当前位置:首页 >> 电力/水利 >>

LINGO在风电并网电力系统动态经济调度中的应用


《电气开关》 2011. No. 6) (

69

文章编号: 1004 - 289X( 2011) 06 - 0069 - 05

LINGO 在风电并网电力系统动态经济调度中的应用
1 1 2 2 郝乾鹏 , 李洪波 , 刘全 , 孙成武

( 1. 内蒙古电力( 集团) 有限责任公司

, 内蒙古 发电有限公司, 内蒙古 呼和浩特 010020)


呼和浩特

010020; 2. 内蒙古华电辉腾锡勒风力

要: 通过优化火电机组出力, 研究了风电并网后, 电力系统的短期动态经济调度问题 。优化模型中引入了上、 下旋转备用, 以此应对风电功率预测误差给系统调度带来的波动 。 采用 LINGO 软件进行分析计算, 取得了很好 随着 LINGO 功能的不断扩展, 它应用于电力系统经济调度的优越性也随之增加。 经典算例结果 的效果。并且, LINGO 软件的稳定性好、 表明, 寻优速度快、 优化结果好, 具有高效的搜索能力和适应性。 关键词: 风电并网; 动态经济调度; 旋转备用; LINGO 中图分类号: TM769 文献标识码: B

Application of LINGO in Dynamic Economic Dispatching of the Wind Power Integrated System
HAO Qianpeng1 , Hong- 1 , Quan2 , LI bo LIU SUN Cheng- 2 wu ( 1. Inner Mongolia Power( Group) Co. , Hohhot 010020, Ltd, China; 2. Inner Mongolia Huadian Huiteng Ltd, China) Xile Wind Power Generation Co. , Hohhot 010020, Abstract: The power output of thermal unit is optimized to obtain a short-term dynamic economic dispatch scheme in
wind power integrated system. In the optimization model, constraints of up spinning reserve and down spinning reserve the are introduced to deal with the influence of wind power forecast errors on dynamic economic dispatch. LINGO is applied to solve the unit commitment problem and has made some remarkable achievements. the results of classical calculation example show that LINGO possesses good stability, searching speed, fast good optimization result, efficient search caand pability and adaptability.

Key words: wind power integrated system; dynamic economic dispatch; spinning reserve; LINGO 1 引言
电力系统动态经济调度是在满足系统供电要求和 确定未来一个调度周期 机组运行技术要求的情况下, 1] 内各机组负荷的经济分配。 对此, 文献[ 从电力系 为制定风 统运行成本的角度分析了风电并网的价值 , 2] 电并网系统的发电计划提供了依据。 文献[ 研究了 通过 风电穿透功率在极端情况下对电力系统的影响 , 一定的技术手段限制风电场输出功率的波动性 , 从而 减少火电机组的频繁启停以及输出功率的调整 。文献 [ 采用对风场模糊建模的方式, 3] 可得到既满足一定 风险、 又实现一定经济效益的调度方案 , 但隶属度函数 4] 的确定引入了一定的人为因素。 文献[ 考虑风电场 通过改进粒子群 穿透功率对电力系统稳定性的影响, 算法进行了含风电场电力系统经济调度问题的多目标 5] 优化问题求解。文献[ 考虑电力市场条件下风电场 的影响, 建立了基于风电场功率波动的调度模型 , 并运 用线性规划的方法进行了求解。以上研究对风电系统 的发电计划制定与调度有一定帮助, 但在建模的过程 , 中 目标函数以及考虑的约束因素均不够全面 , 有待进 一步扩充和完善。 从理论上来讲, 动态经济调度是一个高维数、 非 、 、 。众多研究者提 凸 离散 非线性的混合整数优化问题 出了各 种 解 决 方 法, 拉 格 朗 日 松 弛 法 如 法
[7 ] [6 ]

、 传算 遗

、 模拟退火算法

[8 ]

、 动态规划法

[9 ]

、 人工神经网络 等。尽管理论

算法

[10 ]

、 粒子群算法

[11 ]

、 领域搜索法

[12 ]

70

《电气开关》 2011. No. 6) (

上一些算法能够找到实例的最优解, 但是由于编程过 , , 于复杂 且仅对个别问题有效 条件改变时, 程序必须 限制了在实际过程中的应用, 因此探索简便 重新编写, 灵活的经济调度优化模型求解方法是电力系统实际运 行所面临的一个亟待解决的问题 。 本文引入 LINGO 计算含风电场的电力系统动态 经济调度问题。建立了经济调度优化模型, 优化模型 中引入上、 下坡旋转备用约束, 以应对风电功率预测误 差给系统调度带来的影响; 在目标函数中计及了火电 机组的启停成本。采用 LINGO 求解该模型, 并用该方 法对一个含有 10 台火电机组和 1 个风电场的电力系 证实了本文方法的有效性和正确性 。 统进行计算,

时间; T ioff 表示机组 i 最小连续停运时间; T ics 表示机组 i 的冷启动时间。 2. 2 2. 2. 1
I

约束条件 系统功率平衡约束( 不计网损) + P w ( t) = P l ( t) ( 5)

Σ1 P i ( t) i=

P 式中, w ( t) 表示第 t 时段风电场输出的有功功率 预测值; P l ( t) 表示系统第 t 时段的负荷预测值。 2. 2. 2 系统旋转备用容量约束
I [9 ]

系统上坡旋转备用容量约束为: S up ( t) =

Σ1 S iup ( t) i=

≥ P l ( t) * L up + P w ( t) * W up ( 6)

2
2. 1

风电并网电力系统动态经济调度建模
目标函数

P imax ( t) = min( P imax u( t) , i ( t - 1) + P iup ) ( 7) P S iup ( t) = min( P imax ( t) - P i ( t) , iup ) P ( 8) S 式中, up ( t) 表示第 t 时段系统提供的上坡旋转备 用总容量; S iup ( t) 表示机组 i 在第 t 时段提供的上坡旋 转备用容量; L up 表示系统总负荷预测误差对上坡旋转 备用的需求; W up 表示风电出力预测误差对上坡旋转 备用的需求; P iup 表示机组 i 每小时的最大上坡功率 P imax ( t) 表示机组 i 在第 t 时段可以达到的最大出力。 系统下坡旋转备用容量约束为:
I

由于火电厂和风电场的建设维护成本需要经过 “长期” 运行才能得到回报, 所以一般情况下, “短 对于 期” 电力系统经济调度问题, 不考虑火电厂和风电场 而重点考虑发电时的运行成本。 对 的建设维护成本, 于火电厂, 需要考虑火电机组的燃料成本和启停成本 ; 对于风电场, 由于风电场发电运行时无需消耗燃料 , 所 以风电场的燃料成本为 0。 综上所述, 发电总成本的 表达式为:
T I

minJ = U i ( t - 1) ) ]

Σ1 Σ1 [F i ( t) Ui ( t) t= i=

+ S i ( t) U i ( t) ( 1 - ( 1)

S down ( t) =

Σ1 S idown ( t) i=

≥ P w ( t) * W down

( 9)

P imin ( t) = max( P imin u( t) , i ( t - 1) - P idown ) P ( 10) S idown ( t) = min( P i ( t) - P imin ( t) , idown P ( 11) S 式中, down ( t) 表示第 t 时段系统提供的下坡旋转 备用总容量; S idown ( t) 表示发电机组 i 在第 t 时段提供 的下坡旋转备用容量; W down 表示风电出力预测误差对 下坡旋转备用的需求; P imin ( t) 表示机组 i 在 t 时段的最 P 小出力, idown 表示发电机组 i 在每小时的下坡功率约 束。 2. 2. 3 常规火电机组约束 发电机组出力约束为: P imin ≤ P i ( t) ≤ P imax 发电机组爬坡率约束为: P i ( t) - P i ( t - 1) ≤ P iup P i ( t - 1) - P i ( t) ≤ P idown 发电机组最小启停时间约束为: X ioff ( t) ≥ T ioff X ion ( t) ≥ T ion ( 15) ( 16) ( 13) ( 14) ( 12)

J 式中, 表示调度周期各个时段的发电总成本 ; I 表示常规发电机组的总数; T 表示调度周期总的时段 0 数; U i ( t) 表示机组 i 在 t 时刻的启停情况, 表示停运, 1 表示运行。 ( 1) F i ( t) 表示火电机组 i 在 t 时段的发电燃料成 本。 其表达式为: F i ( t) = a i * P i ( t)
2

+ b i * P i ( t) + c i

( 2)

i b、 式中,表示发电机组号; t 表示时段号; a、 c 表示 燃料费用系数; P i ( t) 表示发电机组 i 第 t 时段输出的 有功功率。 ( 2) S i ( t) 表示火电机组 i 在 t 时段的启停费用。 其 表达式为: S i ( t) =

{

S ih S ic

T ioff ≤ X ioff ( t) ≤ H ioff X ioff ( t) > H ioff

( 3) ( 4)

H ioff = T ioff + T ics

S 式中, ih 表示机组 i 的热启动成本; S ic 表示机组 i 的冷启动成本; X ioff ( t) 表示机组 i 在 t 时刻连续停运的

《电气开关》 2011. No. 6) (

71

3
3. 1

基于 LINGO 求解
LINGO 简介 LINGO[13]是 LINDO 系统公司开发的一款专门用

links( unit, hour) : cost, start, power, pnhmax, su, sd, pnhmin, Ton, Toff, ! 定义各机组时变参数 u; ( 2) 目标函数 min = @ sum( links: cost + start) ; ! 燃料成本 + 启 t) t) t) 停成本@ for( links( n, : cost( n, = u( n, * ( a( n) * power( n, ^2 + b( n) * power( n, + c( n) ) ) ; ! 运 t) t) 行成本 @ for( links( n, : s( n, = @ if( xoff( n, #gt#hoff t) t) t) ( n) , n) , n) ) ) ; ! 启停成本; sc( sh( ( 3) 列举约束条件: @ for( links ( n, t #lt #9: power ( n, + 1 ) - power t) t ( n, < = ur( n) ) ; ! 上坡约束 t) @ for( links( n, t#lt#9: power( n, - power( n, + t) t) t 1) < = dr( n) ) ; ! 下坡约束 @ for( hour( t) : load( t) = @ sum( links( n, : power t) ( n, ) + wind( t) ) ; ! 功率平衡约束 t) @ for( links( n, : power( n, < = pmax( n) ) ; @ t) t) for( links( n, : power( n, > = pmin( n) ) ; ! 功率约 t) t) 束 @ for( links ( n, | t #lt #9: pnhmax ( n, + 1 ) = @ t) t smin( pmax( n) , power( n, + ur( n) ) ) ; t) @ for( links( n, | t#ge#2: su( n, = @ smin( pnt) t) hmax( n, - power( n, , n) ) ) ; t) t) ur( @ for( links( n, | t #ge #2: @ sum( links( n, : su t) t) ( n, ) > = ( load( t) * 0. 05) + wind( t) * 0. 2) ; ! 系 t) 统上坡旋转备用约束 @ for( links ( n, | t # lt #9: pnhmin ( n, + 1 ) = @ t) t power( n, - dr( n) ) ) ; t) smax( pmin( n) , @ for( links( n, | t#ge#2: sd( n, = @ smin( power t) t) ( n, - pnhmin( n, , n) ) ) ; t) t) dr( @ for( links( n, | t #ge #2: @ sum( links( n, : sd t) t) ( n, ) > = ( load( t) * 0. 05) ) + wind( t) * 0. 4) ; ! 系 t) 统下坡旋转备用约束 @ for( links( n, : xon( n, > = ton( n) ) ; ! 启停 t) t)

于求解数学规划的软件。LINGO 主要用于求解线性 规划、 非线性规划、 二次规划和整数规划的问题, 也可 用于一些线性和非线性方程组的求解以及代数方程求 根等。LINGO 优化软件具有执行速度快, 易于输入、 求解和分析数学规划问题的特点 。 LINGO 模型以“MODEL: ” 语句开始, “END” 以 语 句结 束。 简 单 的 模 型 也 可 省 略 它 们。 所 有 语 句 除 END、 ENDSETS、 DATA、 ENDDATA、 INIT、 ENDINIT 之 ; 结尾。在 LINGO 中建立优化模型时 外必须以一个“ ” 这些函数以“@ ” 符号打 可以引用大量的内部函数, 头。对于优化目标函数必须用 min 或 max。 本文主要 运用 的 是 LINGO9. 0, 工 业 版 本 最 大 变 量 数 可 达 其 32000, 最大约束数可达 16000。 3. 2 采用 LINGO 的求解方法 本文将 LINGO 引入电力系统机组组合优化问题 中, 建立了机组组合优化模型, 并采用 LINGO 求解该 模型, 并用该方法对一个含有 10 台火电机组与 1 个风 电场的电力系统进行了计算分析, 证实了方法的有效 性和正确性, 具体流程见图 1。

图1

计算流程图

3. 3

运用 LINGO9. 0 建模 ( 1) 定义集合及属性 sets: unit / G1. . G10 / ; ! 定义 10 台火电机组 hour / t1. . t9 / : load, wind; ! 定义 9 个小时的负荷、

时间约束 @ for( links( n, : xoff( n, > = toff( n) ) ; ! 停运 t) t) 时间约束

4
4. 1

算例分析

风电功率 parameters / pm1. . pm10 / : pmax, pmin, b, e, a, c, f, tdi, ur, sc, xoff, tui, dr, sh, xon, hoff; ! 定义各机组静止 参数

系统参数 本文以 IEEE - 10 机组测试系统为例进行计算, 14 。 系统具体 参 数 见 文 献[ ] 风 电 场 为 单 机 容 量 为

1500kW 的富兰德 FL1500 风力发电机组, 100 台, 24 共

72

《电气开关》 2011. No. 6) (
Gt 1 2 455 455 455 310 260 360 455 455 455 455 405 345 3 130 130 130 130 130 130 130 120 80 40 0 0 4 130 130 130 130 130 130 130 130 120 80 40 0 5 162 85 30 25 25 25 30 162 145 0 0 0 6 33 20 0 0 0 0 0 43 20 45 0 0 7 25 25 0 0 0 0 0 25 25 25 0 0 8 10 0 0 0 0 0 0 10 0 0 0 0 9 0 0 0 0 0 0 0 0 0 0 0 0 10 0 0 0 0 0 0 0 0 0 0 0 0 usr 152 197 132 282 332 232 132 152 187 175 90 110 dsr 575 485 430 280 230 330 430 575 495 370 295 235

小时的负荷功率和风电预测功率见表 1 和表 2。
表1
t 1 2 3 4 5 6 load 700 750 850 950 1000 1100 t 7 8 9 10 11 12

24 小时负荷预测数据( MW)
load 1150 1200 1300 1400 1450 1500 t 13 14 15 16 17 18 load 1400 1300 1200 1050 1000 1100 t 19 20 21 22 23 24 load 1200 1400 1300 1100 900 800

13 455 14 455 15 455 16 455 17 455 18 455 19 455 20 455 21 455 22 455 风电功率 116 124 135 122 92 57 Gt 1 2 3 4 5 6 7 8 9 1 455 455 455 455 455 455 455 455 455

表2
Vt 1 2 3 4 5 6 风电功率 72 106 113 103 139 116

24 小时风电功率预测数据( MW)
t 7 8 9 10 11 12 风电功率 122 88 53 41 55 53 t 13 14 15 16 17 18 风电功率 72 116 77 64 106 142 t 19 20 21 22 23 24

23 455 24 455

表4
2 173 189 282 367 381 424 388 392 455 455 455 455 455 455 455 376 284 348 454 455 455 418 313 288 3 0 0 0 0 0 40 80 120 130 130 130 130 120 80 40 0 0 0 0 0 0 0 0 0 4 0 0 0 0 0 40 80 120 130 130 130 130 130 130 130 130 130 130 130 130 120 80 40 0

风电并网后计算结果
5 0 0 0 25 25 25 25 25 57 134 162 162 123 44 43 25 25 25 25 162 105 25 0 0 6 0 0 0 0 0 0 0 0 20 20 28 60 20 20 0 0 0 0 20 44 20 0 0 0 7 0 0 0 0 0 0 0 0 0 25 25 25 25 0 0 0 0 0 0 0 0 0 0 0 8 0 0 0 0 0 0 0 0 0 10 10 10 0 0 0 0 0 0 0 10 10 0 0 0 9 0 0 0 0 0 0 0 0 0 0 0 10 0 0 0 0 0 0 0 10 0 0 0 0 10 0 0 0 0 0 0 0 0 0 0 0 10 0 0 0 0 0 0 0 10 0 0 0 0 usr 282 266 173 225 211 168 204 200 165 193 157 215 169 218 159 216 308 244 198 171 172 214 182 167 dsr 63 79 172 257 271 354 358 362 457 534 570 602 513 404 403 306 214 278 384 546 455 308 203 178

4. 2

计算结果及分析 3、 设定机组 1、 4 具有上升爬坡约束 P iup 和下降爬

坡约束 P idown 为: P iup = P idown = 40MW / h, 针对风电并网 后两种情形分别计算 50 次, 计算结果列出了 24 小 前、 时各机组的出力以及上升旋转备用容量 usr 和下降旋 G t 转备用容量 dsr。 其中, 代表 1 至 10 号机组编号, 代表 1 至 24 小时各时段, 两种情形下的计算结果分别 见表 3 和表 4。运行 LINGO 程序, 得到机组 10 台机组 在 24 小时的功率分配情况。风电并网前、 后各机组出 力情况如表 3 和表 4 所示。
表3
Gt 1 2 3 4 5 6 7 8 9 1 455 455 455 455 455 455 455 455 455 2 245 295 370 455 440 455 430 455 455 455 455 455 3 0 0 0 0 40 80 120 130 130 130 130 130 4 0 0 0 0 40 80 120 130 130 130 130 130

10 455 11 455 12 455

风电并网前计算结果
5 0 0 25 40 25 30 25 30 85 162 162 162 6 0 0 0 0 0 0 0 0 20 33 73 80 7 0 0 0 0 0 0 0 0 25 25 25 25 8 0 0 0 0 0 0 0 0 0 10 10 43 9 0 0 0 0 0 0 0 0 0 0 10 10 10 0 0 0 0 0 0 0 0 0 0 0 10 usr 210 160 222 122 152 132 162 132 197 152 157 162 dsr 135 185 260 360 370 430 400 430 485 575 615 655

13 455 14 455 15 455 16 455 17 455 18 455 19 455 20 455 21 455 22 455 23 455 24 455

10 455 11 455 12 455

《电气开关》 2011. No. 6) (

73

两种情形的优化结果与拉格朗日松弛法 [16 ] ( LR) [15]、 、 遗传算法 ( GA) 改进二进制差分进化算
[17 ] 优化结果对比见表 5。 法( IBDE)

其模 电力系统动态经济调度问题只需改变相关参数 , , 型和程序依然适用 这使得该求解方法具有良好的推 广性。
参考文献

表5
情形 风电并网前 算法 LR GA IBDE

两种情形的优化结果比较
最优值 / ¥ 566107 565866 565534 565194 516786 516292. 4 最差值 / ¥ 566817 571336 - - 566098 - - 517586 平均值 / ¥ 566493 567329 - - 565646 - - 516613

[ 1] 雷亚洲, 伟胜, 永华, 风 电对电 力系统 运行的价值 分 析 王 印 等. [ . 电网技术, J] 2002, 5) : 10 - 14. 26( [ 2] Sehlueter R A. Sekerke J. Burnett K. A Modified Unit Commitment and Generation Control for Utilitides with Large Wind Gneration Penetration [ . IEEE Transaction on Power Systems, J] 1985, 104( 7) ; 145 - 152. [ 3] 陈海焱, 陈金富, 段献忠. 含风电场电力系统经济调度的模糊建模 J] 2006, 2) : 22 - 26. 30( 及优化算法[ . 电力系统自动化, [ 4] Lingfeng Wang, Chanan Singh. PSO - Based Multi - Criteria Economic Dispatch Considering Wind Power Penertration Subject to Dispatcher’ Attis 2006, - 276. 269 tude, [ 5] Bhujanga B. Chakrabarti. Modeling of Wind Generation Fluctuations in a Dispatch Model[ IEEE. Trans. on Power Systems, J]. 2006, 1) : 9 - 14. 10( [ 6] Cheng C P, C W, C C. Unit Commitment by Lagrangian RelaxLiu Liu ation and Genetic Algorithms[J]. IEEE. Trans. on Power Systems, 2000, 15 ( 2) : 707 - 714. [ 7] Swarup K S, Yamashiro S. Unit Commitment Solution Methodology Using Genetic Algorithm[ IEEE. Trans. on Power Systems, J]. 2002, 1) : 87 17( - 91. [ 8] Mantawy A H, Abdel Magid Y L, Selim S Z. A Simulated Annealing 1998, Algorithm for Unit Commitment[J]. IEEE. Trans. on Power Systems, 13( 1) : 197 - 204. [ 9] Quyang Z, Shahidehpour S M. A Hybrid Artificial Neural Network dynamic Programming Approach to Unit Commitment[J] IEEE. Trans. on Pow. er Systems, 1992, 10) : 339 - 350. 7( [ 10] Walsh M P, Malley M J. Augmented Hopfield Network for Unit O'

本文算法 风电并网后 IBDE 本文算法

风电并网前、 后的上升旋转备用比较见图 2。

图2

两种情形的上升旋转备用

可以看出本文的计算结果在一定程度上优于相关 文献。 风 电 并 网 后, 统 最 小 发 电 运 行 总 成 本 由 系 565194 $ 降低到了 516292 $ 。另外, 小时总上升旋 24 转备用的容量, 风电并网前为 4133MW, 风电并网后为 4877MW, 增加 744MW。 可见, 在绝大部分时段, 为了 维持运行的稳定性, 系统需要提供更多的旋转备用以 应对风电场出力的波动性。

Commitment and Economic Dispatch[J]. IEEETrans on Power Systems, 1997, 4) : 1765 - 1774. 12( [ 11] 胡家声, 郭创新, 曹一家. 一种适合于电力系统机组组合问题的 2004, 4) : 24 - 28. 24( 混合粒子群优化算法[J]. 中国电机工程学报, [ 12] 黎静华, J]. 韦化. 求解机组组合问题的领域搜索法[ 中国电机工 2008, 13) : 33 - 40. 28( 程学报, [ 13] 谢金星, . 薛毅. 优化建模与 LINDO / LINGO 软件[M] 北京: 清华 2005. 大学出版社, [ 14] 王喆, 余贻鑫, 张弘鹏. 社会演化算法在机组组合中的应用[J]. 2004, 4) : 12 - 17 24( 中国电机工程学报, [ 15] 韦化, 吴阿琴, 白晓清. 一种求解机组组合问题的内点半定规划 ( 方法[J]. 中国电机工程学报, 2008) 01 - 0035 - 06. [ 16] Valenzuela J, Smith A E. A seed memetic algorithm for large unit commitment problems[ . J. Heuristics, J] 2002, 2) : 173 - 195. 8( [ 17] 夏澍. 基于差分进化算法的含风电场电力系统动态经济调度 [ . 北京: 华北电力大学电气与电子工程学院, D] 2010: 39 - 40.
收稿日期: 2011 - 04 - 18 作者简介: 郝乾鹏( 1984 - ) , 硕士, 男, 助理工程师, 主要从事电力系统中的电网 及调度研究; 刘全( 1971 - ) , 工程师, 男, 主要从事风电电气的检修和运行工作。

5

结论

( 1) 研究了含风电场的电力系统经济调度问题。 在模型建立中, 考虑了风电功率的波动性和难以预测 使得优化模型更趋合 性对经济调度旋转备用的要求, 理。通过算例可以看出, 风电并网优化了电力系统的 发电运行成本, 在节省能源与保护环境方面带来了较 好的综合效益。当然, 在优化运行成本的同时, 风电并 网也对系统的安全运行提出了更高的可靠性要求 , 系 统需要提供的更多的备用容量。 ( 2) 结合了 LINGO 软件进行优化模型的求解, 计 算结果表明, 利用 LINGO 软件求解电力系统经济调度 问题, 具有建立模型方便、 求解快速等优点, 对相似的


相关文章:
风电并网对电力系统的影响及改善措施
风电并网电力系统的影响及改善措施_能源/化工_工程...主要措 施是提高系统备用容量和采取优化的调度运行...进行风力发 电机组动态仿真, 计算出风力发电机组有功...
竹山县职称论文发表-电力系统遥控系统监控调度管理论文...
协进化粒子群算法在含有风电的电力系统动态经济调度中的应用 85……利用风蓄...大规模风电并网后的电力系统广域增益调度控制器设计 93……用于电力巡线的新型...
...电力调度后台监控系统应用论文选题题目
风电电力系统的多时间尺度模糊机会约束动态经济调度模型 25……光缆监控方式中...面向新能源并网的电力系统鲁棒调度模式 39……基于电力线载波的 LED 路灯监控...
风力发电电力系统中英文对照外文翻译文献
讨论了在风电场并网时遇到的各种问题。由于风 力发电具有大容量、动态和随机的...风力发电的扩展和风电在电力系统的比重增加,影响将很可能成为风力集成 的技术性...
皮山县职称论文发表网-电力调度经济运行论文选题题目
11……考虑风速相关性的电力系统动态经济调度 12……计及风险备用需求的含风电...考虑负荷中断的微网并网经济调度 29……含电动汽车的电力系统动态环境经济调度 ...
珠海论文网代理发表职称论文发表-电力调度经济运行论文...
基于通用分布的含风电电力系统随机动态经济调度 23……一种基于混沌序列的动态差分进化算法在电力系统动态经济调度中的应用 24……考虑负荷中断的微网并网经济调度 ...
...电力系统安全运行电力调度调度管理论文选题题目
鲁棒优化在电力系统调度决策中的应用研究综述 22……考虑风电不确定性的互联电力系统鲁棒经济调度 23……基于通用分布的含风电电力系统随机动态经济调度 24……水大...
兰考县职称论文发表-电力调度信息技术渠道论文选题题目
鲁棒优化在电力系统调度决策中的应用研究综述 8……...含风电电力系统的多时间尺度模糊机会约束动态经济调度...考虑风电场并网的电力系统短期多目标经济调度 98……...
赤壁论文网代理发表职称论文发表-电力系统调度自动化技...
动态差分进化算法在电力系统动态经济调度中的应用 7...电网电压不平衡时光伏并网逆变器低电压穿越技术 2/6...应用于高风电渗透率电网的风电调度实时控制方法与...
风力发电对电力系统的影响
当由于工业的发展和在世界大部分地区的经济增长而发...大型风电场的电力系统具有很高的容量,动态随机性能,...那电网还要自己去找其他电厂调度(比如火电)让他们...
更多相关标签:
电力系统动态经济调度 | 车间调度 lingo程序 | 并网调度协议 | 并网调度协议是什么 | 光伏电站并网调度协议 | 并网调度协议办理条件 | 并网调度协议签订条件 | 福建 并网调度 |