分布式能源, 2024, 9(2): 89-96 doi: 10.16513/j.2096-2185.DE.2409210

应用技术

考虑负荷不确定性的配电网分层协调控制策略

王伟, 孙夏, 郭俊, 姜伟, 孙哲彬, 刘鹏宣

内蒙古电力经济技术研究院，内蒙古自治区　呼和浩特市　010020

Layered Coordination Control of Distribution Network Considering Load Uncertainty

WANG Wei, SUN Xia, GUO Jun, JIANG Wei, SUN Zhebin, LIU Pengxuan

Inner Mongolia Electric Economy and Technology Academy, Hohhot 010020, Inner Mongolia Autonomous Region, China

收稿日期: 2023-10-13  

Received: 2023-10-13  

作者简介 About authors

王　伟(1981)，男，硕士，高级工程师，主要研究方向为配电网规划； 。

孙　夏(1978)，男，硕士，高级工程师，主要研究方向为配电网规划； 。

郭　俊(1981)，男，硕士，高级工程师，主要研究方向为配电网规划； 。

姜　伟(1982)，男，硕士，高级工程师，主要研究方向为配电网规划； 。

孙哲彬(1989)，男，硕士，工程师，主要研究方向为配电网评审； 。

刘鹏宣(1994)，男，硕士，工程师，主要研究方向为配电网规划 。

摘要

忽视配电网运行的负荷特点，会导致蓄电池状态以及功率交换情况的优化不足。为了解决配电网节点拓扑和负荷不确定性的问题，提出了一种考虑负荷不确定性的配电网分层协调控制方法。分析了包括负荷节点、变压器、断路器、隔离开关等节点在内的配电网拓扑结构，分别计算了并网模态、孤岛模态下的能量关系，建立源网荷储分层协调控制模型，并使用拉丁超立方抽样方法生成不确定性的场景，引入了惯性权重、学习因子等参数改进粒子群算法，设计多目标分层粒子群算法的调控流程，实现配电网源网荷储分层协调控制。实验结果表明：应用该方法后，蓄电池的能量状态更好，交换功率更高；分层协调控制效果较佳，并可以根据实际需求进行配电网负荷状态自适应调整。

关键词： 节点拓扑 ; 负荷不确定性 ; 配电网 ; 分层协调控制 ; 粒子群算法

Abstract

Ignoring the load characteristics of distribution network operation will lead to insufficient optimization of battery state and power exchange. In order to solve the problems of distribution network node topology and load uncertainty, a hierarchical coordination control method for distribution network considering load uncertainty is proposed. The topological structure of distribution network including load node, transformer, circuit breaker, isolation switch and other nodes is analyzed, and the energy relationship under grid-connected mode and island mode is calculated respectively, and the hierarchical coordination control model of source, network, load and storage is established. In addition, Atin hypercube sampling method is used to generate uncertain scenes, and parameters such as inertia weight and learning factor are introduced to improve the particle swarm optimization algorithm, and the regulation process of multi-objective layered particle swarm optimization is designed to realize the layered coordinated control of load and storage in the source network of the distribution network. The experimental results show that the energy state of the battery is better and the exchange power is higher after the method is applied. The effect of hierarchical coordination control is better, and the load state of distribution network can be adjusted adaptively according to the actual demand.

Keywords： node topology ; load uncertainty ; distribution network ; hierarchical coordination control ; particle swarm optimization algorithm

PDF (1828KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

王伟, 孙夏, 郭俊, 姜伟, 孙哲彬, 刘鹏宣. 考虑负荷不确定性的配电网分层协调控制策略. 分布式能源[J], 2024, 9(2): 89-96 doi:10.16513/j.2096-2185.DE.2409210

WANG Wei, SUN Xia, GUO Jun, JIANG Wei, SUN Zhebin, LIU Pengxuan. Layered Coordination Control of Distribution Network Considering Load Uncertainty. Distributed Energy[J], 2024, 9(2): 89-96 doi:10.16513/j.2096-2185.DE.2409210

0　引言

配电网是电力系统的重要部分，随着清洁能源的发展和新能源的接入，其功率和结构发生了很大变化，电动汽车和储能装置等分布式电源的接入使得配电网面临挑战。

唐俊刺等[1]为了实现配电网多时间尺度源荷智能调度，提出了多主体博弈方法，该方法基于多主体博弈模型，分析配电网的源荷特性，通过建立配电网源荷智能优化目标函数，构建了配电网多时间尺度源荷调度模型，实现了配电网多时间尺度源荷的调度，但是该方法忽略了发电容量。刘金森等[2]为了提高配电网规划方法经济性，提出了海量场景降维方法，该方法通过主成分－高斯混合聚类算法得到风光荷的典型场景集，构建了面向海量场景的配电网源网荷储协同规划模型，实验结果表明，该方法能够快速有效地得到规划方案，并且能够有效降低规划总成本，但是该算法精度有限，并不灵活。唐杰等[3]提出市场环境下主动配电网的多时间尺度协调运行经济调度策略，利用注定配电网内部资源不同性能经济性，通过协调优化储能的调度计划以及需求响应调度计划，使不同的市场需求通过不同的调度方式参与不同时间尺度调度，该方法实现了主辅市场下多时间尺度协调调度，但是该方法并未深入分析日前市场与日内市场之间的耦合对系统调控的影响。罗金满等[4]针对源网荷储的一体化运行目标，提出一种考虑源网荷储的主动配电网协调运行调度方法，该方法基于多时间尺度的思想，建立了具有2个互补时间尺度的主动配电网日前－日内优化调度模型，实现了运营的经济性和新能源消纳的最大化，但是该方法在建模时只考虑了时间尺度，未考虑空间尺度，所得结果片面。王锡龙等[5]提出了借助泛在电力物联网的建设，实现对源网荷储的实时信息采集与分析，利用电力物联网的感知能力构建分布式状态实时感知系统，以实现源网荷储的协同调度，提高调度精度；但是文章在讨论源网荷储的交互方式和协同调度时，未充分考虑到新能源发电和电动汽车等柔性负荷的波动性和不确定性，这可能对协同调度的效果和稳定性产生影响。张祥宇等[6]通过构建虚拟储能系统模型并将其应用于优化调度中，实现系统经济调控；但是该方法未充分考虑源荷储之间的动态交互和相互影响，以及随着电力市场的变化和政策调整对系统运行策略可能产生的影响，一定程度上影响系统运行的实际效果。

为此，本文提出一种考虑节点拓扑和负荷不确定性的分层协调控制方法。该方法充分考虑配电网的节点拓扑结构，对每个节点的运行状态进行实时监控和调整，并且通过分层协调控制模型，预测和调整负荷的变化。

1　配电网源网荷储分层协调控制方法

1.1　配电网拓扑结构分析

配电网结构与电力系统结构类似，由公共连接点和网络连接点组成[5,6]。其中，公共连接点和网络连接点用于连接配电网络中的配电开关与变压器，使配电网能实现电力输送和配电操作；公共连接点又称馈线，是配电网的主要组成部分，按照设备类型分为负荷、公用设备和公用电力设备[7]。

在配电网中，除了配电网络之外，还包括了负荷节点、变压器、断路器、隔离开关等节点，以及线路、电缆、光缆等馈线。配电网拓扑结构示意如图1所示，图中，SSR代表固态继电器(solid state relay)。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   配电网拓扑结构示意图

Fig.1   Schematic diagram of distribution network topology structure


由图1可以看出，配电网源网中存在很多不同的负荷节点。由于负荷节点具有一定的不确定性，采用概率网络模型对其进行描述。通常情况下，概率网络模型能够较好地描述配电网中各类节点的拓扑关系。配电网节点的拓扑关系存在潮流动态平衡[8,9,10]，在并网模态中，存在的能量关系为

Pgird+PPV+PWT+Pbat=PAC-limit+PDC−load

式中：Pgrid为配电网源网中的总输出功率；PPV为源网中的光伏输出功率；PWT为风机的输出功率；Pbat为配电网蓄电池的放电功率；PAC-limit为功率的限制范围；PDC-load为直流负载量。在孤岛模态下，存在

PPV+PWT+Pbat=PAC−limit+PDC−load

配电网节点拓扑结构不确定性对源网荷储各层的协调控制有较大影响，为后续的控制过程提供参考。

1.2　考虑负荷不确定性建立配电网源网荷储模型

传统的调度方法通常是将整个电网作为一个整体进行调度，由于各区域间存在着负荷不一致的问题，因此不能有效利用各区域的负荷特性，这样会导致调度成本过高[11,12,13]。通过电网在未来运行过程中多种不确定性因素对其进行预测，能够体现出变量不确定性。利用模型的方式，生成不确定性的场景[14,15]。本文使用拉丁超立方抽样抽样方法进行设计，定义参与场景创建的抽样数量为N，当其中存在任意的随机变量xf时，将xf的累计概率分布曲线的纵轴等概率进行分割，在分割后得到的区间中随机采样，得到约束条件

P{x|xi(k)<x<xi(k+1)}=1N

对于得到的采样值，其对应累计分布概率的计算式为

F(f,k)=ru+k−1N

式中：F(f，k)为第f个随机变量在第k个采样点的累计分布概率[16,17]；ru～N(0，1)表示服从均匀分布。

在此区间中进行随机采样，按照不同的规则进行排列，形成不同的采样场景[18,19,20]。得到大规模的样本量之后，需要对场景进行削减，能够降低计算复杂性。对于2个采样样本来说，样本之间的距离为

dij=∑w=1p(xiw−xjw)

式中：dij为样本i和样本j之间的距离；p为样本特征的维度数；xiw为样本i在第w个维度上的特征值；xjw为样本j在第w个维度上的特征值。

通过式(5)计算出两样本之间的距离，并删除与其他样本距离最小的样本[21]。本文将电网视为一个整体进行调度，在此基础上再对各区域进行分层控制。将其中负荷不确定性较大的区域作为源层，负荷不确定性较小的区域作为网层，负荷不确定性较小的区域作为荷层，负荷不确定性较大的区域作为储层。源层节点包括风电、光伏发电、可控负荷和储能单元等[22,23,24]。网层节点包括配电网和区域配电网两级，其中区域配电网为三级配电网，各级网络通过变压器将电源与负荷连接起来。荷层节点包括电动汽车和负荷，是一种新的能源载体，需要对其进行调控。

1.3　基于粒子群算法的分层协调控制策略优化

1.3.1　粒子群算法求解配电网源网荷储模型

粒子群算法是一种基于群体智能的优化算法，通过模拟鸟群、鱼群等生物群体的觅食行为，利用个体和群体的历史最优位置来指导搜索方向，从而实现全局最优解的搜索[25,26,27,28]。

在粒子群算法中，每个解被称为1个粒子，每个粒子在搜索空间中都有1个位置和速度。粒子的位置和速度不断更新，向全局最优解靠近[29,30]。具体来说，粒子的位置表示一个可能解，而粒子的速度则决定了其位置的更新方向和步长。粒子的速度则决定了其位置的更新方向和步长[31,32,33,34]。粒子的位置和速度通常用集合表示，如xi＝{xi1，xi2，…，xiD}和vi＝{vi1，vi2，…，viD}，其中D是解的维度。每个粒子都有1个个体极值，表示该粒子到目前为止找到的最优解，记为pi＝{pi1，pi2，…，piD}。同时，还有1个全局极值，表示所有粒子到目前为止找到的最优解，记为g＝{g1，g2，…，gD}。

粒子根据个体极值和全局极值来更新自己的位置和速度。更新的规则为

vij(t+1)=ωvij(t)+c1r1[pij(t)−xij(t)]+c2r2[gi(t)−xij(t)]

xij(t+1)=xij(t)+vij(t+1)

式中：ω为惯性权重，控制着粒子维持原有速度的程度；c1和c2为学习因子，控制着粒子向个体极值和全局极值的靠近速度；r1和r2为[0，1]之间的随机数，增加了搜索的随机性。

通过以上步骤，粒子群算法能够快速、有效地找到问题的全局最优解。

1.3.2　分层协调控制策略优化

在本文所设计的分层协调控制策略中，为了得到最优化的控制结果，需要对其进行计算。本文选择粒子群算法作为控制的优化算法。粒子群算法通过不断迭代更新来实现全局最优解的搜索，并通过竞争淘汰机制使得种群中最优个体得以保留，从而得到全局最优解，以实现各层能量最优分配、各层经济最优运行以及各层间能量交互与功率交换最优。

本文在考虑负荷不确定性问题的基础上，对各层之间的协调控制问题进行了优化研究，提出源网荷储分层协调控制策略。其中：分布式电源层采用基于不确定集的负荷分层控制方法；储能层采用基于不确定集的负荷分层控制方法；风光发电层采用基于分层规划和变结构控制理论的源网荷储分层协调控制方法；储能单元采用基于概率网络模型的负荷分层控制方法。流程如图2所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   多目标分层粒子群算法的调控流程

Fig.2   Regulation process of the multi-target hierarchical particle swarm algorithm


在以上的流程中，需要为粒子群算法进行参数赋值。粒子群算法的最大速度设置为vmax，其位置变化范围为10%～20%；相应的惯性权重为

ω=ωmax−kωmax−ωminK

式中：ωmax、ωmin为惯性权重的最大值和最小值； K为流程中的最大迭代次数。本文基于粒子群算法对各层之间的协调控制问题进行优化研究，通过粒子群算法计算各层之间最优功率分配以及最优运行模式。其中：在各层优化目标函数中，考虑了电压偏差、有功损耗和无功损耗等约束条件，以确保各层在优化后能够满足其约束条件；在各层优化目标函数中，考虑了最大程度地利用可再生能源、减少污染物排放、降低系统网损等约束条件；在各层优化目标函数中，考虑了储能单元充放电功率和有功损耗等约束条件。在对源网荷储分层协调控制问题进行优化后，即可得到各个层间能量最优分配方案。

2　算例分析

2.1　算例介绍

选取某工业园区冬季供暖日作为算例，在指定环境系统下，通过本文设计的基于考虑节点拓扑和负荷不确定性的配电网源网荷储分层协调控制方法进行仿真实验。算例设计节点分布如图3所示。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   系统节点设计图

Fig.3   Design drawing of system nodes


通过对供能效率、功率交换率两方面进行评定，具体系统设计节点的相关配置参数如表1所示。算例中，发电功率如图4(a)所示，负荷需求功率如图4(b)所示。

表1   节点参数

Table 1  Node parameters

节点风机功率/kW光伏功率/kW燃气发电机组功率/kW热储能/(kW·h)电储能/(kW·h)
73510  15/50
115015  15/50
13  3030/150 
196020  20/50
23  4030/150 
247525  25/50
28  3025/150 
313010  15/50

新窗口打开| 下载CSV


图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   发电功率和负荷需求功率

Fig.4   Generating power and load demand power


2.2　结果与分析

在本文所设计的分层协调控制方法下，对算例的运行状态进行分析，得到电负荷的供需平衡曲线如图5所示。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   电负荷供需平衡曲线

Fig.5   Supply and demand balance curves of electricity load


全天时间段电荷功率需求及供热电耗功率需求变化情况如图6所示。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   电能供热及电负荷功率需求

Fig.6   Electric heating and electric load demand power


由图6可看出：不同时间段电荷供需呈现不同趋势，在07：00—15：00电负荷处于较高的需求状态，电功能无法满足需求，触发切除示范区部分负电荷命令，在此协调期间，未出现富余功率，故卸荷装置未启动，实验结果表明在供需高峰期间，本文设计的考虑节点拓扑和负荷不确定性的配电网源网荷储分层协调控制方法，可以保证所在区域98.9%的电能供应。

对比不同控制方法下算例的电池状态以及交换功率情况，如图7所示。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   电池状态以及交换功率情况

Fig.7   Battery status and the exchanged power


由图7可看出：00：00—05：00时对于电负电荷需求率保持在较低状态，此时蓄电池进行电量补充；在07：00充电完成；08：00—12：00供热功率上升，蓄电池为放电状态；13：00—19：00为电量补充时间；20：00—24：00充电完成。本文设计的协调控制方法较传统方法蓄电池的能量状态更好，交换功率更高，更稳定，且会根据实际需求进行自适应调整，可以更好的满足功率需求。

3　结论

本文提出考虑节点拓扑和负荷不确定性的配电网源网荷储分层协调控制方法，通过建立源网荷储层之间的协调控制关系，有效地协调了各个环节之间的运行状态，提高了配电网的整体运行效率。

(1)在供需高峰期间，该控制方法能够确保所在区域高达98.9%的电能供应，有效缓解了电负荷供需不平衡的问题。

(2)提出的协调控制方法在蓄电池能量状态与交换功率方面表现出优越性。蓄电池能够根据实际需求进行自适应的充放电调整，保证了能量的有效利用；同时，更高的交换功率也提升了系统的稳定性和效率。

(3)目前的研究主要关注运行优化方面，未来研究可以进一步拓展该方法的应用范围，综合考虑安全性、稳定性等多个性能指标，实现源网荷储系统的全面优化。

参考文献

唐俊刺，李铁，皮俊波，等.

基于多主体博弈的配电网多时间尺度源荷智能调度方法

[J]. 电子技术应用，2022, 48(3): 68-72.

[本文引用: 1]

TANG Junci, LI Tie, PI Junbo, et al.

Multi-time scale source and load intelligent scheduling method for distribution network based on multi-agent game

[J]. Application of Electronic Technique, 2022, 48(3): 68-72.

[本文引用: 1]

刘金森，罗宁，王杰，等.

基于海量场景降维的配电网源网荷储协同规划

[J]. 中国电力，2022, 55(12): 78-85.

[本文引用: 1]

LIU Jinsen, LUO Ning, WANG Jie, et al.

Massive scenario reduction based distribution-level power system planning considering the coordination of source, network, load and storage

[J]. Electric Power, 2022, 55(12): 78-85.

[本文引用: 1]

唐杰，吕林，叶勇，等.

多时间尺度下主动配电网源－储－荷协调经济调度

[J]. 电力系统保护与控制，2021, 49(20): 53-64.

[本文引用: 1]

TANG Jie, LU Lin, YE Yong, et al.

Source-storage-load coordinated economic dispatch of an active distribution network under multiple time scales

[J]. Power System Protection and Control, 2021, 49(20): 53-64.

[本文引用: 1]

罗金满，刘丽媛，刘飘，等.

考虑源网荷储协调的主动配电网优化调度方法研究

[J]. 电力系统保护与控制，2022, 50(1): 167-173.

[本文引用: 1]

LUO Jinman, LIU Liyuan, LIU Piao, et al.

An optimal scheduling method for active distribution network considering source network load storage coordination

[J]. Power System Protection and Control, 2022, 50(1): 167-173.

[本文引用: 1]

王锡龙，李鑫，秦小麟.

电力物联网下分布式状态感知的源网荷储协同调度

[J]. 计算机科学，2021, 48(2): 23-32.

[本文引用: 2]

WANG Xilong, LI Xin, QIN Xiaolin.

Collaborative scheduling of source-grid-load-storage with distributed state awareness under power internet of things

[J]. Computer Science, 2021, 48(2): 23-32.

[本文引用: 2]

张祥宇，舒一楠，付媛.

基于虚拟储能的直流微电网源荷储多时间尺度能量优化与分区协调控制

[J]. 电工技术学报，2022, 37(23): 6011-6024.

[本文引用: 2]

ZHANG Xiangyu, SHU Yinan, FU Yuan.

Multi-time-scale energy optimization and zone coordinated control of DC microgrid source-load-storage based on virtual energy storage

[J]. Transactions of China Electrotechnical Society, 2022, 37(23): 6011-6024.

[本文引用: 2]

SAINI P, GIDWANI L.

An investigation for battery energy storage system installation with renewable energy resources in distribution system by considering residential, commercial and industrial load models

[J]. Energy Storage, 2022, 45: 103493.

[本文引用: 1]

SHARMA S, NIAZI K R, VERMA K, et al.

Impact of battery energy storage, controllable load and network reconfiguration on contemporary distribution network under uncertain environment

[J]. IET Generation, Transmission & Distribution, 2020, 14(21): 4719-4727.

[本文引用: 1]

陈璨，樊小伟，张文浩，等.

促进分布式光伏消纳的两阶段源网荷储互动优化运行策略

[J]. 电网技术，2022, 46(10): 3786-3799.

[本文引用: 1]

CHEN Can, FAN Xiaowei, ZHANG Wenhao, et al.

Two-staged generation-grid-load-energy storage interactive optimization operation strategy for promotion of distributed photovoltaic consumption

[J]. Power System Technology, 2022, 46(10): 3786-3799.

[本文引用: 1]

秦帅，邹晴，李超然，等.

基于深度学习和智能在线场景匹配的配电网源网荷储无功协调优化策略

[J]. 电网与清洁能源，2022, 38(5): 25-35.

[本文引用: 1]

QIN Shuai, ZOU Qing, LI Chaoran, et al.

Strategy on reactive power coordination optimization in distribution network “source-network-load-storage” system based on deep learning and intelligence online scene matching

[J]. Power System and Clean Energy, 2022, 38(5): 25-35.

[本文引用: 1]

朱晓荣，鹿国微，谢婉莹.

考虑源网荷灵活性资源的配电网储能鲁棒规划

[J]. 电力自动化设备，2021, 41(8): 8-16, 40.

[本文引用: 1]

ZHU Xiaorong, LU Guowei, XIE Wanying.

Robust planning of energy storage in distribution network considering source-network-load flexible resources

[J]. Electric Power Automation Equipment, 2021, 41(8): 8-16, 40.

[本文引用: 1]

张忠会，雷大勇，李俊，等.

基于自适应ε-支配多目标粒子群算法的含SOP的主动配电网源－网－荷－储双层协同规划模型

[J]. 电网技术，2022, 46(6): 2199-2212.

[本文引用: 1]

ZHANG Zhonghui, LEI Dayong, LI Jun, et al.

Source-network-load-storage bi-level collaborative planning model of active distribution network with SOP based on adaptive ε-dominating multi-objective particle swarm optimization algorithm

[J]. Power System Technology, 2022, 46(6): 2199-2212.

[本文引用: 1]

张斌，于力，白浩，等.

基于一致性算法的农村中压配电网光储系统与通信网络协调规划

[J]. 可再生能源，2021, 39(10): 1371-1379.

[本文引用: 1]

ZHANG Bin, YU Li, BAI Hao, et al.

Coordinated configuration of PV-ESS systems and communication networks for rural medium-voltage distribution network based on consensus algorithm

[J]. Renewable Energy Resources, 2021, 39(10): 1371-1379.

[本文引用: 1]

苏向敬，刘一航，张知宇，等.

计及源荷不确定影响的不平衡配电网两阶段优化

[J]. 电力系统保护与控制，2022, 50(23): 94-103.

[本文引用: 1]

SU Xiangjing, LIU Yihang, ZHANG Zhiyu, et al.

Two-stage optimization of unbalanced distribution networks considering impacts of DG and load uncertainties

[J]. Power System Protection and Control, 2022, 50(23): 94-103.

[本文引用: 1]

梁海平，王岩，刘英培，等.

计及源荷不确定性的混合交直流主动配电网分层－分布式优化调度

[J]. 电力自动化设备，2021, 41(12): 62-69, 77.

[本文引用: 1]

LIANG Haiping, WANG Yan, LIU Yingpei, et al.

Hierarchical-distributed optimal scheduling of hybrid AC/DC active distribution network considering source and load uncertainties

[J]. Electric Power Automation Equipment, 2021, 41(12): 62-69, 77.

[本文引用: 1]

程维杰，颜云松，康明才，等.

考虑分布式电源影响的配电网源荷储分层协调控制

[J]. 电力工程技术，2020, 39(5): 113-119.

[本文引用: 1]

CHENG Weijie, YAN Yunsong, KANG Mingcai, et al.

Generation-load-storage layered coordinated control of distribution network considering the influence of distributed generation

[J]. Electric Power Engineering Technology, 2020, 39(5): 113-119.

[本文引用: 1]

刘志伟，苗世洪，杨炜晨，等.

计及温度不确定性的配电网广义储能分层调控策略

[J]. 电工技术学报，2023, 38(21): 5794-5807.

[本文引用: 1]

LIU Zhiwei, MIAO Shihong, YANG Weichen, et al.

Generalized energy storage hierarchical regulation strategy for distribution network considering temperature uncertainty

[J]. Transactions of China Electrotechnical Society, 2023, 38(21): 5794-5807.

[本文引用: 1]

蒋玮，余斌，郁家麟，等.

蜂巢状有源配电网中多端口能量枢纽控制策略

[J]. 电力工程技术，2023, 42(5): 70-79.

[本文引用: 1]

JIANG Wei, YU Bin, YU Jialin, et al.

Control strategy of multi-port energy hub in honeycomb active distribution network

[J]. Electric Power Engineering Technology, 2023, 42(5): 70-79.

[本文引用: 1]

刘丽军，吴桐，翁涵迪，等.

基于标签传播的配电网动态分区方法

[J]. 电力自动化设备，2021, 41(12): 36-44.

[本文引用: 1]

LIU Lijun, WU Tong, WENG Handi, et al.

Dynamic partitioning method of distribution network based on label propagation

[J]. Electric Power Automation Equipment, 2021, 41(12): 36-44.

[本文引用: 1]

姜心怡，陈健，陈明，等.

计及效率提升的弹性配电网中可移动式储能优化配置方法

[J]. 南方电网技术，2021, 15(2): 40-47.

[本文引用: 1]

JIANG Xinyi, CHEN Jian, CHEN Ming, et al.

Optimal configuration of mobile energy storage in resilent distribution network considering efficiency improvement

[J]. Southern Power System Technology, 2021, 15(2): 40-47.

[本文引用: 1]

李庆生，李震，孙斌，等.

考虑源荷储协调的高弹性配电网最优负荷转供方法

[J]. 中国测试，2023, 49(10): 64-70.

[本文引用: 1]

LI Qingsheng, LI Zhen, SUN Bin, et al.

Optimal load transfer method of high elastic distribution network considering coordination of source-load-storage

[J]. China Measurement & Test, 2023, 49(10): 64-70.

[本文引用: 1]

郑洁云，宣菊琴，易辰颖，等.

考虑电动汽车充电站的主动配电网“源－网－荷－储”协调规划

[J]. 武汉大学学报(工学版), 2023, 56(1): 9-19.

[本文引用: 1]

ZHENG Jieyun, XUAN Juqin, YI Chenying, et al.

Source-grid-load-storage coordinated planning of active distribution network considering electric vehicle charging station

[J]. Engineering Journal of Wuhan University, 2023, 56(1): 9-19.

[本文引用: 1]

范馨予，黄媛，吴疆，等.

考虑源网荷储协同优化的配电网韧性提升策略

[J]. 电力建设，2023, 44(4): 63-73.

[本文引用: 1]

FAN Xinyu, HUANG Yuan, WU Jiang, et al.

Resilience promotion strategy for distribution network considering source-network-load-storage coordination

[J]. Electric Power Construction, 2023, 44(4): 63-73.

[本文引用: 1]

陈楚靓，李晓露，纪坤华，等.

考虑源荷储匹配的配电网集群划分与优化运行

[J]. 电力建设，2023, 44(9): 80-93.

[本文引用: 1]

CHEN Chuliang, LI Xiaolu, JI Kunhua, et al.

Distribution network cluster partition and optimal operation considering source-load-storage matching

[J]. Electric Power Construction, 2023, 44(9): 80-93.

[本文引用: 1]

余涛，冯斌，韦冬妮，等.

含分布式能源的主动配电网“源－网－荷－储”协调经济调度

[J]. 水利水电技术，2021, 52(6): 215-222.

[本文引用: 1]

YU Tao, FENG Bin, WEI Dongni, et al.

Source-network-load-storage coordinated optimal scheduling for active distribution network with distributed generation

[J]. Water Resources and Hydropower Engineering, 2021, 52(6): 215-222.

[本文引用: 1]

朱能能，刘闯，夏克勤，等.

考虑分时电价和分布式储能的主动配电网经济优化调度

[J]. 内蒙古电力技术，2023, 41(5): 54-61.

[本文引用: 1]

ZHU Nengneng, LIU Chuang, XIA Keqin, et al.

Economic optimization dispatching of active distribution network considering time-of-use electricity price and distributed energy storage

[J]. Inner Mongolia Electric Power, 2023, 41(5): 54-61.

[本文引用: 1]

肖安南，张蔚翔，张超，等.

含光伏发电与储能的配电网基于源—网—荷互动模式下电压安全最优控制策略

[J]. 电力科学与技术学报，2020, 35(2): 120-127.

[本文引用: 1]

XIAO Annan, ZHANG Weixiang, ZHANG Chao, et al.

Voltage security optimal control strategy of distribution network with PVs and ESs under “source-grid-load” interaction

[J]. Journal of Electric Power Science and Technology, 2020, 35(2): 120-127.

[本文引用: 1]

程骏，闻枫，赵文翰，等.

考虑储能管理并计及源－荷不确定性的主动配电网运行风险评估方法

[J]. 武汉大学学报(工学版), 2021, 54(12): 1150-1158.

[本文引用: 1]

CHENG Jun, WEN Feng, ZHAO Wenhan, et al.

Operation risk assessment of active distribution networks considering energy storage management and source-load uncertainties

[J]. Engineering Journal of Wuhan University, 2021, 54(12): 1150-1158.

[本文引用: 1]

黄宗龙，江修波，刘丽军.

低碳化背景下配电网“源—储—荷”多目标优化配置

[J]. 电力科学与技术学报，2020, 35(5): 36-45.

[本文引用: 1]

HUANG Zonglong, JIANG Xiubo, LIU Lijun.

Multi-objective optimal allocation of “generation-storage-load” under the low-carbon background

[J]. Journal of Electric Power Science and Technology, 2020, 35(5): 36-45.

[本文引用: 1]

刘建伟，李学斌，刘晓鸥.

有源配电网中分布式电源接入与储能配置

[J]. 发电技术，2022, 43(3): 476-484.

[本文引用: 1]

LIU Jianwei, LI Xuebin, LIU Xiaoou.

Distributed power access and energy storage configuration in active distribution network

[J]. Power Generation Technology, 2022, 43(3): 476-484.

[本文引用: 1]

陈国平，王娟，梁桢，等.

面向源－荷－储互动的全阻断型直流配网运行研究

[J]. 电气传动，2023, 53(3): 28-34.

[本文引用: 1]

CHEN Guoping, WANG Juan, LIANG Zhen, et al.

Operation research on the full fault-blocking converter-based DC distribution network for source-load-storage interaction application

[J]. Electric Drive, 2023, 53(3): 28-34.

[本文引用: 1]

张润凡，别朝红.

主动配电网的动态虚拟微电网群分布式群级协同控制

[J]. 电力系统自动化，2022, 46(14): 55-62.

[本文引用: 1]

ZHANG Runfan, BIE Zhaohong.

Distributed cluster-level cooperative control of dynamic virtual microgrid cluster for active distribution network

[J]. Automation of Electric Power Systems, 2022, 46(14): 55-62.

[本文引用: 1]

张新宇，姚方，文福拴，等.

基于最优路径的配电网弹性恢复力提升策略

[J]. 分布式能源，2023, 8(6): 20-26.

[本文引用: 1]

ZHANG Xinyu, YAO Fang, WEN Fushuan, et al.

A strategy for enhancing the elastic resilience of distribution networks based on optimal path

[J]. Distributed Energy, 2023, 8(6): 20-26.

[本文引用: 1]

曹宏基，刘道兵，李世春，等.

计及UPFC的主动配电网日前－实时优化策略

[J]. 智慧电力，2022, 50(7): 65-73.

[本文引用: 1]

CAO Hongji, LIU Daobing, LI Shichun, et al.

Day ahead real-time optimization strategy of active distribution network considering UPFC

[J]. Smart Power, 2022, 50(7): 65-73.

[本文引用: 1]

/

〈 〉

版权所有 © 《分布式能源》编辑部
地址：北京市石景山区银河财智中心1号楼B座　
邮编：100040　
电话：010-80732111　
E-mail：fbshny@cdt-kxjs.com
技术支持：北京玛格泰克科技发展有限公司
订阅号
服务号