摘要：分布式电源的优势在于可以充分开发利用各种分散存在的能源,包括本地方便获取的化石类燃料和可再生能源,并提高能源的利用效率。分布式电源通常接入中低压配电系统,已列入国家"十二五"规划的智能电网的特点之一就是改进互联标准,简化联网的过程,使包含光伏发电、风力发电和先进的电池储能系统等环境友好型分布式电源安全、无缝地接入电力系统。配电系统已不再是传统的、仅具有分配电能到末端用户的功能,而将演变成能收集分散、随机变动的电力并把它们传送、分配到任何地方的功率交换系统。智能电网对输电系统的优化还使分布式电源能够实现远距离输电。随着电网的智能化和电力接入技术的成熟,分布式电源会越来越多地被采用。分布式电源的应用需要研究哪些技术问题?分布式电源的设计涉及哪些问题?对分布式电源设备有哪些要求?为此,本刊邀请了相关技术人员予以讨论。

摘要：着重研究变压器分接头的优化选择,并结合实例介绍其在实际电网中的应用,并通过节电效果计算证明变压器分接头的优化选择对提高变压器经济运行的作用,也为变电站节能降损综合治理方案提供了一定的参考意义。

摘要：我国2011年GDP增长率为9．5％，2012年开始，增长速度逐步回落到8％以下，2012年至2014年分别为7．7％和7．4％，国家开始步入一个中高速发展的新常态。

摘要：随着城市发展日益加速,电力需求相应增长,对电力设施建设提出了新的需求,即由供电企业和规划部门联合开展城市电力设施布局规划。为解决电力设施布局规划中的变电站选址定容问题,通过建立变电站经济容量、经济供电半径和经济个数等相关数学指标模型,提出了一种基于变电站建设和运行费用最小为目标函数的变电站定容优化方法,提出了一种基于"覆盖圆"的变电站选址优化方法,并通过工程算例说明了选址定容优化方法的使用方法和和实用性。

摘要：灰色系统预测模型是中长期负荷预测的一种有效方法,但是,此模型存在未考虑经济因素对负荷发展的影响及难以满足高精度要求的缺陷,构建了考虑经济因素影响的灰色BP神经网络组合预测模型,通过灰色关联分析方法确定影响负荷的主要经济因子。主要经济因子的引入,使预测模型更符合实际、更合理。应用此组合模型对某省全社会用电量进行了中长期预测,结果表明,该模型具有更高的精度和更好的实用性。

摘要：孤岛运行的微网往往电源结构单一,有必要结合所在地区资源特点改善电源结构,实行容量优化配置.首先详述了全年孤岛运行的风/光/柴混合微网中分布式电源的选择方法和评价指标;考虑设备投资成本、运行和维护成本、燃料成本,搭建了微网电源优化配置数学模型;以年风速、气温、光照强度作为基础数据,设置不同的供电可靠性标准,利用遗传算法得到微网容量配置的最优方案.结果表明可靠性约束条件对算法求解和系统经济性有很大影响.该方法可以全面评估孤岛微网建设的可行性,根据微电网建设地点的气象条件、可靠性和环保要求等因素降低微电网电源的冗余投资,满足用户定制的多样化可靠性要求.

摘要：微网的负荷预测是微网规划、建设研究中的一个难点问题。由于微网的特殊性,常规负荷预测的方法不能直接用于微网负荷预测中。在对微网负荷进行分类的基础上,梳理常用的负荷预测方法,并提出可能应用于微网的方法。根据微网中负荷密度与社会经济因素的关系,使用统计软件SPSS19.0着重研究了一种适用于微网的改进的负荷密度法。实例研究结果表明基于主成分回归分析的改进的负荷密度法在一定程度上提高了预测精度。

摘要：微电网的合理规划是实现其效益的基础。本文从负荷预测、接入方式、电压等级和容量以及网架结构4个方面对微电网规划的关键问题进行研究。利用电磁暂态仿真软件EMTDC/PSCAD建立了含微型燃气轮机、风力发电机、光伏电池等分布式电源的微电网模型及其控制模型,对微电网运行模式切换后功率变化、频率稳定性、电压稳定性等运行情况进行仿真。实验表明,上述规划方法对工程实践具有一定的指导作用。

摘要：针对孤岛微网中分布式电源出力存在随机性的问题,提出一种考虑随机性的微网容量优化配置方法.首先对微网内部随机性因素进行建模,利用蒙特卡洛(Monte Carlo)模拟的方法获取随机性出力电源出力与负荷功率;在此基础上,以经济性为主要目标,综合协调可靠性和环保因素,考虑电力平衡等约束,建立微网容量优化配置数学模型,采用遗传算法进行求解,并对结果进行敏感性分析.对某海岛地区微网进行案例分析,结果表明该方法实用有效,且约束条件对求解过程和最终方案的影响较大.

摘要：在对比分析微电网负荷特性与传统电力负荷特性的基础上,针对微电网负荷不确定性和波动性强的特点,提出了一种基于预测误差指标的最优组合预测方法进行微电网短期负荷预测。方法中结合了自回归积分移动平均法和支持向量机模型的优点,以两种预测方法误差绝对值和最小为目标,分析确定预测方法在组合模型中的权重,进而得到组合预测中的最优权重组合。研究表明,与方差倒数法组合预测模型所得结果相比,该组合预测方法具有更高的预测精度,能满足实际要求。