毛曉明,劉文勝,陳深,吳杰康,郭壯志
(1.廣東工業(yè)大學(xué)自動(dòng)化學(xué)院,廣東廣州510006; 2.內(nèi)蒙古東部電力有限公司,內(nèi)蒙古呼和浩特010000)
微電網(wǎng)經(jīng)濟(jì)低碳調(diào)度模型與方法初探
毛曉明1,劉文勝2,陳深1,吳杰康1,郭壯志1
(1.廣東工業(yè)大學(xué)自動(dòng)化學(xué)院,廣東廣州510006; 2.內(nèi)蒙古東部電力有限公司,內(nèi)蒙古呼和浩特010000)
建立微電網(wǎng)經(jīng)濟(jì)低碳調(diào)度數(shù)學(xué)模型,綜合考慮運(yùn)行成本和碳排放量,采用理想點(diǎn)法處理多目標(biāo)優(yōu)化問(wèn)題,利用搜索能力強(qiáng)、尋優(yōu)速度快的粒子群算法對(duì)模型進(jìn)行求解。以一個(gè)30節(jié)點(diǎn)的微電網(wǎng)系統(tǒng)為算例,給出日負(fù)荷曲線(xiàn)及風(fēng)、光發(fā)電預(yù)測(cè)結(jié)果,比較采取單目標(biāo)調(diào)度策略和經(jīng)濟(jì)低碳綜合調(diào)度策略時(shí)微電網(wǎng)的運(yùn)行特性。研究表明經(jīng)濟(jì)低碳調(diào)度在經(jīng)濟(jì)性和環(huán)保性?xún)煞矫鎸?shí)現(xiàn)了平衡,綜合運(yùn)行效益較優(yōu)。
微電網(wǎng);經(jīng)濟(jì)運(yùn)行;低碳調(diào)度
基于化石能源日益枯竭和環(huán)境保護(hù)的考慮,加上單純依賴(lài)大電網(wǎng)供電存在的安全缺陷,利用清潔能源的分布式發(fā)電技術(shù)受到日益廣泛的關(guān)注與重視[1,2]。微電網(wǎng)是一種將各種小型分布式電源、儲(chǔ)能裝置組合起來(lái)為當(dāng)?shù)刎?fù)荷提供電能的低壓電網(wǎng),是未來(lái)分布式電源的主要運(yùn)行模式[3]。它有聯(lián)網(wǎng)和孤島兩種運(yùn)行狀態(tài),能減輕環(huán)境污染、降低線(xiàn)路損耗、改善電能質(zhì)量、顯著提高負(fù)荷側(cè)的供電可靠性。微電網(wǎng)的優(yōu)化調(diào)度,是微電網(wǎng)研究的重要問(wèn)題之一,合理的調(diào)度方案可以降低運(yùn)行成本、減少環(huán)境污染,充分發(fā)揮微電網(wǎng)的效益。目前,微電網(wǎng)優(yōu)化運(yùn)行研究在國(guó)際上受到較為廣泛的關(guān)注,相關(guān)文獻(xiàn)也較多,但國(guó)內(nèi)相關(guān)研究開(kāi)展得還比較少[4-7]。
文獻(xiàn)[8]在一個(gè)實(shí)驗(yàn)室單相高頻交流微網(wǎng)中,采用線(xiàn)性規(guī)劃與啟發(fā)式算法相結(jié)合的方法,實(shí)現(xiàn)了以運(yùn)行成本最優(yōu)為目標(biāo)的微網(wǎng)實(shí)時(shí)優(yōu)化調(diào)度管理。該算法要求網(wǎng)絡(luò)相對(duì)簡(jiǎn)單,當(dāng)網(wǎng)絡(luò)中需要收集的節(jié)點(diǎn)數(shù)據(jù)及狀態(tài)量增加時(shí),容易造成“維數(shù)障礙”。基于人工智能技術(shù)的新型優(yōu)化算法已成為微網(wǎng)優(yōu)化調(diào)度的主流尋優(yōu)算法。文獻(xiàn)[9]以成本最小為優(yōu)化目標(biāo),利用細(xì)菌覓食算法得到微網(wǎng)中可調(diào)度電源的出力方案。文獻(xiàn)[10]在預(yù)測(cè)微網(wǎng)中光伏發(fā)電系統(tǒng)發(fā)電量的前提下,采用矩陣實(shí)數(shù)編碼遺傳算法,分析比較了不同優(yōu)化策略下系統(tǒng)的最優(yōu)成本。對(duì)各種人工智能方法來(lái)說(shuō),確定正確的搜索方向、提高搜索效率、獲得全局最優(yōu)解是算法設(shè)計(jì)中有待進(jìn)一步研究完善的關(guān)鍵問(wèn)題。
在全球氣候變暖的大環(huán)境下,降低CO2等溫室氣體的排放受到國(guó)際社會(huì)的重視[11]。碳成本的引入,賦予碳排放額外的經(jīng)濟(jì)價(jià)值,使碳排放成為一種新的可調(diào)度資源。在低碳調(diào)度中,應(yīng)同時(shí)兼顧電能生產(chǎn)與CO2排放,實(shí)現(xiàn)“電平衡”與“碳平衡”的協(xié)調(diào)與銜接。為此,本文構(gòu)建了微網(wǎng)系統(tǒng)的多目標(biāo)低碳調(diào)度模型。該模型綜合考慮運(yùn)行成本和碳排放,計(jì)及電源最大出力、節(jié)點(diǎn)電壓和線(xiàn)路傳輸功率等約束條件,采用理想點(diǎn)法處理多目標(biāo)優(yōu)化問(wèn)題,基于粒子群算法得到微網(wǎng)經(jīng)濟(jì)低碳優(yōu)化調(diào)度策略。最后,對(duì)算例系統(tǒng)單目標(biāo)和多目標(biāo)調(diào)度策略運(yùn)行效果進(jìn)行對(duì)比和分析,驗(yàn)證了多目標(biāo)低碳調(diào)度模型和算法的合理性。
2.1 目標(biāo)函數(shù)
電力調(diào)度是復(fù)雜的、多目標(biāo)、非線(xiàn)性?xún)?yōu)化問(wèn)題,本文建立的微網(wǎng)運(yùn)行多目標(biāo)優(yōu)化調(diào)度模型考慮了以下因素:
(1)運(yùn)行成本最低,即傳統(tǒng)意義上的“經(jīng)濟(jì)調(diào)度”。為反映微電源在運(yùn)行中的表現(xiàn),本文略去各微電源初期投資成本,只考慮運(yùn)行維護(hù)和燃料所產(chǎn)生的運(yùn)行可變成本。
式中,vDGi為i節(jié)點(diǎn)微電源的可變成本;Pi為第i個(gè)微電源的有功出力;cb為從大電網(wǎng)購(gòu)電的價(jià)格;Pb為從大電網(wǎng)購(gòu)電電量。
(2)碳排放量最小。據(jù)統(tǒng)計(jì),發(fā)電領(lǐng)域排放的CO2占我國(guó)CO2總排放量的38.76%。隨著節(jié)能環(huán)保壓力的增大,“低碳”成為安全、經(jīng)濟(jì)之后電力系統(tǒng)調(diào)度運(yùn)行中的重要目標(biāo)之一[12]。CO2減排目標(biāo)的引入顯著改變了發(fā)電調(diào)度的順序,也增加了調(diào)度決策的復(fù)雜度。
式中,vci和vG分別為i節(jié)點(diǎn)微電源和大電網(wǎng)單位發(fā)電量產(chǎn)生的碳排放量;Pi為微電源發(fā)電量;Pb為從大電網(wǎng)購(gòu)電電量。
2.2 約束條件
(1)節(jié)點(diǎn)潮流約束
式中,PGi、QGi分別為微電源有功出力、無(wú)功出力; PLi、QLi分別為節(jié)點(diǎn)有功、無(wú)功負(fù)荷;QCi為無(wú)功補(bǔ)償容量;Ui為節(jié)點(diǎn)電壓大小;Gij、Bij為系統(tǒng)導(dǎo)納。
(2)發(fā)電機(jī)輸出功率約束
微電源的輸出功率應(yīng)介于其最大輸出功率和最小輸出功率之間,并且與大電網(wǎng)的交換功率應(yīng)在一定范圍內(nèi)。
式中,Pi.min和Pi.max分別是i節(jié)點(diǎn)電源輸出功率下限和上限;PG.min和PG.max分別是與大電網(wǎng)交換功率的下限和上限。
(3)節(jié)點(diǎn)電壓約束
式中,Ui為節(jié)點(diǎn)i的電壓標(biāo)幺值;Uimin和Uimax分別為節(jié)點(diǎn)電壓最小和最大限制值。本文Uimin=0.95,Uimax=1.1。
(4)線(xiàn)路傳輸功率約束
式中,Pi-j為支路i-j的傳輸功率;Pi-j.max為i-j支路最大允許傳輸功率。
粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法是一種進(jìn)化算法。該算法基于群體迭代,群體在解空間中追隨最優(yōu)粒子進(jìn)行搜索,具有簡(jiǎn)單通用、魯棒性強(qiáng)、實(shí)現(xiàn)方便、精度高、收斂快等優(yōu)點(diǎn)。
PSO采用“速度-位移”搜索模型,該模型的運(yùn)算單位為“粒子”,每個(gè)粒子代表解空間的一個(gè)潛在解,解的優(yōu)劣程度由適應(yīng)度函數(shù)決定。在初始狀態(tài)中,每個(gè)粒子的位置xi和速度vi是隨機(jī)分布于解空間的,粒子根據(jù)全局最優(yōu)值和局部最優(yōu)值來(lái)不斷調(diào)整自己下一步的位置和飛行速度,從而達(dá)到全局最優(yōu)位置。
本文采用權(quán)重改進(jìn)的粒子群優(yōu)化算法:
式中,Pbesti為粒子當(dāng)前搜索到的最優(yōu)位置;PGbest為整個(gè)群體當(dāng)前搜索到的最優(yōu)位置;c1和c2為學(xué)習(xí)因子,使粒子具有自我總結(jié)和向群體中優(yōu)秀個(gè)體學(xué)習(xí)的能力,從而向個(gè)體及群體最優(yōu)位置靠近;r1和r2為[0,1]之間的隨機(jī)數(shù),用來(lái)保持群體的多樣性;設(shè)置速度閾值為vmax,當(dāng)速度超過(guò)該閾值時(shí)取為vmax;慣性權(quán)重ω起著權(quán)衡局部最優(yōu)能力和全局最優(yōu)能力的作用,采用隨迭代次數(shù)線(xiàn)性變化的ω解決算法早熟以及后期在全局最優(yōu)解附近振蕩的現(xiàn)象;k為當(dāng)前迭代次數(shù);kmax為最大迭代次數(shù);ωmax和ωmin分別為ω的最大值和最小值。
粒子群算法流程圖見(jiàn)圖1。
4.1 多目標(biāo)的處理
微網(wǎng)經(jīng)濟(jì)低碳調(diào)度模型要求在運(yùn)行成本最低、碳排放最少2個(gè)目標(biāo)中尋求折衷,恰當(dāng)?shù)亩嗄繕?biāo)優(yōu)化處理技術(shù)的選取十分重要。本文選取了理想點(diǎn)法。
圖1 粒子群算法流程圖Fig.1 Flow chart of particle swarm optimization
理想點(diǎn)法的幾何意義是決策者先在多維目標(biāo)空間中確定一個(gè)“理想點(diǎn)”,然后再在可行集中找到一個(gè)可行點(diǎn),使它與“理想點(diǎn)”的“距離”盡可能最小,這個(gè)點(diǎn)稱(chēng)為“最好妥協(xié)解”,又稱(chēng)“滿(mǎn)意解”。對(duì)于“理想點(diǎn)”和“距離”的定義不同,產(chǎn)生了不同的方法。本文把“理想點(diǎn)”定義為Z*=(Z*1,Z*2),Z*1和Z*2為單目標(biāo)優(yōu)化時(shí)求得的最優(yōu)運(yùn)行成本和最優(yōu)碳排放量。由于兩者量綱不同,且數(shù)值相距甚遠(yuǎn),為避免計(jì)算時(shí)陷入局部最優(yōu)值,距離函數(shù)考慮為:
其中,Z1(x)和Z2(x)為實(shí)際計(jì)算產(chǎn)生的運(yùn)行成本和碳排放量。
4.2 多目標(biāo)低碳調(diào)度的求解
取微網(wǎng)中可調(diào)度微源的有功出力為優(yōu)化變量,每個(gè)優(yōu)化變量對(duì)應(yīng)粒子的一個(gè)維度。微電源輸出功率約束采用邊界值處理,節(jié)點(diǎn)電壓和支路功率約束采取罰函數(shù)處理。算法流程圖如圖2所示。
為驗(yàn)證本文提出的經(jīng)濟(jì)低碳調(diào)度模型的合理性及算法的可行性,本文選取某30節(jié)點(diǎn)微網(wǎng)系統(tǒng)為算例,網(wǎng)絡(luò)接線(xiàn)如圖3所示,線(xiàn)路阻抗數(shù)據(jù)和節(jié)點(diǎn)負(fù)荷數(shù)據(jù)見(jiàn)附錄1和附錄2。圖3中,G為大電網(wǎng),WT為風(fēng)力發(fā)電,MT為微型燃?xì)廨啓C(jī),PV為光伏電池,F(xiàn)C為燃料電池。調(diào)度周期為1天,分為24個(gè)時(shí)段。各微電源的經(jīng)濟(jì)性指標(biāo)和排放特性參數(shù)[13-15]如表1所示。
圖2 多目標(biāo)優(yōu)化算法流程圖Fig.2 Flow chart ofmulti-objective optimization
圖3 30節(jié)點(diǎn)系統(tǒng)網(wǎng)絡(luò)圖Fig.3 Diagram of30 bus system
WT和PV的出力受到環(huán)境溫度、光照強(qiáng)度和風(fēng)力的影響,根據(jù)地區(qū)歷史數(shù)據(jù),預(yù)測(cè)得到兩種電源的出力情況如圖4所示。系統(tǒng)典型日負(fù)荷曲線(xiàn)如圖5所示。微電源節(jié)點(diǎn)電壓標(biāo)幺值設(shè)置為1.05,潮流計(jì)算采用牛頓-拉夫遜法。單目標(biāo)粒子群優(yōu)化的控制參數(shù)如下:迭代次數(shù)為Kmax=700,粒子群規(guī)模為25,學(xué)習(xí)因子c1=c2=2,慣性權(quán)重系數(shù)ωmax= 0.9、ωmin=0.4,算法終止閾值設(shè)為1×10-6。
表1 微電源參數(shù)Tab.1 Microsources’parameters
圖4 PV和WT的24h預(yù)測(cè)出力曲線(xiàn)Fig.4 Hourly output power curve of PV and WT
圖5 典型日負(fù)荷曲線(xiàn)Fig.5 Typical day load curve
設(shè)運(yùn)行成本最低、碳排放最低分別為目標(biāo)1和2,得到系統(tǒng)小時(shí)調(diào)度出力曲線(xiàn)如圖6和圖7所示。
圖6 運(yùn)行成本最低時(shí)DG調(diào)度方案Fig.6 Hourly DG output forminimization of operating cost
可見(jiàn),采取優(yōu)化目標(biāo)1和目標(biāo)2時(shí),由于風(fēng)/光發(fā)電成本和排放均最低,WT和PV均按預(yù)測(cè)數(shù)據(jù)輸出功率。大電網(wǎng)的購(gòu)電費(fèi)用和等效碳排放量比微電源高,故僅在微電網(wǎng)中各DG單元按功率上限發(fā)電仍無(wú)法滿(mǎn)足負(fù)荷需求時(shí),才向微網(wǎng)供電。由于燃?xì)廨啓C(jī)碳排放量與發(fā)電量呈非線(xiàn)性關(guān)系,出力較小時(shí),碳排放水平較高。以碳排放為優(yōu)化目標(biāo)時(shí),在保證供電量的前提下,程序減少了參數(shù)相同的MT的投運(yùn)數(shù)量,參見(jiàn)圖7的調(diào)度安排。
圖8和9為采取單個(gè)優(yōu)化目標(biāo)時(shí),系統(tǒng)運(yùn)行成本和碳排放量的對(duì)比??梢?jiàn),兩種調(diào)度方案在第20點(diǎn)和第21點(diǎn)兩個(gè)時(shí)間段的運(yùn)行成本和排放量大致相同。這是由于此時(shí)段微電網(wǎng)內(nèi)的DG不能滿(mǎn)足負(fù)荷需求,其調(diào)度方式均為各DG在調(diào)度范圍內(nèi)滿(mǎn)發(fā),再由大電網(wǎng)補(bǔ)充供電。采取成本最低為目標(biāo)時(shí),微網(wǎng)碳排放略高;低碳調(diào)度時(shí),系統(tǒng)運(yùn)行成本略高。
圖7 碳排放最低時(shí)DG調(diào)度方案Fig.7 Hourly DG outputs under low-carbon scheduling
圖8 兩種單目標(biāo)調(diào)度策略下系統(tǒng)運(yùn)行成本對(duì)比圖Fig.8 Operating costs under two kinds of single-goal scheduling
多目標(biāo)經(jīng)濟(jì)低碳調(diào)度在單目標(biāo)優(yōu)化的基礎(chǔ)上進(jìn)行。粒子群優(yōu)化計(jì)算參數(shù)選取如下:迭代次數(shù)為Kmax=1000,粒子數(shù)為30,學(xué)習(xí)因子c1=c2=2,慣性權(quán)重系數(shù)ωmax=0.9,ωmin=0.4,算法終止閾值設(shè)為1×10-6。微電源優(yōu)化出力結(jié)果見(jiàn)圖10。
表2給出了算例系統(tǒng)1天內(nèi)單目標(biāo)和經(jīng)濟(jì)低碳優(yōu)化調(diào)度策略下系統(tǒng)各項(xiàng)運(yùn)行指標(biāo)的對(duì)比。可見(jiàn),采取單個(gè)優(yōu)化目標(biāo)時(shí),只能保證“目標(biāo)指標(biāo)”最優(yōu),其他運(yùn)行指標(biāo)并不理想。多目標(biāo)經(jīng)濟(jì)低碳優(yōu)化方法在經(jīng)濟(jì)性和環(huán)保性?xún)煞矫鎸?shí)現(xiàn)了平衡,綜合運(yùn)行效益更優(yōu)。
圖9 兩種單目標(biāo)調(diào)度策略下系統(tǒng)碳排放對(duì)比圖Fig.9 Carbon emissions under two kinds of single-goal scheduling
圖10 經(jīng)濟(jì)低碳調(diào)度策略下各微電源的出力Fig.10 Hourly DG outputs under economic low-carbon scheduling
表2 低碳經(jīng)濟(jì)調(diào)度和單目標(biāo)運(yùn)行優(yōu)化比較Tab.2 Comparison ofmulti-objective low carbon scheduling and single-goal scheduling
繼安全、經(jīng)濟(jì)之后,低碳成為電力系統(tǒng)調(diào)度運(yùn)行的重要目標(biāo)之一。本文建立了考慮運(yùn)行成本和碳排放的微網(wǎng)多目標(biāo)低碳優(yōu)化調(diào)度數(shù)學(xué)模型,采用改進(jìn)的理想點(diǎn)法建立多維距離模型,利用粒子群算法求得微網(wǎng)經(jīng)濟(jì)低碳調(diào)度運(yùn)行策略。比較采取單目標(biāo)和低碳經(jīng)濟(jì)調(diào)度策略時(shí)系統(tǒng)的各項(xiàng)運(yùn)行指標(biāo),表明多目標(biāo)經(jīng)濟(jì)低碳調(diào)度實(shí)現(xiàn)了經(jīng)濟(jì)性、安全性和環(huán)保性的有機(jī)平衡,綜合運(yùn)行效益更優(yōu)。
[1]Joos G,Ooi B T,McGillis D,et al.The potential of distributed generation to provide ancillary services[A].Power Engineering Society Summer Meeting[C].Seattle,USA,2000.1762-1767.
[2]魯宗相,王彩霞,閔勇,等(Lu Zongxiang,Wang Caixia,Min Yong,et al.).微電網(wǎng)研究綜述(Overview on microgrid research)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems),2007,31 (19):100-107.
[3]Lasseter B.Microgrids[A].Power Engineering Society Winter Meeting[C].Columbus,USA,2001.146-149.
[4]李鵬,張玲,王偉,等(Li Peng,Zhang Ling,Wang Wei,et al.).微網(wǎng)技術(shù)應(yīng)用與分析(Application and analysis ofmicrogrid)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power System),2009,33(20):109-115.
[5]陳達(dá)威,朱桂萍(Chen Dawei,Zhu Guipin).微電網(wǎng)負(fù)荷優(yōu)化分配(An investigation on optimal load distribution ofmicrogrids)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems),2010,34(20):45-49.
[6]牛銘,黃偉,郭佳歡,等(Niu Ming,Huang Wei,Guo Jiahuan,et al.).微網(wǎng)并網(wǎng)時(shí)的經(jīng)濟(jì)運(yùn)行研究(Research on economic operation of grid-connectedmicrogrid)[J].電網(wǎng)技術(shù)(Power System Technology),2010,34(11):38-42.
[7]丁明,張穎媛,茆美琴,等(Ding Ming,Zhang Yingyuan,Mao Meiqin,et al.).包含鈉硫電池儲(chǔ)能的微網(wǎng)系統(tǒng)經(jīng)濟(jì)運(yùn)行優(yōu)化(Economic operation optimization formicrogrids including Na/S battery storage)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE),2011,31(4):7-14.
[8]Sudipta Chakraborty,Manoja DWeiss,M Godoy Simoes.Distributed intelligent energy management system for a single-phase high-frequency AC microgrid[J].IEEE Transactions on Industrial Electronics,2007,54(1): 97-109.
[9]Vahedi H,Noroozian R,Jalilvand A.Optimal management ofmicrogrid in island-mode using bacterial foraging algorithm[J].International Review of Electrical Engineering,2010,5(5Part B):2141-2151.
[10]Chen C,Duan S,Cai T,etal.Smartenergymanagement system for optimalmicrogrid economic operation[J].Renewable Power Generation,IET,2011,5(3):258-267.
[11]康重慶,陳啟鑫,夏清(Kang Chongqing,Chen Qixin,Xia Qing).低碳電力技術(shù)的研究展望(Prospects of low-carbon electricity)[J].電網(wǎng)技術(shù)(Power System Technology),2009,33(2):1-7.
[12]陳啟鑫,康重慶,夏清,等(Chen Qixin,Kang Chongqing,Xia Qing,etal.).低碳電力調(diào)度方式及其決策模型(Mechanism and modelling approach to lowcarbon power dispatch)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems),2010,34(12):18-23.
[13]錢(qián)科軍,袁越,石曉丹,等(Qian Kejun,Yuan Yue, Shi Xiaodan,et al.).分布式發(fā)電的環(huán)境效益分析(Environmental benefits analysis of distributed generation)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE),2008,28(29):11-15.
[14]Zhang Jietan,Cheng Haozhong,Wang Chun.Technical and economic impacts of active management on distribution network[J].International Journal of Electrical Power and Energy Systems,2009,31(2-3):130-138.
[15]Pipattanasomporn Manisa,Willingham Michael,Rahman Saifur.Implications of on-site distributed generation for commercial/industrial facilities[J].IEEE Transactions on Power Systems,2005,20(1):206-212.
Study on m icrogrid econom ic low-carbon scheduling
MAO Xiao-ming1,LIUWen-sheng2,CHEN Shen1,WU Jie-kang1,GUO Zhuang-zhi1
(1.Guangdong University of Technology,F(xiàn)aculty of Automation,Guangzhou 510006,China; 2.East Inner Mongolia Electric Power Company Limited,Huhhot010000,China)
An economic low-carbon scheduling strategy formicrogrids is developed in this paper taking both operation costs and carbon emissions into account.The ideal pointmethod is used to dealwith themulti-objective optimization and the particle swarm algorithm which is fast and robust is used to search the optimum.Taking a 30-node microgrid as the example,giving the typical-day load-curve and the output predictions ofwind turbines and photovoltaic arrays,system performance under single goal scheduling and multi-objective scheduling are compared.The analysis show that the proposed economic low-carbon schedulingmakes a tradeoff between economics and emissions and the comprehensive system performance ismore preferred.
microgrid;economic operation;low-carbon scheduling
附錄1:線(xiàn)路阻抗數(shù)據(jù)
線(xiàn)路起點(diǎn)線(xiàn)路終點(diǎn)電阻標(biāo)幺值電抗標(biāo)幺值1/2 B 12 14 0.1231 0.2559 0 12 15 0.0662 0.1304 0 12 16 0.0945 0.1987 0 14 15 0.221 0.1997 0 16 17 0.0824 0.1923 0 15 18 0.1073 0.2185 0 18 19 0.0639 0.1292 0 19 20 0.034 0.068 0 10 20 0.0936 0.209 0 10 17 0.0324 0.0845 0 10 21 0.0348 0.0749 0 10 22 0.0727 0.1499 0 21 22 0.0116 0.0236 0 15 23 0.1 0.202 0 22 24 0.115 0.179 0 23 24 0.132 0.27 0 24 25 0.1885 0.3292 0
續(xù)附錄1:線(xiàn)路阻抗數(shù)據(jù)
附錄2:節(jié)點(diǎn)負(fù)荷數(shù)據(jù)
續(xù)附錄2:節(jié)點(diǎn)負(fù)荷數(shù)據(jù)
TM7
A
1003-3076(2014)08-0055-07
2012-11-04
廣東省自然科學(xué)基金資助項(xiàng)目(S2013010012431;S2013040013776)
毛曉明(1971-),女,湖北籍,副教授,博士,從事電力系統(tǒng)運(yùn)行、分析與控制的研究工作;劉文勝(1982-),男,河北籍,助理工程師,碩士,從事電力系統(tǒng)運(yùn)行與調(diào)度技術(shù)工作。