005457 optimization Methods 0.000 claims abstract description 50
- 239000002245 particle Substances 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000012423 maintenance Methods 0.000 claims abstract description 10
- 238000011160 research Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 32
- 230000006870 function Effects 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000004146 energy storage Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 claims 1
- 230000004044 response Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000005611 electricity Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- G06Q10/04—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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开提供了一种考虑需求侧资源的配电网规划方法及系统，包括以下步骤：获取含需求侧资源负荷的配电网规划数据，构建配电网多目标优化规划模型；以配电网运维成本最小为目标函数，利用混合智能粒子群算法对配电网多目标优化规划模型的目标函数进行优化配置，得到最优的配电网规划方案。本公开充分结合需求侧需求响应构建配电网多目标优化规划模型，以配电网运维成本最小为目标函数进行配电网多目标优化规划模型的优化，采用混合智能粒子群算法对配电网多目标优化规划模型的目标函数进行优化配置，实现考虑需求侧资源的配电网规划方法的研究，提高了配电网运行的灵活可靠性。
Description
技术领域
本公开属于配电网规划技术领域，具体涉及一种考虑需求侧资源的配电网规划方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
配电网是联系电力用户和输电系统的重要纽带，正处于快速发展的重要时期。随着配电网建设力度的逐步扩大，电力企业在进行配电网规划建设的实施中需要充分考虑配电网的供电质量和电力系统的资源优化配置。
传统的配电网规划方法是在中长期负荷预测的基础上计算负荷的地理分布确定变电站位置以及供电分区，同时结合守则的容载比标准来确定变电站的容量；基于网络的N-1安全性原则，通过手拉手的方式进行线路规划；最后，对每条线路按照导则的要求来配置相应的保护、通信和自动化设备。据发明人了解，该方法在进行配电网规划的过程中，没有充分考虑到需求侧资源，无法进行电力供应侧与需求侧各种资源的优化配置和合理利用。
因此，亟需进行配电网规划的研究，充分考虑需求侧资源响应，以促进电力系统的供需平衡，提高电网运行的经济可靠性与灵活性。
发明内容
为了解决上述问题，本公开提出了一种考虑需求侧资源的配电网规划方法及系统，实现考虑需求侧资源的配电网规划方法的研究，提高了配电网运行的灵活可靠性。
根据一些实施例，本公开的第一方案提供了一种考虑需求侧资源的配电网规划方法，采用如下技术方案：
考虑需求侧资源的配电网规划方法，具体包括以下步骤：
获取含需求侧资源负荷的配电网规划数据，构建配电网多目标优化规划模型；
以配电网运维成本最小为目标函数，利用混合智能粒子群算法对配电网多目标优化规划模型的目标函数进行优化配置，得到最优的配电网规划方案；
所述需求侧资源负荷的配电网规划数据包括需求侧的负荷大小及类型和配电网输电线路的计算指标。
根据一些实施例，本公开的第二方案提供了一种考虑需求侧资源的配电网规划系统，采用如下技术方案：
考虑需求侧资源的配电网规划系统，包括：
建模模块，被配置为：获取含需求侧资源负荷的配电网规划数据，构建配电网多目标优化规划模型；
优化模块，被配置为：以配电网运维成本最小为目标函数，利用混合智能粒子群算法对配电网多目标优化规划模型的目标函数进行优化配置，得到最优的配电网规划方案。
根据一些实施例，本公开的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方案所述的考虑需求侧资源的配电网规划方法中的步骤。
根据一些实施例，本公开的第四方案提供了一种电子设备，采用如下技术方案：
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方案所述的考虑需求侧资源的配电网规划方法中的步骤。
与现有技术相比，本公开的有益效果为：
本公开充分结合需求侧需求响应构建配电网多目标优化规划模型，以配电网运维成本最小为目标函数进行配电网多目标优化规划模型的优化，采用混合智能粒子群算法对配电网多目标优化规划模型的目标函数进行优化配置，提高了配电网运行的灵活可靠性，实现考虑需求侧资源的配电网规划方法的研究。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1是本公开实施例一中的考虑需求侧资源的配电网规划方法的流程图；
图2是本公开实施例一中的HIPSO算法的流程图；
图3是本公开实施例一中的HIPSO优化配置的流程图；
图4是本公开实施例二中的考虑需求侧资源的配电网规划系统的结构图。
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。
本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本实公开中的具体含义，不能理解为对本公开的限制。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例一
本公开实施例一提供了一种考虑需求侧资源的配电网规划方法。
如图1所示的一种考虑需求侧资源的配电网规划方法，具体步骤包括：
步骤S01：获取含需求侧资源负荷的配电网规划数据，构建配电网多目标优化规划模型；
步骤S02：以配电网运维成本最小为目标函数，利用混合智能粒子群算法(HIPSO)对配电网多目标优化规划模型的目标函数进行优化配置，得到最优的配电网规划方案。
作为一种或多种实施方式，在步骤S01中，配电网规划数据包括需求侧的负荷大小及类型和配电网输电线路的指标计算；其中，配电网输电线路的指标计算包括潮流计算、短路计算、稳定计算、过电压计算和无功计算。
获取含需求侧负荷的目标区域配电网规划数据，具体包括以下步骤：
步骤S101：获取目标区域的历史用电数据，根据历史用电数据确定目标区域配电网的规划需求，这里的历史用电数据包括配电网供电侧的用电数据信息和配电网需求侧的用电数据信息(既用电负荷的大小及类型)；
步骤S102：获取输电线路的各种指标计算信息，这里的指标计算包括潮流计算、短路计算、稳定计算、过电压计算和无功计算；
步骤S103：结合目标区域配电网规划的需求对供电区域进行划分，并确定每个供电区域内的分布式电源、储能装置和变电站的数量信息和位置分布情况。
需要说明的是，本实施例中的步骤S102中的指标计算具体为：
(1)潮流计算：选取不同的计算方式来校核配电网中的薄弱环节；
(2)短路计算：校核短路水平较高的点，检验是否存在超标的现象；
(3)稳定计算：计算静态稳定极限、暂态稳定极限，然后计算各种故障方式下的稳定水平(比如单瞬、无故障短线等)，若存在着稳定问题则需进行详细的计算分析(稳控策略、切负荷方案)；
(4)过电压计算：高电压等级一般设置为500KV，需要计算内过电压；内过电压的关注点包括各种过电压水平是否达标、无功配置、高压并联电抗器的配置方案、是否安装合闸电阻、中性点小电抗的配置方案；
(5)无功计算：依据分层分区平衡原则，计算无功平衡，通过软件来仿真不同投切方式下的电压波动水平。
作为一种或多种实施方式，在步骤S02中，配电网多目标优化规划模型的目标函数是最少的配电网运维成本；配电网多目标优化规划模型的约束条件包括等式约束条件和不等式约束条件。其中，等式约束条件包括配电网运行约束、配电网拓扑约束和分布式电源出力约束；不等式约束条件包括电源安装容量、节点电压限值、支路电流限值和负荷的需求水平。
在本实施例中，等式约束条件主要考虑配电网运行约束中的潮流约束，即
其中，PGP_i、QGP_i分别表示第i个节点处配电网的有功出力和无功出力，PL_i、QL_i分别表示第i个节点处的有功负荷和无功负荷，Gij、Bij分别表示节点i、j相互之间的导纳参数，δij表示节点i、j相互之间的电压相角。
在本实施例中，不等式约束为
其中，Sj表示第i个节点处第j类配电网多目标优化规划模型的安装容量，
为Sj的上限值；
分别表示第i个节点处电压的下限值和上限值；Iij表示允许在支路ij上运行的电流值，
为Iij的极限值；μ(x)表示负荷的需求水平，μ1、μ2分别表示负荷需求水平的下限值和上限值。
通过HIPSO对配电网多目标优化规划模型的目标函数进行优化配置。
粒子群算法(PSO)具有搜索的全局性和多方向性，能够使得具有潜在解的种群持续性的相Peatio最优解集逼近，运用HIPSO求解优化问题是，所求的Peatio解对应于搜索空间中鸟(粒子)的位置。HIPSO中的粒子有着自己不同的速度和位置以及自己不同的由目标函数决定适应值。每个粒子群粒子根据自己的记忆、追随当前最优粒子群粒子，对解集分别进行搜索，搜索时会含有随意因素，但也不是完全随机的，若可以找到更好地解集，就用这个解集作为基础来找下一个更好地解集。
本实施例采用的是基于二阶粒子群优化算法的HIPSO，具体的算法流程图如图2所述在寻优过程中加快了PSO寻优速度的同时也保证了寻优精度。
如图3所示，通过HIPSO对配电网多目标优化规划模型的目标函数进行优化配置的具体步骤包括：
步骤S201：初始混合智能粒子群算法种群，根据配电网规划数据、配电网多目标优化规划模型和配电网多目标优化规划模型的目标函数的约束条件进行相关控制变量的设置；
步骤S202:编译程序，以种群迭代次数到达上限或者是收敛完成为目标进行计算；
步骤S203：运算结束之后，初步分析已有方案在配电网规划数据、配电网多目标优化规划模型约束条件下，判断是否满足稳定性的需求；若满足稳定性的要求，则直接进入步骤S204，否则返回步骤S201；
步骤S204:以步骤S203为基础，进行配电网多目标优化规划模型的优化研究；综合考虑各项指标，进行混合智能粒子群算法的运算，得到配电网规划的最优方案，得到最终的配电网规划方案。
实施例二
本实施例提供了一种基于实施例一中基于考虑需求侧资源的配电网规划方法的考虑需求侧资源的配电网规划系统。
如图4所示的一种考虑需求侧资源的配电网规划系统，包括：
建模模块，被配置为：获取含需求侧资源负荷的配电网规划数据，构建配电网多目标优化规划模型；
优化模块，被配置为：以配电网运维成本最小为目标函数，利用混合智能粒子群算法对配电网多目标优化规划模型的目标函数进行优化配置，得到最优的配电网规划方案。
实施例三
本公开实施例三提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例一所述的考虑需求侧资源的配电网规划方法中的步骤。
详细步骤与实施例一提供的考虑需求侧资源的配电网规划方法相同，在此不再赘述。
实施例四
本公开实施例四提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例一所述的考虑需求侧资源的配电网规划方法中的步骤。
详细步骤与实施例一提供的考虑需求侧资源的配电网规划方法相同，在此不再赘述。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开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。
本公开是参照根据本公开实施例的方法、设备(系统)、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。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.考虑需求侧资源的配电网规划方法，其特征在于，包括以下步骤：
获取含需求侧资源负荷的配电网规划数据，构建配电网多目标优化规划模型；
以配电网运维成本最小为目标函数，利用混合智能粒子群算法对配电网多目标优化规划模型的目标函数进行优化配置，得到最优的配电网规划方案；
所述需求侧资源负荷的配电网规划数据包括需求侧的负荷大小及类型和配电网输电线路的计算指标。
2.基于权利要求1中所述的考虑需求侧资源的配电网规划方法，其特征在于，构建配电网多目标优化规划模型的过程中综合考虑配电网的投资运行经济效益和负荷需求管理指标。
3.基于权利要求1中所述的考虑需求侧资源的配电网规划方法，其特征在于，所述配电网输电线路的指标计算包括潮流计算、短路计算、稳定计算、过电压计算和无功计算。
4.基于权利要求1中所述的考虑需求侧资源的配电网规划方法，其特征在于，所述配电网多目标优化规划模型包括分布式电源、储能装置以及变电站的位置分布和数量信息。
5.基于权利要求1中所述的考虑需求侧资源的配电网规划方法，其特征在于，所述配电网多目标优化规划模型的约束条件包括等式约束条件和不等式约束条件。
6.基于权利要求5中所述的考虑需求侧资源的配电网规划方法，其特征在于，所述等式约束条件包括配电网运行约束、配电网拓扑约束和分布式电源出力约束；所述不等式约束条件包括电源安装容量、节点电压限值、支路电流限值和负荷的需求水平。
7.基于权利要求1中所述的考虑需求侧资源的配电网规划方法，其特征在于，所述利用混合智能粒子群算法对配电网多目标优化规划模型的目标函数进行优化配置的具体步骤包括：
步骤S201：初始混合智能粒子群算法种群，根据配电网规划数据、配电网多目标优化规划模型和配电网多目标优化规划模型的约束条件进行相关控制变量的设置；
步骤S202:编译程序，以种群迭代次数到达上限或者是收敛完成为目标进行计算；
步骤S203：运算结束之后，初步分析已有方案在配电网规划数据、配电网多目标优化规划模型约束条件下，判断是否满足稳定性的需求；若满足稳定性的要求，则直接进入步骤S204，否则返回步骤S201；
步骤S204:以步骤S203为基础，进行配电网多目标优化规划模型的优化研究；综合考虑各项指标，进行混合智能粒子群算法的运算，得到配电网规划的最优方案，得到最终的配电网规划方案。
8.考虑需求侧资源的配电网规划系统，采用了权利要求1-7中任一项所述的考虑需求侧资源的配电网规划方法，其特征在于，包括：
建模模块，被配置为：获取含需求侧资源负荷的配电网规划数据，构建配电网多目标优化规划模型；
优化模块，被配置为：以配电网运维成本最小为目标函数，利用混合智能粒子群算法对配电网多目标优化规划模型的目标函数进行优化配置，得到最优的配电网规划方案。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的考虑需求侧资源的配电网规划方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的考虑需求侧资源的配电网规划方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110684922.9A CN113449908A (zh) | 2021-06-21 | 2021-06-21 | 考虑需求侧资源的配电网规划方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110684922.9A CN113449908A (zh) | 2021-06-21 | 2021-06-21 | 考虑需求侧资源的配电网规划方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113449908A true CN113449908A (zh) | 2021-09-28 |
Family
ID=77812027
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110684922.9A Pending CN113449908A (zh) | 2021-06-21 | 2021-06-21 | 考虑需求侧资源的配电网规划方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113449908A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115147016A (zh) * | 2022-09-01 | 2022-10-04 | 国网浙江省电力有限公司宁波供电公司 | 考虑低碳效益的分布式电源和需求侧资源联合规划方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150310366A1 (en) * | 2012-11-09 | 2015-10-29 | Tianjin University | Security region based security-constrained economic dispatching method |
| CN105719015A (zh) * | 2016-01-19 | 2016-06-29 | 国网河北省电力公司电力科学研究院 | 一种基于pepso的分布式电源优化选址定容方法 |
| CN108549966A (zh) * | 2018-03-07 | 2018-09-18 | 国网北京市电力公司 | 一种考虑运行灵活性的配电网规划方法 |
| CN110503239A (zh) * | 2019-07-19 | 2019-11-26 | 国网山东省电力公司青岛供电公司 | 一种考虑无功辅助服务的配电网优化调度方法及系统 |
| CN110502814A (zh) * | 2019-08-09 | 2019-11-26 | 国家电网有限公司 | 考虑储能和负荷管理技术的主动配电网多目标规划方法 |
| CN111125638A (zh) * | 2019-12-13 | 2020-05-08 | 国网山东省电力公司经济技术研究院 | 一种有源配电网规划模型的构建方法、装置和计算设备 |
| CN112380694A (zh) * | 2020-11-13 | 2021-02-19 | 华北电力大学（保定） | 一种基于差异化可靠性需求的配电网优化规划方法 |
-
2021
- 2021-06-21 CN CN202110684922.9A patent/CN113449908A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150310366A1 (en) * | 2012-11-09 | 2015-10-29 | Tianjin University | Security region based security-constrained economic dispatching method |
| CN105719015A (zh) * | 2016-01-19 | 2016-06-29 | 国网河北省电力公司电力科学研究院 | 一种基于pepso的分布式电源优化选址定容方法 |
| CN108549966A (zh) * | 2018-03-07 | 2018-09-18 | 国网北京市电力公司 | 一种考虑运行灵活性的配电网规划方法 |
| CN110503239A (zh) * | 2019-07-19 | 2019-11-26 | 国网山东省电力公司青岛供电公司 | 一种考虑无功辅助服务的配电网优化调度方法及系统 |
| CN110502814A (zh) * | 2019-08-09 | 2019-11-26 | 国家电网有限公司 | 考虑储能和负荷管理技术的主动配电网多目标规划方法 |
| CN111125638A (zh) * | 2019-12-13 | 2020-05-08 | 国网山东省电力公司经济技术研究院 | 一种有源配电网规划模型的构建方法、装置和计算设备 |
| CN112380694A (zh) * | 2020-11-13 | 2021-02-19 | 华北电力大学（保定） | 一种基于差异化可靠性需求的配电网优化规划方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115147016A (zh) * | 2022-09-01 | 2022-10-04 | 国网浙江省电力有限公司宁波供电公司 | 考虑低碳效益的分布式电源和需求侧资源联合规划方法 |
| CN115147016B (zh) * | 2022-09-01 | 2023-01-24 | 国网浙江省电力有限公司宁波供电公司 | 考虑低碳效益的分布式电源和需求侧资源联合规划方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107506854B (zh) | 一种考虑差异化场景的220kV电网网架结构规划方法 | |
| Ospina et al. | Sampling-based model predictive control of PV-integrated energy storage system considering power generation forecast and real-time price | |
| El Helou et al. | Fully decentralized reinforcement learning-based control of photovoltaics in distribution grids for joint provision of real and reactive power | |
| CN111555293B (zh) | 一种基于数据模型分析的无功设备选型系统及方法 | |
| CN113344280A (zh) | 考虑负荷转供的停电计划优化模型约束构建方法及装置 | |
| CN113449908A (zh) | 考虑需求侧资源的配电网规划方法及系统 | |
| Zelensky et al. | Development of a distributed multi-agent system monitoring and control networks of 0.4–35 kV | |
| CN112103950B (zh) | 一种基于改进gn分裂算法的电网分区方法 | |
| CN113591258A (zh) | 基于节点关联矩阵的配电网络pmu配置优化方法 | |
| CN117764401B (zh) | 考虑风险评估的柔性配电网多资源协调规划方法及装置 | |
| CN117277446B (zh) | 多目标配电网规划方法及系统 | |
| CN116758740B (zh) | 一种基于数字孪生和信息树的智慧交通高效模拟方法 | |
| CN113690930A (zh) | 基于nsga-iii算法的分布式光伏电源中长期选址定容方法 | |
| Kumar et al. | An artificial bee colony algorithm based distribution system state estimation including renewable energy sources | |
| Ge et al. | Improved harris hawks optimization for configuration of PV intelligent edge terminals | |
| CN114465245B (zh) | 电网调节装置的参数匹配方法及系统 | |
| CN116613746A (zh) | 一种基于os2的分布式电网建模模型 | |
| Santos et al. | Distribution power network reconfiguration in the smart grid | |
| Sadeghi et al. | Fully decentralized multi-agent coordination scheme in smart distribution restoration: Multilevel consensus | |
| Wang et al. | Pareto optimization of power system reconstruction using NSGA-II algorithm | |
| Babazadeh et al. | Coordination of power injection in hvdc grids with multi-tsos and large wind penetration | |
| CN112734590A (zh) | 基于内点法和变领域搜索的动态规划法的二阶段区域电网无功优化方法 | |
| CN113722940B (zh) | 一种电网机组组合与技改计划联合优化方法 | |
| Nagaraj et al. | Perspectives on power system reconfiguration for shipboard applications | |
| Hong et al. | Researches on the optimization model and strategies against low voltage in power distribution network |
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: 20210928 |
|
| RJ01 | Rejection of invention patent application after publication |