基于最小电压稳定裕度的分布式风电在配电网中的选址定容赵文杰.pdfVIP

下载本文档

5
0
约3.23万字
约 8页
2017-07-28 发布于浙江
举报
版权申诉

基于最小电压稳定裕度的分布式风电在配电网中的选址定容赵文杰.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于最小电压稳定裕度的分布式风电在配电网中的选址定容赵文杰

第 4 卷第 2 期智能电网 Vol. 4 No. 2 2016 年 2 月 Smart Grid Feb. 2016 DOI ：10.14171/j.2095-5944.sg.2016.02.012 文章编号：2095-5944 (2016) 02-0190-08 中图分类号：TM 74 文献标志码：A 基于最小电压稳定裕度的分布式风电在配电网中的选址定容 1 1 2 赵文杰，曹昉，金锋 (1．华北电力大学电气与电子工程学院，北京市昌平区 102206 ； 2．国网北京市电力公司，北京市西城区 100010) Distributed Wind Power Locating and Sizing in Distribution Network Based on Minimum Voltage Stability Margin 1 1 2 ZHAO Wenjie , CAO Fang , JIN Feng (1. School of Electric and Electronic Engineering, North China Electric Power University, Changping District, Beijing 102206, China; 2. State Grid Beijing Electric Power Company, Xicheng District, Beijing 100010, China) ABSTRACT: In order to comprehensively consider the good environmental benefit and stochastic and fluctuant output of distributed wind power, an improved conception of minimum voltage stability margin index based on the maximum branch transmission power is proposed and proved to be reasonable by theory. Meanwhile, a multi-objective optimal model of distributed wind power locating and sizing in distribution network based on minimum voltage stability margin index is established. The model has two objective functions: maximization of minimum voltage stability margin of system weak node and maximization of economic benefit of power distribution system. And this model is solved by using adaptive mutation multi-objective particle swarm optimization algorithm. Finally,