考虑大规模风光分层接入的配电网多层协调无功优化方法

大量风光新能源分层、多点接入给配电网运行带来了电压越限等负面影响,增加了不同电压等级无功协同优化的难度。兼顾不同电压等级调节需求,从模型降维等值的角度,提出了基于等值模型的配电网多层协调无功优化方法。该方法分别针对含有无功调节设备及没有无功调节设备的两种台区系统,利用神经网络对大量台区相关运行数据进行训练得到台区拟合模型,形成不可控和可控两种类型的台区等值模型,并用这两类拟合模型分别代替两类台区系统的物理模型,使台区以数据驱动的方式参与配电网无功优化,形成馈线物理模型和台区拟合模型组成的单一电压等级物数混合优化调度模型。将原多层无功优化问题转换为单层系统优化问题,再对该单层系统无功优化调度问题进行求解。该方法可降低配电网系统优化计算规模,从而减小计算量,以无功优化数学模型与数据驱动方法相结合的方式,实现配电网馈线-台区多层协调无功优化。通过算例验证了所提方法对于解决分布式风光分层接入所导致电压越限问题的可行性、有效性和优越性,能够保障配电网的经济安全稳定运行。

基于数据驱动的配电网无功优化

传统无功电压控制由于分布式电源、储能以及柔性负荷的接入面临计算速度和精度上的挑战。该文提出了一种基于数据驱动的配电网无功电压优化方法,通过跟踪实际系统的运行参数,实现无功电压的主动控制。在极限学习机中引入自动编码器构建深度学习机制,利用自动编码器建立极限学习机输入-输出的直接耦合关系,实现无监督学习和有监督学习有机结合,缩短训练模型的迭代过程;利用蒙特卡洛法基于分布式电源、负荷预测信息构建配电网运行场景,利用深度极限学习机挖掘运行场景优化运行与无功调压设备状态间的内在联系,建立电网运行场景与系统无功调压策略的映射关系。该文提出的基于数据驱动的无功优化方法不依赖实际系统潮流计算,能够实现配电网运行状态的跟踪和无功调节设备的优化调度,为配电网无功电压的主动控制打下基础。

含新能源和电动汽车充电站并网的主动配电网无功优化模型

针对新能源和电动汽车充电站规模化并网引起的无功优化问题,首先建立以主动配电网运行成本和电压偏差最小,系统稳定性最优的多目标无功优化模型。其次,基于PV曲线上、下半支解的接近程度,提出一种新的静态电压稳定性指标,以改善系统电压稳定性。最后,采用具有交叉反馈机制的混合优化算法对模型进行求解,并提出一种基于Tent混沌映射和自适应变异算子的改进飞蛾扑火算法提高求解效率。仿真结果表明,所提模型在降低系统运行成本,减少电压波动的同时,还能提高系统稳定性,且该混合优化算法能够快速、准确地求解混合整数的非凸、非线性优化模型。

基于改进灰狼优化算法的含光伏配电网动态无功优化

针对光伏并网对配电网造成的电压波动、线损增加,以及光伏和负荷出力的不确定性等问题,本文构建基于二阶锥规划的线性凸优化模型,通过控制有载调压变压器和电容器组动作,以及光伏逆变器和静止无功发生器无功补偿能力约束,对日前日内双时间尺度无功优化模型进行动态分析,在简化求解过程的同时加大找到全局最优解的可能性。提出一种基于混沌学习初始化、非线性收敛因子、最优粒子柯西扰动结合蜘蛛猴算法位置更新方式的改进灰狼优化算法,防止算法陷入局部最优并增强其全局搜索能力。最后,运用改进的灰狼优化算法对含光伏的IEEE 33节点系统进行建模仿真,结果表明该算法具有寻优效率高、收敛速度快的优点,验证了算法的可行性和高效性。

分布式光伏配电网电压无功优化研究

为解决分布式光伏接入配电网引起的电压越限质量问题,建立以有功网损和电压偏差最小为目标的无功优化数学模型。通过对光伏并网点的电压进行分析,提出了一种加权方式的电压功率与静止无功发生器控制补偿相结合的协同控制策略。为提高模型的求解能力,采用改进的粒子群优化算法,引入变异操作防止算法陷入局部最优;为提高算法的收敛效果,采用改进的异步学习因子。在IEEE-33节点配电系统中进行算例验证,结果表明了模型的正确性和策略的有效性。

计及工况预测误差的主动配电网日前无功优化调度策略

为解决工况预测误差较大时,日前无功优化调度方案优化效果不佳的问题,提出了计及工况预测误差的主动配电网日前无功优化调度策略。首先,使用轻量级梯度提升机算法建立日前工况功率预测模型;其次,考虑大规模高比例分布式电源接入主动配电网,以调度时段内所有时间断面的多目标加权累加和为目标函数建立日前无功优化调度模型;最后,设计了一种变寻优粒子空间的改进引力搜索算法对日前无功优化调度模型进行求解,该算法根据历史工况预测误差评价指标调整寻优粒子空间各维度的上下限矩阵,从而抑制了当无功区域内工况预测误差较大时可控设备调度异常的缺陷。最后采用拓展的IEEE 33节点系统算例进行有效性验证。

基于多目标沙猫群算法的含风光储配电网无功优化

针对现有智能优化算法在求解配电网无功优化时存在的收敛速度慢、易陷入局部最优解等问题,提出一种基于多目标沙猫群算法(MOSCSO)的含风光储配电网无功优化方法.MOSCSO融合了多目标算法中外部储存集的更新和选择机制,具有较好的全局寻优能力,而沙猫群算法(SCSO)特有的搜索和攻击的种群更新方式保证了其具有较快收敛速度和较好寻优能力.建立储能设施(ESS)作为控制变量的IEEE 33节点系统数学模型,应用MOSCSO进行仿真验证.结果表明,本文所提方法在平衡风光发电系统的同时能够降低网损和提高电网稳定性,通过与传统算法比较,验证了MOSCSO在无功优化模型上的有效性和稳定性.

基于谱聚类的主动配电网多时间尺度无功优化策略

高比例分布式光伏接入配电网后,传统优化方案无法有效平抑电压波动,分布式光伏逆变器的无功调控能力难以充分利用。为此,提出一种基于谱聚类的主动配电网多时间尺度无功优化策略,该方法分为日前优化和日内实时优化两个阶段。首先,对离散设备的时间耦合性进行解耦,以配电网网损、平均电压偏差、电压波动严重程度为目标函数,建立基于社交网络搜索算法的日前无功优化模型,确定离散设备静态最优档位序列;其次,通过谱聚类的方法进行耦合,确定离散设备动态最优档位序列,结合改进的分布式光伏逆变器就地控制策略,建立日内实时优化模型,从而抑制日前预测数据偏差导致的电压波动;最后,基于改进后的IEEE33节点系统进行仿真实验。仿真结果表明,所提策略可以有效降低运算难度、提高求解效率,验证了该策略的有效性和优越性。

基于改进粒子群算法的主动配电网无功优化

随着分布式电源在配电网中的广泛应用,部分地区电压越限、有功网损增加的现象时有发生。但传统算法求解无功优化无法适应当代配电网的要求。因此,提出一种改进的粒子群算法应用于主动配电网无功优化。首先,建立有功损耗、电压偏移和、节点最低电压值的多目标函数,通过线性加权求和的方法将多目标函数转换为单目标。然后,提出一种基于种群集中度概念的惯性权重调整,并在算法的学习因子中引入正弦和余弦控制因子,利用改进后的算法进行主动配电网无功优化。最后,在改进的IEEE33节点上进行仿真,验证所提出算法的可行性、有效性。

中低压配电网无功优化综合协同控制系统设计与研究

无功功率的优化管理对提升配电网能效、降低损耗和改善电压质量具有关键作用。文章针对现有中低压配电网无功补偿方式存在的不足,如固定电容器补偿的动态调节局限性、晶闸管控制电抗器补偿的响应速度和谐波问题、静止无功补偿器补偿的设备体积和维护成本及静止无功发生器补偿的高成本等,提出了一种新型无功优化综合协同控制系统,并对系统设计和主站无功优化模型及实现进行了研究。

基于改进ADMM的含分布式光伏的配电网电压无功优化方法

由于所建立含分布式光伏(PV)的有源配电网电压无功优化模型是一个典型的非凸混合整数非线性优化模型,提出一种改进交替方向乘子法(ADMM)来求解含分布式光伏的配电网电压无功优化问题。首先以有载调压变压器和投切电容器组为例,建立一种新的广义可分解有源配电网电压无功优化模型,然后根据ADMM算法将有源配电网电压无功优化模型分解为2个子问题求解,并设计惩罚参数的自适应调节机制以加速收敛。在3个不同规模有源配电网算例上进行仿真测试,结果表明,所提出改进ADMM方法具有较好的收敛性和最优解。

基于储能和无功优化的直驱机组海上风电场低电压穿越策略

针对直驱永磁机组海上风电场中的低电压穿越问题,提出了一种基于储能和无功优化的控制方案。采用锂电池作为分散式储能设备,吸收故障时刻直流母线上的多余功率,抑制电网故障时机组直流侧电压上升。同时根据各台机组的不同运行状况分配不同的无功指令,选取网侧变流器输出的有功功率、直流母线电压、机端电压作为评价指标,依据评价指标结果对风电场中各台风电机组低电压穿越能力进行评估,优化控制各台机组的无功出力,从而有效提高整个风电场的无功输出能力。以某海上风电场为例进行仿真分析,仿真结果表明了该方案能显著提高风电场低电压穿越能力。

海上风电场自适应多目标无功优化控制策略

针对传统固定权重多目标无功优化在应对新型电力系统复杂多变的工况时无法针对实时工况做出最合适的控制决策的问题,提出一种自适应多目标无功优化控制策略。该策略以系统有功网损和并网点电压偏离量的加权最小作为目标函数,目标函数的权重系数根据并网点电压的偏离情况自适应调节。首先,分析海上风电场并网点电压波动与有功、无功输出的关系,建立相应的无功分配模型,并针对风电机组及静止无功发生器(static var ge nerator,SVG)的输入输出特性,建立相应的无功控制模型。此外,考虑海上运行的功率约束、安全运行约束等,采用变惯性权重粒子群优化算法对无功控制策略进行求解。最后,在MATLAB中搭建海上风电场模型进行仿真验证,仿真算例表明:相较于传统固定权重多目标无功优化,自适应多目标无功优化控制策略可以根据电网实时工况,迅速调整各优化目标的优先级,较好地实现有功网损和并网点电压的协调优化。

基于双向安德森加速分解协调算法的输配协同无功优化

新型电力系统中新能源渗透率不断增加,输电网和配电网协同运行环境复杂多变,对输配协同优化算法的收敛性提出了更高的挑战。鉴于此,应用广义主从分裂法将输配协同无功优化问题分解为输电网和多个配电网的并行优化问题;为改善广义主从分裂法的计算效率,提出了基于功率、电压等多元信息交互及历史信息修正的双向安德森加速策略;在此基础上,提出了融合原对偶内点法、启发式算法和辅助函数的输配协同无功优化方法,实现了输电网和配电网多种类灵活性资源的协调配合和优化控制。算例仿真结果表明,所提方法能有效改善主从分裂法边界的收敛性能,在大规模分布式能源接入的输配协同无功优化场景中具有更好的应用价值。

源荷波动时含固态变压器的有源配电网动态无功优化方法

针对分布式电源并网引起的双向潮流导致网损增大以及分布式电源、负荷的波动导致节点电压波动等问题,文章基于固态变压器(Solid State Transformer,SST)两侧电力电子变换器的脉冲宽度调制技术,提出了一种控制潮流的方法。该方法首先建立了含SST的有源配电网动态无功优化模型;然后以多时刻的有功网损和电压波动为优化目标,采用改进多目标粒子群算法对SST的一、二次侧的电力电子变换器的调制角和调制系数等多个控制变量进行求解;最后建立仿真模型并与基于有载调压变压器的有源配电网动态无功优化方法进行比较。结果证明了所提方法在降低配电网网损和维持节点电压稳定方面的优越性。

考虑柔性资源灵活支撑的电网有功/无功优化调度

电气化交通是交通电力耦合的重要场景,大规模电动汽车接入对于电力系统的有功/无功调度具有重要影响。提出了一种考虑电动汽车有序充电无功支撑的配电网有功/无功优化方法。首先,基于电动汽车充电特性,建立电动汽车有序充电功率控制模型,实现电动汽车并网接入的有序充电控制;其次,构建结合用户侧和电网侧因素的电动汽车有序充电无功支撑双层优化模型,实现电动汽车与电网间的有功/无功功率交互;最后,通过仿真验证所提方法的合理性和可靠性。通过控制电动汽车有序充电的功率因素,能够大幅降低用户侧充电支出,同时还能有效改善电网负荷波动和降低网络损耗,为解决电动汽车大规模接入电网问题提供新思路。

考虑高比例多元调节资源互动的配电网无功优化降损方法

为了挖掘高比例分布式资源接入背景下配电网全方位多角度无功调控降损潜力,实现更为全面精细的无功优化技术降损目标,提出考虑多元可调节资源协调互动的多目标配电网无功优化降损方法。首先,针对高比例分布式资源接入背景下谐波对线损的影响,给出了考虑谐波损耗的配电网线损计算模型;其次,在此基础上分析多元可调节资源无功调节能力,建立了以日线损最低和静态电压稳定性最大为目标的配电网无功优化调度模型;然后,通过制定多元可调节负荷、分布式电源、储能、无功补偿设备等多元分布式资源协同无功优化策略,达到在综合考虑配电网静态电压稳定性要求下系统线损最小的目的;最后,通过多元分布式资源接入的IEEE 33节点进行系统仿真分析,结果表明通过多元可调节资源的充分互动能够有效提高系统电压稳定性,降低系统线损,实现配电网安全、经济运行。

基于AG-MOPSO的含风电配电网无功优化

针对风电机组并网出力的不确定性,采用基于概率发生的场景分析法将不确定性模型转换为不同发生概率的多场景问题,建立以有功网损和电压偏差最小为目标的无功优化模型。针对传统方法得到的Pareto前沿多样性较差的问题,提出基于自适应网格的多目标粒子群优化AG-MOPSO(adaptive grid multi-objective particle swarm optimization)算法。该算法采用自适应网格得到外部档案库中粒子的密度,并根据密度信息以轮盘赌机制选取全局最优粒子和维护外部存储库的规模,有效地保证了Pareto前沿分布的均匀性和多样性。运用该算法对含风电的IEEE 33节点系统进行无功优化计算,并与已有NSGA-Ⅱ算法进行比较,结果表明所提算法得到的Pareto前沿较好,验证了该模型和算法的可行性。

改进PSO算法在电力系统动态无功优化中的应用

传统的无功优化是对电网络在一种具体工况下进行的无功优化,但对于新能源大规模接入的电力系统,电网络情况复杂多变,每个时段的运行工况各有不同。提出一种以1 h为时间颗粒度的动态无功优化,将1 h内的电网络运行状况看作近似不变,再对该小时内的电网络参数进行静态无功优化。对于传统粒子群(PSO)算法的改进,应用混沌初始化并结合反向学习策略生成PSO算法的初始种群来优化初始种群让算法加速收敛,应用非线性策略和黄金正弦算法搜索策略对惯性权重公式、学习因子和位置更新公式进行改良提升算法的搜索效率,再融合遗传算法(GA)使种群多元化进而跳出局部最优,将传统PSO算法和改进PSO算法应用于IEEE30节点进行仿真对比,检验改进的有效性。

基于自编码器-受限时序卷积网络的数据驱动配电网无功优化策略

配电网中可再生能源渗透率的提高带来了频繁的电压越限问题。作为一种被广泛研究的方法,无功优化方法已经成功应用到配电网中以降低网损、优化电压质量。该文提出一种基于自编码器-受限时序卷积网络的新型数据驱动配电网无功优化策略,该策略通过3个阶段来协调光伏逆变器、电容器组等多种多时间尺度的无功调节设备。首先,将无功优化问题建模为混合整数二阶锥规划问题,求解出历史最优无功调度策略;然后,使用历史运行数据和最优策略训练所提网络模型,并通过矫正层规避不合理结果;在实际运行中,训练好的模型依据系统测量值给出无功优化策略以应对配电网的波动。最后,通过改进IEEE 33节点算例仿真实验验证,所提方法能够达到混合整数二阶锥模型98.80%的准确度而仅消耗其7.14%的时间;与其他流行的深度学习方法相比,具有更佳的性能和更好的实用性。