一种配电网中常规变电站升级为智能变电站的优化方法

    公开(公告)号:CN107248739B

    公开(公告)日:2019-11-08

    申请号:CN201710439283.3

    申请日:2017-06-12

    IPC分类号: H02J3/00 H02H7/22

    摘要: 代表变电站技术发展趋势的智能变电站是智能电网的重要组成部分。智能变电站的配置对系统安全与经济运行具有重要影响,是值得研究的重要问题。在此背景下,本专利提出了配电网中常规变电站升级为智能变电站的优化策略。首先,以变电站智能化升级成本和用户停电损失之和最小化为目标函数,考虑系统平均停电时间和电量不足平均值这两个可靠性指标不超过给定阈值等约束条件,构建了配电系统中变电站的智能化升级优化模型。之后,发展了针对配电系统故障的故障清除模型,提出了评估用户停电时间的比较准确的方法。接着,对用户停电时间和用户停电损失函数进行线性化处理,得到变电站智能化升级问题的混合整数线性规划模型,并采用高效商业求解器求解。

    一种电网安全约束的鲁棒机组组合方法

    公开(公告)号:CN107239863B

    公开(公告)日:2020-07-14

    申请号:CN201710515679.1

    申请日:2017-06-29

    IPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明提供一种电网安全约束的鲁棒机组组合方法,步骤如下:S1,预测风电出力,并对其进行拉丁超立方抽样,生成场景集,然后通过场景缩减技术对场景集缩减。S2,对缩减后的场景集按照其相应概率大小从大到小排序。S3,根据风电的预测出力求解主问题,即确定性考虑安全约束的机组组合问题。S4,对求得机组组合策略对场景逐一进行安全性校验。若通过校验,则计算该启停策略对其他场景集的切负荷和弃风所产生成本,并将该场景加入“鲁棒置信区间”,并则对下一个场景进行安全性校验。若不通过,则生成benders割返回主问题,重复步骤S3。S5,当对所有场景进行过安全性校验后,总成本最小的即为最优策略。

    一种电力系统主动解列断面搜索方法与孤岛调整策略

    公开(公告)号:CN107017632B

    公开(公告)日:2019-08-06

    申请号:CN201710375578.9

    申请日:2017-05-24

    IPC分类号: H02J3/00 G06K9/62

    摘要: 本发明提出一种电力系统主动解列断面搜索方法与孤岛调整策略。首先,电力系统主动解列断面搜索方法对在机器学习领域发展起来的谱聚类算法进行改进,提出含约束谱聚类算法,以计及发电机组的同调约束,从而将解列断面搜索问题转化为广义特征值求解问题。为克服在含约束谱聚类算法中采用传统k‑medoids算法存在的对初始中心点敏感,搜索效率低的缺点,提出改进k‑medoids算法并将其与约束谱聚类算法相结合,以求取最优解列断面。然后,对于每个不满足安全约束的孤岛,优化调整其发电机组出力,必要时也可削减一些负荷,以维持每个孤岛的安全运行。最后,以IEEE 118节点为例,说明本发明的可行性和有效性。

    电网安全约束的鲁棒机组组合方法

    公开(公告)号:CN107239863A

    公开(公告)日:2017-10-10

    申请号:CN201710515679.1

    申请日:2017-06-29

    IPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明提供一种电网安全约束的鲁棒机组组合方法,步骤如下:S1,预测风电出力,并对其进行拉丁超立方抽样,生成场景集,然后通过场景缩减技术对场景集缩减。S2,对缩减后的场景集按照其相应概率大小从大到小排序。S3,根据风电的预测出力求解主问题,即确定性考虑安全约束的机组组合问题。S4,对求得机组组合策略对场景逐一进行安全性校验。若通过校验,则计算该启停策略对其他场景集的切负荷和弃风所产生成本,并将该场景加入“鲁棒置信区间”,并则对下一个场景进行安全性校验。若不通过,则生成benders 割返回主问题,重复步骤S3。S5,当对所有场景进行过安全性校验后,总成本最小的即为最优策略。

    一种综合考虑主客观因素的关键线路识别方法

    公开(公告)号:CN107622360A

    公开(公告)日:2018-01-23

    申请号:CN201710986824.4

    申请日:2017-10-20

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明公开一种综合考虑主客观因素的关键线路识别方法,为设具有n个待评价的电网节点,共选取m个评价指标,各节点在各评价指标上的指标值构成评价矩阵为X,对X做标准化处理后可得到R=[rij]m×n;对标准化处理得到的R赋予权重后可得W=[wij]m×n=[λi×rij]m×n;确定正理想点 和负理想点 将每个指标选出最佳的指标值组成的评价向量定义为正理想点,相反为负理想点;设 由于对数据都进行了标准化处理,所以 为零向量;定义被评价节点的评价向量到正理想点 的距离;定义被评价节点的评价向量与正理想点和负理想点的偏离度;按照计算得到的Tj值对各节点进行排序,该值越小则表明该节点越重要;如果两个或多个节点的Tj值相等,则以dj加以区分,距离越小说明该节点距离理想点越近,则该节点也越重要。