找到 2 条结果
基于事件信息与影响评分及二元线性规划的配电网规划候选方案识别与配置
Event-Informed Identification and Allocation of Distribution Network Planning Candidates With Influence Scores and Binary Linear Programming
Juan J. Cuenca · Marta Vanin · Md. Umar Hashmi · Arpan Koirala 等6人 · IEEE Transactions on Power Systems · 2024年5月
本文提出一种新型数值方法，用于制定可预防未来拥塞与电压问题的配电网扩展规划。通过预测热载荷与电压越限事件的持续时间与强度，确定线路/电缆升级、电压调节器及储能系统部署的潜在候选方案集合，并结合二元线性规划算法求解消除所有约束越限的最小成本方案。该方法在改进的IEEE 33节点网络及爱尔兰西部实际1171节点馈线上经高分辨率准静态时序仿真验证。考虑了三类候选池与成本情景以评估方法敏感性。结果表明，该方法为设计者、规划者与政策制定者提供了灵活工具，可在确保消除全部预测越限的同时，适度放宽少量越限以显...
解读: 该配电网规划方法对阳光电源PowerTitan储能系统及ST系列储能变流器的部署优化具有重要价值。文章提出的事件驱动型影响评分与二元线性规划算法，可直接应用于阳光电源储能系统的选址定容决策：通过预测电网热载荷与电压越限事件，精准识别储能系统最优部署位置，在消除电网约束的同时实现最小投资成本。该方法与...
基于智能电表数据的低碳技术配电网络近实时机器学习框架
Near real-time machine learning framework in distribution networks with low-carbon technologies using smart meter data
Emrah Dokur · Nuh Erdogan · Ibrahim Sengor · Ugur Yuzg 等5人 · Applied Energy · 2025年1月 · Vol.384
摘要 随着光伏、电动汽车、热泵和储能装置等低碳技术的广泛应用，配电网络面临日益突出的拥塞和电能质量问题，尤其是对电压稳定性带来了显著挑战。增强低压配电网中的电压可观测性对于主动电网管理变得愈发重要，因此高效准确的电压预测工具显得尤为关键。本研究提出了一种新颖的数据驱动方法，用于在低碳技术高渗透率的低压配电网中进行节点电压预测。该方法利用来自智能电表数据的功率时间序列，将极限学习机（Extreme Learning Machine）与单候选优化器（Single Candidate Optimize...
解读: 该近实时电压预测技术对阳光电源智慧能源管理系统具有重要价值。可集成至iSolarCloud平台,结合智能电表数据实现配电网电压预测,为ST系列储能变流器和SG系列光伏逆变器提供前瞻性调控依据。极限学习机算法的17倍计算效率提升,可优化PowerTitan储能系统的实时响应策略,在高渗透率低碳场景下实...