基于ADMM的多区域直流系统完全分布式最优潮流算法

针对传统集中式最优潮流算法扩展性差的问题,提出一种适用于求解大规模分布式电源接入的直流系统最优潮流的完全分布式算法。首先,利用凸松弛方法将非凸的直流系统最优潮流模型转化为二阶锥规划模型;然后,基于ADMM(交替方向乘子法)建立求解该模型的分布式算法,再去除算法中的一致性变量,从而将其改进成为直流系统最优潮流的完全分布式算法;最后,在改进的IEEE13节点和118节点系统算例上进行的仿真验证表明,该算法无需中央协调单元协同各区域的边界一致性信息,通过各区域的并行优化、相邻区域间少量边界节点信息的交换,即可得出辐射式以及环网拓扑的直流系统最优潮流问题的全局最优解。

计及不确定性的随机暂态稳定约束最优潮流

为应对电力系统中不确定性对系统安全稳定造成的显著影响,提出一种计及不确定性的随机暂态稳定约束最优潮流方法。首先,采用威布尔和正态分布分别描述风电和负荷两种不确定性变量。其次,设置相应的置信水平,基于机会约束理论建立相应的概率约束,以期望值形式表达目标函数,从而建立计及不确定性的随机暂态稳定约束最优潮流模型。然后,通过半不变量法和Gram-Charlier级数求取电力系统输出变量的累积分布函数,并利用改进量子粒子群算法进行求解。最后,算例分析验证了所提方法的优越性和有效性。

基于PCE的系统参数化暂态稳定约束最优潮流

为更好地应对电力系统中存在的不确定参数给暂态稳定性带来的影响,提出了一种基于多项式混沌展开(polynomial chaos expansion,PCE)和随机伽辽金法(stochastic Galerkin method,SGM)的参数化暂态稳定约束最优潮流(parameterized transient stability constrained optimal power flow,PTSCOPF)问题的求解方案。针对电力系统不确定参数建立PTSCOPF模型;基于PCE和SGM近似拟合参数化暂态稳定轨迹,将原始的微分代数方程组(differential algebraic equations,DAE)形式的PTSCOPF模型转化为代数方程组形式的参数化非线性规划(non-linear programming,NLP)问题;采用原始-对偶内点法求解该NLP问题。利用改进的新英格兰10机39节点系统算例进行了各项测试,仿真结果表明,所提方法能够实现系统在预想故障下保持暂态稳定的优化效果。

基于迭代隐式线性化的网状配电网潮流计算及其最优潮流模型

随着分布式能源和储能容量的增加以及电动汽车的普及,配电网的功率流动由单向转变为双向,且网络拓扑由径向转变为复杂的网状结构。为了高效应对网状配电网的潮流(power flow,PF)分析和最优潮流(optimal power flow,OPF)问题,以及进一步提升现有线性化模型的近似精度、完善对网络损耗等元素的线性近似,该文构建迭代隐式线性化潮流(iterative implicit linearization power flow,IIL-PF)模型及其最优潮流模型(IIL-OPF)。该模型将非线性潮流流形M(Manifold)视为节点电压和节点注入功率之间的隐式代数关系,之后利用切平面对M进行局部近似,并迭代更新线性化点以提高线性模型的近似精度。此外,所提模型充分考虑了支路始/末端潮流、支路潮流平方、支路损耗等因素,并对其进行明确的线性化推导。最后,基于修改的IEEE 33系统,分别在径向和网状运行方式下,验证所提模型可快速收敛,并具有较高的近似精度。其中IIL-PF计算结果、IIL-OPF的目标函数和发电机出力等优化结果与MATPOWER的非线性模型相比,误差均在1%以内,因此所提模型可以满足工程规划或日前运行模拟等应用要求。

计及配电侧分布式电源的输配协同高收敛性最优潮流研究

在电力系统能源转型的背景下,充分利用配电侧分布式电源(distributed generation,DG)对于减少碳排放具有重要意义。而随着DG的广泛接入,输配电网之间存在双向功率流动,如果输电网和配电网仍然按照传统的等值方法进行最优潮流计算,将无法获得精确结果。因此文中建立输配协同全局最优潮流优化模型,采用节点撕裂的方法解耦输配电网的耦合变量。在此基础上,通过数学推导得到模型的不动点迭代形式,考虑到传统的异构分解(heterogeneous decomposition,HGD)算法只利用最新的计算结果进行迭代计算,结合数学领域的安德森加速思想,利用历史迭代值对不动点迭代进行优化,提出基于安德森加速的HGD算法。经算例测试,该算法能充分利用配电侧DG。与其他算法进行对比,结果显示,该算法准确度高,收敛性能相较于HGD算法有显著提高。

基于可信深度神经网络的最优潮流计算方法

为应对新型电力系统以最优潮流为核心的精细化资源配置与运行分析需求,基于深度神经网络的最优潮流计算方法受到广泛关注。然而深度神经网络具有“黑箱特性”,现有方法普遍仅基于有限训练、测试集进行深度神经网络的训练与评估,难以从理论上量化计算误差,导致可信度缺乏理论保障。为此,该文提出基于可信深度神经网络的最优潮流计算方法。首先,以理论定量评估深度神经网络映射误差为核心,提出基于min-max双层规划问题的深度神经网络可信训练模型,实现深度神经网络的可信度量化训练;然后,基于KKT最优性条件与激活函数解析表征技术,将所提可信训练模型解析构建为以混合整数规划模型为基础的双层规划问题,并提出基于Danskin定理的精确求解策略;最后,提出基于凸松弛技术与模式识别思想的快速近似求解策略以减轻整数变量计算负担。仿真算例表明:所提方法可将基于有限测试集的深度神经网络映射评估精度提升28.73%,可更为精准地量化深度神经网络可信度;相较于基于有限训练集的现有深度神经网络训练方法,该方法可将计算误差减少87.49%,实现更为可信的深度神经网络训练。

基于二阶锥规划最优潮流计算的主动配电网动态重构研究

为有效应对大规模可再生能源接入电网的不确定性与波动性,实现配网最优运行,提出一种考虑分布式电源时变性与负荷需求特性的动态网络重构优化方法。先针对传统静态支路潮流模型的非凸性,引入松弛变量,将其转化为二阶锥约束,建立基于二阶锥松弛的最优潮流模型;再综合考虑主动配电网环境中的主动管理元素等约束,在保证电压稳定性的前提下,以网络损耗与购电量最小为优化目标,建立高比例分布式电源接入下的多时段配电网重构模型;最后,采用YALMIP工具包和Gurobi求解器进行建模求解,并通过适配IEEE 33节点模型进行实证分析。算例结果表明:所提方案得到的系统期望网络损耗值从0.176 MW减小到0.097 MW,其网络损耗值比粒子群算法的降低了11.95%,其电压水平比粒子群算法的提高了0.76%。该模型的有效性得到了验证。

基于分区选择的主动配电网分布式最优潮流分析

基于交替方向乘子法(ADMM)在分布式形式下解决主动配电系统最优潮流问题(OPF),针对分布式算法性能受到配电系统区域划分影响的问题,提出了一种基于量测数据驱动的电网分区方法,以加速优化算法的收敛速度。与传统的ADMM算法依赖于全局信息不同,本文引入了一致性方法来协调区域交界的平衡问题,从而实现最优潮流问题的完全分布式求解。此外,本文采用LinDistFlow(Linearized Distribution Flow)交流近似模型来应对配电网最优潮流问题的非凸性挑战。通过在不同规模的IEEE配电网案例上进行测试,验证了所提方法的有效性,且其在优化算法的迭代次数、计算时间和误差精度等性能上均优于其他分区方法。

计及连锁跳闸的多目标最优潮流模型

电力系统的运行方式和结构日益复杂,源发故障引发大停电事故的概率也随之增加。为了预防连锁跳闸事故的发生,提出一种考虑连锁跳闸的多目标最优潮流方法。首先,根据电力系统后备保护的动作行为,利用线路电气参数来制定电网的安全裕度指标;其次,以安全裕度最高和发电成本最低为目标,考虑电网相关的约束条件,建立基于安全性和经济性的多目标最优潮流模型。针对此模型,结合粒子群算法,给出具体的求解算法及其流程。最后,利用IEEE 39节点系统进行仿真验证。仿真结果表明,所提方法可以同时兼顾安全性和经济性的要求,即按该方法得到的电网潮流运行状态不仅能降低发电成本,还能提高电网对于连锁跳闸的安全性。

考虑风光不确定性的暂态稳定约束最优潮流模型研究

针对风光接入电力系统后的不确定性问题,同时为兼顾运行中的经济性和安全性,提出考虑风光不确定性的暂态稳定约束最优潮流(TSCOPF)模型和求解方法。首先,采用高斯混合模型(GMM)为电力系统中风光出力的预测误差模型,搭建包含旋转备用机会约束的TSCOPF模型;然后,利用序列运算对机会约束进行确定性转换,将TSCOPF模型转换为混合整数线性规划(MILP),并利用Gurobi求解器进行求解;最后,通过对IEEE 39节点的案例分析,验证了所提模型和方法的有效性。

基于概率最优潮流的电力系统灵活性量化评估方法

可再生能源发电具有波动性和随机性,高比例可再生能源的接入给电力系统的灵活性带来挑战。为此,提出一种基于概率最优潮流的电力系统灵活性量化评估方法。首先,构建电力系统灵活性资源模型。采用k-means聚类方法处理历史数据以生成场景,基于马尔可夫链模型和Copula函数构建考虑时间相关性的风电、光伏出力及负荷波动概率模型。其次,将经济成本与系统灵活性关联,在考虑系统灵活性裕度期望、缺额期望和不足概率的基础上,建立计及运行经济性的量化评估指标。第三,构建含灵活性资源的概率最优潮流模型,采用蒙特卡罗模拟方法和基于跟踪中心轨迹内点法估计系统状态和评估指标。以IEEE RTS-24系统为算例进行分析,结果表明合理配置可再生能源和储能装置有助于提升系统灵活性和运行经济性。

基于增量交换的主动配电网分布式多目标最优潮流

接入高比例可再生能源的主动配电系统,配电网络运营商和能源运营商之间存在竞争与合作的复杂利益关系。为了提高分布式能源利用率,提出了一种基于增量交换的分布式多目标最优潮流(MO-OPF)算法。在MO-OPF模型中,网络运营商和能源运营商分布追求自己的运营目标,同时确保整个网络的电压和支路功率安全限制得到满足。该算法能够以分散的方式求解MO-OPF问题,而不会向网络运营商暴露任何能源运营商的私有信息。其核心思想是利用耦合变量增量的二次函数来描述能源运营商对网络运营商的影响,网络运营商通过求解累积二次规划问题来计算耦合变量的增量。以IEEE 33节点配电系统为例,验证所提方法不仅可以提供与使用集中式优化相同的帕累托最优解,而且具有电压调节能力。

基于配点法的参数化暂态稳定性约束的电力最优潮流分析

为实现针对暂态稳定约束最优潮流的精确描述,提出一套参数化TSCOPF模型。通过该模型来判定电力系统中可变参数与TSCOPF解之间的定量关系。借助可变参数的多项式表达式来逼近参数化TSCOPF的最优解。在此基础上,只需在参数化TSCOPF中代入电力系统的可变参数即可取得符合暂态稳定性的最优控制方案。

含光伏和风电的互联电力系统概率最优潮流

为了实现更大范围的资源优化配置,提高光伏和风电的消纳能力,实现“双碳”目标以及在更大的市场内进行竞争,互联电网各区域间联络断面功率必须调整至指定值以满足交易功率约束。为此,针对含光伏和风电的互联电网,提出了考虑交易功率约束的概率最优潮流模型及算法。首先以网损为目标函数,考虑交易功率约束以及光伏和风电的间歇性,建立了概率最优潮流模型,然后采用随机响应面法求解概率最优潮流。针对IEEE 30节点系统改造而成的互联电网进行仿真分析,验证了所提模型和方法的正确性和有效性。

基于反向变异海鸥优化算法的最优潮流计算

针对海鸥优化算法的全局搜索能力差、收敛速度慢的缺点,引入反向变异策略对海鸥初始种群进行选择;结合非线性收敛因子和粒子群算法速度优化,平衡算法全局搜索与局部开发能力,提出了一种反向变异海鸥优化算法,并将其引入最优潮流问题求解。以发电成本、有功网损和节点电压偏移为目标函数进行单目标最优潮流计算,以发电成本分别和有功网损、节点电压偏移的加权和作为多目标函数进行多目标最优潮流计算,并与基于其他智能算法的最优潮流计算结果进行对比分析。IEEE 30节点系统及IEEE 118节点系统仿真结果表明,采用该算法求解最优潮流问题具有搜索精度高、收敛速度快、稳健性强等优势。

电气化公路交直流混合供电系统最优潮流分析

针对传统粒子群算法在求解电气化公路供电系统最优潮流问题时易陷入局部最优解等问题,为提高算法的全局搜索能力,采用牛顿拉夫逊法对交直流混合潮流交替迭代求解,得出供电系统潮流分布,提出以最小系统损耗为目标的交直流混合最优潮流模型,设计了一种改进的线性递减惯性权重自适应学习因子粒子群算法(改进LDW-PSO算法).仿真结果显示,与传统粒子群算法和线性递减权重算法相比,改进算法收敛速度更快,计算精度更高,为电气化公路供电系统的最优潮流计算提供了理论支撑和技术参考.

基于故障风险指标排序的安全约束最优潮流

安全约束最优潮流(SCOPF)是一种常用的电力系统运行调度方法,但由于需要考虑大量的预想事故,问题的求解十分困难。如何加快SCOPF的求解速度是现阶段研究的热点问题。在传统的基于故障严重度排序的安全约束最优潮流基础上进行改进,采用改进过载风险指标代替传统的严重度指标,并考虑电力网络实时的天气状况,提出了一种新型的基于故障过载风险指标排序的安全约束最优潮流算法。算例分析表明,该算法所采用的故障集更小,具有迭代速度快、安全性高和经济性好的特点,可为调度员的运行决策提供重要参考。

一种求解最优潮流的改进灰狼优化算法

最优潮流是电力系统最关键的问题之一,本文采用一种求解最优潮流的改进灰狼优化算法(LMGWO)求解最优潮流(OPF)问题,该算法引入算术优化算法(Arithmetic Optimization Algorithm,AOA)中的乘除算子,利用带透镜成像的反向学习策略增强最优个体的多样性,提高算法跳出局部最优的能力。通过与几种常用的算法进行对比实验表明:本文提出的LWG-WO算法是有竞争力的,总体上优于对比算法;LMGWO算法在最小化燃料成本、有功输电损耗和改善电压偏差方面更有效地找到了最优潮流(OPF)问题的最优解。

分布式发电并网时配电网容量的最优潮流研究

分布式发电并网对配电网容量提出了新的挑战,但同时也为容量优化提供了新的机会。最优潮流研究作为一种有效的优化方法,可以帮助电力系统规划者和运营商更好地规划和管理配电网容量,以促进可再生能源的发展和电力系统的可持续运行。本文提出了一种最优潮流法来评估配电系统可用容量的技术,此方法被称为“反向负荷能力”,它将固定功率因数的分布式发电定为负载负值,并使用最佳功率流来进行负载负值切除,从而确定可用容量。该技术已应用于配电网及分布式发电,可以快速识别在热量及电压约束下的配电网可用空间。此外,在研究连接顺序对可用净容量的影响以及对网络进行清理时,证明了该方法的有效性。

考虑“电-交通”协同最优潮流的电气化交通碳汇效应评估

为缓解环境压力,推动交通电气化改革已成为全球共识。电动汽车(Electric Vehicle, EV)的普及虽可有效降低交通直接碳排,但同时也会增加电力负荷,造成源侧间接碳增量。针对电气化交通导致的整体碳排“一增一减”现象,提出一种考虑“电-交通”协同的碳汇效应优化评估方法。首先,建立兼顾EV和油耗汽车特性的多智能体微观交通配流模型,完善多类汽车直接碳排计算的仿真基础;接着,提出基于无迹Kalman滤波随机估计的间接碳排等值模型,直观刻画EV入网对电源侧影响;然后,以最小化总碳排(直接碳和间接碳)及交通不均衡量为目标,构建考虑“电-交通”协同最优潮流的电气化交通碳汇评估模型,并用广义Benders算法高效求解。算例结果表明,所提出方法可通过促进车流量与功率流均衡分布,同时实现直接和间接碳排削减,提升“电-交通”耦合系统整体碳汇效应。