文章解读与仿真程序复现思路——电网技术EI\CSCD\北大核心《基于Fisher时段划分的配电网源网荷储多时间尺度协调优化调控策略》

news2024/11/18 7:24:29

这个标题涉及到电力系统领域的一些关键概念和方法。让我们逐步解读:

  1. 基于Fisher时段划分:

    • "基于"表示这个策略或方法的核心基础是某个特定的理论或技术。
    • "Fisher时段划分"可能指的是使用Fisher信息矩阵进行时间划分。Fisher信息矩阵是一种在统计学和信息论中使用的工具,用于衡量概率分布的不确定性。
  2. 配电网:

    • 这指的是电力系统中的一个部分,主要负责将电力从输电网引入各个用户和终端设备。
  3. 源网荷储:

    • "源"可能指的是电力的来源,可以是传统的发电机或者可再生能源。
    • "网"通常指的是电力网络。
    • "荷"是负荷,即电力系统中实际消耗电能的设备。
    • "储"可能指的是能量储存系统,比如电池。
  4. 多时间尺度:

    • 这意味着该策略或方法考虑了多个时间尺度,可能包括短时段、中时段和长时段。这是因为电力系统具有各种时间尺度上的变化,从瞬时的电压波动到日/夜周期性变化以及季节性变化。
  5. 协调优化调控策略:

    • "协调"表明这是一个综合考虑多个因素的策略。
    • "优化"意味着该策略通过数学模型或算法来找到系统性能的最佳配置。
    • "调控"涉及到对电力系统进行实时或计划内的调整,以满足用户需求或确保系统的稳定性。

综合起来,这个标题可能描述了一种电力系统管理的策略,该策略基于Fisher信息矩阵的时间划分方法,考虑了配电网中源、网、荷、储的多个时间尺度上的协调优化调控。这种方法可能有助于提高电力系统的效率、稳定性和可靠性。

摘要:多元可控资源的联合优化调控对于提高配电网运行安全性和经济性意义重大,但同时大幅增加优化问题复杂度,降低模型求解效率。基于此,本文提出了基于Fisher时段划分的配电网源-网-荷-储协调优化调控策略。首先,构建多时间尺度“源网荷储”协调优化架构,包括日前优化、日内滚动和秒级监控三个阶段。其次,研究基于源荷功率区间数据的Fisher最优分割时段划分方法。然后,建立日前优化调控模型、日内滚动优化模型和区域自治优化模型,求解电网离散设备、需求响应负荷、光伏和储能等的最优调控指令。最后,以IEEE 33节点系统为例,对所提协调优化调控策略进行仿真验证。算例结果表明,所提方法能够大幅提高协调优化模型的计算效率,并保证电网运行安全性和经济性。

这段摘要涉及到一项研究,该研究关注电力系统中多元可控资源的联合优化调控,旨在提高配电网的运行安全性和经济性。以下是对摘要的详细解读:

  1. 研究目标:

    • 目标是提高配电网运行安全性和经济性,通过联合优化调控多元可控资源。
  2. 挑战和问题:

    • 强调了一个普遍问题,即联合优化调控增加了问题的复杂性,可能降低了模型求解效率。
  3. 提出的策略:

    • 提出了一种基于Fisher时段划分的协调优化调控策略。
  4. 方法概述:

    • 构建了一个多时间尺度的协调优化架构,包括日前优化、日内滚动和秒级监控三个阶段。这意味着该策略考虑了不同时间尺度上的优化问题,从长期计划到实时监控。
    • 使用了基于源荷功率区间数据的Fisher最优分割时段划分方法,该方法可能有助于降低优化问题的复杂性。
  5. 模型细节:

    • 建立了日前优化调控模型、日内滚动优化模型和区域自治优化模型。
    • 这些模型用于求解电网离散设备、需求响应负荷、光伏和储能等的最优调控指令。
  6. 仿真验证:

    • 以IEEE 33节点系统为例,对所提出的协调优化调控策略进行了仿真验证。
    • 算例结果表明,该方法在大幅提高协调优化模型的计算效率的同时,保证了电网运行的安全性和经济性。

总体而言,该研究通过引入Fisher时段划分和多时间尺度的优化架构,提出了一种能够有效解决电力系统复杂性问题的协调优化调控策略。通过仿真验证,研究者展示了这种策略在实际系统中的有效性。

关键词:主动配电网; 时段划分;源_网-荷-储; 优化调控;

这些关键词涉及到电力系统和优化调控方面的重要概念。以下是对这些关键词的解读:

  1. 主动配电网:

    • "主动"表明这是一种具有主动性质的配电网,可能意味着它能够主动调整和管理电力流动,而不仅仅是被动地传输电能。
    • "配电网"是指将电力从输电网引入各个用户和终端设备的网络。
  2. 时段划分:

    • 这指的是将时间分割成不同的时段,可能是为了更好地适应电力系统的不同运行状态。
    • 在这个上下文中,可能是使用Fisher信息矩阵等方法进行时段划分。
  3. 源-网-荷-储:

    • "源"通常指电力的来源,可以包括传统的发电机、可再生能源等。
    • "网"是指电力网络,包括输电网和配电网。
    • "荷"是负荷,即实际消耗电能的设备。
    • "储"可能指能量储存系统,如电池。
  4. 优化调控:

    • "优化"表明这涉及到通过数学模型或算法来找到系统性能的最佳配置。
    • "调控"涉及到对电力系统进行实时或计划内的调整,以满足用户需求或确保系统的稳定性。

综合而言,这些关键词一起描述了一种具有主动性质的配电网系统,该系统通过时段划分考虑了不同时间段内的源、网、荷和储的协调优化调控。这可能涉及到对电力系统进行综合管理,以提高其效率、稳定性和经济性。

仿真算例:本文采用调整的 IEEE 33 节点配电系统对所提源网荷储协调优化调控策略的可行性和有效性进行仿真验证。系统拓扑图如附录图 B1 所示,基准容量设为 10MVA,基准电压为 12.66kV。平衡节点0 的电压幅值设为 1.03pu,有载调压变压器两侧电压变比的可调范围为 0.95~1.05pu,变比调节步长为0.0125pu。系统包含 7 个馈线开关 S1~S7,设定馈线开关的初始状态为 S1、S4 和 S6 闭合而其他开关断开。在秒级监控阶段,系统分为一个主干线和三个分支线共 4 个区域进行自治优化,如附录图 B1 所示。各节点负荷的预测数据参考文献[26]。节点 4、13、19、23 和 31 接入光伏系统,其中节点 4 和 31的光伏装机容量均为 0.8MVA,节点 13 光伏装机1MVA,节点 19 和 23 光伏装机 1.5MVA。归一化的日负荷及光伏发电功率预测数据见附录表 B1。节点 10、23 和 31 接入储能系统,容量均为 2MWh,最大充放电功率为其容量的 15%。节点 17、24 和32 接入并联电容器组,无功补偿范围为 0~500kvar。节点 6 和 23 的激励型需求响应负荷可直接控制,其时序负荷功率及最大削减量见附录表 B2。节点18和31的电价型需求响应负荷参与分时电价响应,其负荷数据及最大平移量见附录表 B3。本文参考文献[27]和[28]设定各可控资源的补偿成本和分时电价,分别如附录表 B4 和附录表 B5 所示。


仿真程序复现思路:

复现这篇文章的仿真涉及到建立一个能够模拟 IEEE 33 节点配电系统,并实施源网荷储协调优化调控策略的仿真环境。由于文章中没有具体提到使用哪种仿真工具或语言,以下是一种可能的复现思路,以Python为例,使用相关库进行仿真。

  1. 建立系统模型:
    • 使用相关库(如NetworkX)建立 IEEE 33 节点配电系统的拓扑图。
    • 设定节点参数,包括基准容量、基准电压、节点负荷等。
import networkx as nx

# 创建图
G = nx.Graph()

# 添加节点
G.add_nodes_from(range(33))

# 添加边(具体边的连接关系根据附录图 B1 设定)
G.add_edges_from([(1, 2), (2, 3), ...])

# 设置节点参数
nx.set_node_attributes(G, {0: {'voltage_amplitude': 1.03}, 1: {'load': ...}, ...})
  1. 设定系统初始状态:
    • 根据文章描述,设定初始状态,包括馈线开关状态、光伏系统容量、储能系统容量等。
# 设定馈线开关初始状态
switch_states = {1: 'closed', 4: 'closed', 6: 'closed', ...}

# 设定光伏系统容量
pv_capacity = {4: 0.8, 31: 0.8, 13: 1, 19: 1.5, 23: 1.5}

# 设定储能系统容量
storage_capacity = {10: 2, 23: 2, 31: 2}
  1. 执行仿真:
    • 制定仿真算法,按照秒级监控阶段的自治优化划分系统区域。
    • 在每个时间步内,更新系统状态,考虑光伏发电、储能系统的充放电、激励型需求响应、电价型需求响应等。
# 在每个时间步内更新系统状态
for timestep in range(total_timesteps):
    # 执行优化调控策略,更新系统状态
    update_system_state(G, switch_states, pv_capacity, storage_capacity, ...)

    # 记录仿真结果
    record_simulation_results(G, timestep, ...)

# 仿真结束后,进行结果分析和可视化
analyze_and_visualize_results(G, ...)
  1. 结果分析和可视化:
    • 使用相关库(如Matplotlib、Pandas等)对仿真结果进行分析和可视化。
import matplotlib.pyplot as plt
import pandas as pd

# 可以根据仿真结果的数据结构调整以下示例
results_df = pd.DataFrame(simulation_results)

# 可视化结果
plt.plot(results_df['timestep'], results_df['node_voltage'])
plt.xlabel('Timestep')
plt.ylabel('Node Voltage')
plt.title('Simulation Results')
plt.show()

以上只是一个简化的示例,具体的仿真过程和算法需要根据文章中提供的详细信息进行具体设计。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1250100.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

php的字符转义函数有那些,是干什么的

在 PHP 中,字符转义函数是用于处理字符串中的特殊字符,以防止这些字符被误解、滥用或引起安全问题的一组函数。这些函数的主要作用是确保在将用户提供的数据插入到数据库、构建 HTML 输出或进行其他与安全相关的操作时,不会导致潜在的安全漏洞…

基于Python 中创建 Sentinel-2 RGB 合成图像

一、前言 下面的python代码将带您了解如何从原始 Sentinel-2 图像创建 RGB 合成图像的过程。 免费注册后,可以从 Open Access Hub 下载原始图像。 请注意,激活您的帐户可能需要 24 小时! 二、准备工作 (1)导入必要的库…

内测分发平台如何保护用户隐私?

大家好,我是咕噜-凯撒,在软件开发的早期阶段,内测是一个至关重要的步骤。通过内测,开发者可以在产品正式上市前发现并修复bug,获取用户反馈优化用户体验。但是内测过程中往往会处理大量用户的敏感信息,尤其…

数字人直播系统开发要注意的陷阱

数字人做为元宇宙的底层基座,BAT都在跑步进场,目前具有前瞻性的公司都在布局数字人产业。数字人可以应用于很多业务场景,对今年来说,无疑数字人直播系统是最火的。像去年数字人直播SAAS系统定制开发的话没有个百把万是下不来的。但…

激光塑料透光率检测仪进行材料质量监控

焊接质量检测是对焊接成果的检测,目的是保证焊接结构的完整性、可靠性、安全性和使用性。焊接质量检测通常包括外观检验、内部检查、无损检测以及试件制作与送检等步骤。通过这些检测方法,可以全面评估焊接质量,确保其符合设计要求和规范标准…

2023年亚太杯数学建模A题水果采摘机器人的图像识别功能(基于yolov5的苹果分割)

注:.题中附录并没有给出苹果的标签集,所以需要我们自己通过前4问得到训练的标签集,采用的是yolov5 7.0 版本,该版本带分割功能 一:关于数据集的制作: clc; close all; clear; %-----这个是生成yolov5 数据…

React UI界面:Ant Design初步

文章目录 初步回调函数变量输出 React初步 初步 Antd是一套非常现代的React组件库,是好多人用过的第一个组件库,但我对其印象最深的却是圣诞节彩蛋,只是上网一查才发现,一晃这么多年过去了。 先创建一个React项目,然…

个人硬件测试用例入门设计

📑打牌 : da pai ge的个人主页 🌤️个人专栏 : da pai ge的博客专栏 ☁️宝剑锋从磨砺出,梅花香自苦寒来 🌤️功能测试 进行新增、…

【开源】基于微信小程序的智慧家政系统

项目编号: S 063 ,文末获取源码。 \color{red}{项目编号:S063,文末获取源码。} 项目编号:S063,文末获取源码。 目录 一、摘要1.1 项目介绍1.2 项目录屏 二、功能模块三、系统展示四、核心代码4.1 查询家政服…

【opencv】计算机视觉:实时目标追踪

目录 前言 解析 深入探究 前言 目标追踪技术对于民生、社会的发展以及国家军事能力的壮大都具有重要的意义。它不仅仅可以应用到体育赛事当中目标的捕捉,还可以应用到交通上,比如实时监测车辆是否超速等!对于国家的军事也具有一定的意义&a…

管理类联考——数学——汇总篇——知识点突破——代数——函数——记忆

文章目录 整体文字提炼图像绘画 考点记忆/考点汇总——按大纲 本篇思路:根据各方的资料,比如名师的资料,按大纲或者其他方式,收集/汇总考点,即需记忆点,在通过整体的记忆法,比如整体信息很多&am…

taro h5 ios解决input不能自动获取焦点拉起键盘

描述:页面中有个按钮,点击跳转到第二个页面(有input),能直接获取焦点拉起键盘输入 安卓: 直接用focus() ios: focus无效,必须手动拉起 原理: 点击按钮的时候拉起一…

服务器被入侵了怎么去排查

在当今数字化时代,网络安全问题变得越来越重要。其中,服务器被入侵是一种常见的安全威胁。当服务器被入侵时,我们需要采取一系列措施来排查和解决问题。本文将为您提供服务器被入侵后的排查步骤。 第一步:确认服务器被入侵 当发现…

某软件商店app抓包分析与sign加密算法实现

文章目录 1. 写在前面2. 抓包配置3. 抓包分析4. 接口测试5. sign加密算法6. 数据效果展示 【作者主页】:吴秋霖 【作者介绍】:Python领域优质创作者、阿里云博客专家、华为云享专家。长期致力于Python与爬虫领域研究与开发工作! 【作者推荐】…

递归算法学习——二叉树的伪回文路径

1,题目 给你一棵二叉树,每个节点的值为 1 到 9 。我们称二叉树中的一条路径是 「伪回文」的,当它满足:路径经过的所有节点值的排列中,存在一个回文序列。 请你返回从根到叶子节点的所有路径中 伪回文 路径的数目。 示例…

【vue_2】创建一个弹出权限不足的提示框

定义了一个名为 getUserRole 的 JavaScript 函数,该函数接受一个参数 authorityId,根据这个参数的不同值返回相应的用户角色字符串。这段代码的目的是根据传入的 authorityId 值判断用户的角色,然后返回相应的角色名称。 如果 authorityId 的…

Python中生成随机数技巧与案例

在Python中生成随机数有几种方式,其中常用的方式包括使用random模块、numpy库以及secrets模块。这里给你举例说明一下: random模块 import random random_floatrandom.random() print(f生成一个0-1的随机浮点数:{random_float})random_intrandom.randin…

调整 ARIMA 进行预测:Python 中的一种简单方法

一、说明 ARIMA 时间序列预测模型非常适合具有趋势和季节性的序列。它是一种被广泛采用的经典模型,通常作为现代深度学习方法基准测试的基准。然而,估计其准确的参数具有挑战性。研究人员和开发人员通常使用包括视觉绘图在内的试错方法。 二、什么是ARI…

使用Python的turtle模块绘制彩色螺旋线

1.1引言: 在Python中,turtle模块是一个非常有趣且强大的工具,它允许我们以一个可视化和互动的方式学习编程。在本博客中,我们将使用turtle模块来绘制一个彩色的螺旋线。通过调用各种命令,我们可以引导turtle绘制出指定…

RevCol实战:使用RevCol实现图像分类任务(一)

文章目录 摘要安装包安装timm 数据增强Cutout和MixupEMA项目结构计算mean和std生成数据集 摘要 可逆柱状结构(RevCol)是一种网络结构,它受到GLOM(Global Columnar Memory)的启发。RevCol由N个子网络(或称为…