协调源荷不确定性的配电网扩展规划

随着可再生能源、储能在配电网中的应用越来越广泛,亟需开展计及源端、荷端不确定性的配电网扩展规划研究.在此背景下,提出包含三级层次的配电网扩展规划流程和配电网扩展规划随机期望值模型.首先建立以综合新建成本为优化目标,连通性、可靠性、潮流限制等为约束条件的网架扩展规划模型,确定规划新建站点的接入方案和储能配置容量;其次构建运行优化模型,计算正常运行方式下合理的开关组合;最后采取针对性的局部补强措施,结合实际算例系统验证模型的有效性.     

基于神经网络预测的配电网光伏消纳能力评估方法

随着大规模光伏接入需求的产生,高渗透率的光伏设备对配电网的安全运行提出了很高的要求,研究准确评估配电网光伏消纳能力是当前学界与业界亟待解决的一个重要问题。光伏出力随着天气的变化存在诸多的不确定性,目前的数学优化与场景模拟方案只是针对配电网的一个总体消纳能力评估。这些方案总体过于保守,并且未能针对特定情况(如气候变化、用电发展等)下的配电网光伏消纳能力进行评估。由此引入了二阶段光伏消纳能力评估方法。首先针对配电网未来负荷不确定性,利用循环神经网络对配电网未来负荷能力进行短期预测;然后根据预测值,针对光伏出力不稳定性的情况,进一步考虑功率转移下的配电网运行稳定性,由此更好地模拟配电网在大规模接入光伏情况下的运行特征。该方案对于实际光伏容量评估与规划具有现实指导意义。最后,以上海市奉贤区某配电系统为算例的模拟分析佐证了该方法的可操作性与准确性。     

协调源荷不确定性的配电网扩展规划

随着可再生能源、储能在配电网中的应用越来越广泛,亟需开展计及源端、荷端不确定性的配电网扩展规划研究.在此背景下,提出包含三级层次的配电网扩展规划流程和配电网扩展规划随机期望值模型.首先建立以综合新建成本为优化目标,连通性、可靠性、潮流限制等为约束条件的网架扩展规划模型,确定规划新建站点的接入方案和储能配置容量;其次构建运行优化模型,计算正常运行方式下合理的开关组合;最后采取针对性的局部补强措施,结合实际算例系统验证模型的有效性.     

基于动态自适应神经网络和人体舒适度的短期负荷预测

针对BP(Back Propagation)神经网络的适应性较差的问题,提出了自适应神经网络的模型,并将其应用到短期负荷预测中。在神经网络进行数据训练时,对于大量的训练数据,提出采用动态自适应的方式进行处理。分析了实时气象因素对短期负荷的影响,以人体舒适度作为气象因子的处理模型。采用杭州地区数据对提出的模型进行验证,与BP模型预测的结果对比,具有更快的预测速度、更高的预测精度。所构建的预测模型具有很好的适应性,并充分考虑了气象因素、日期类型,预测结果表明所提出的预测方法是有效且实用的。