基于自适应混沌粒子群算法的光伏电池模型参数辨识

光伏电池模型参数的快速准确辨识在光伏阵列的输出功率预测、最大功率点跟踪以及电池故障模型的特性研究方面具有非常重要的工程意义。针对大部分传统智能算法用于系统参数辨识时的辨识精确受参数初值影响较大,而且算法易陷入早熟的问题,利用自适应混沌粒子群算法(SA-CPSO)对光伏电池模型参数进行辨识。将混沌算法与粒子群算法融合,对粒子群进行混沌初始化并促使陷入局部最优的粒子进行混沌搜索,引导其跳出局部极值从而搜索到更好的解;同时引入自适应调整策略来有效控制全局与局部搜索,提高了进化后期算法的收敛精度。经过仿真和实验测试,证明SA-CPSO算法在光伏电池模型参数辨识方面具有较高的精确度和快速性。还通过实验探讨了辐照度变化对太阳能电池参数的影响。

基于模糊聚类和最短路径的关键输电断面确定新方法

针对因支路故障或过载被切除之后的潮流转移关键输电断面如何正确快速确定问题,提出了基于模糊聚类和最短路径的潮流转移关键输电断面快速搜索新方法。该方法首先采用具有自适应选择最佳分类数的随机聚类方法,对所有线路功率构成进行分类,获得故障或过载支路的并行支路集构成初始输电断面,以避免由于人为给定分类数的不恰当所产生的多选及漏选问题;然后对初始输电断面中的每一支路,依次从故障或过载支路的一端开始搜索包括相应支路的到故障或过载支路另一端的最短路径,在该路径上所有与故障或过载支路潮流方向相同的支路,均为关键输电断面中的候选支路,以补充单纯由聚类方法确定的候选支路可能的漏选;候选支路再经简单的分布因子校核即可确定是否为关键输电断面中的支路。该方法实现了基于支路功率聚类关键输电断面选择方法和最短路径关键输电断面选择方法的有机融合和优势互补,提高了辨识精度。多个算例证实了文中方法的有效性。

蜂巢配电网的核心特征、关键问题与研究思路

“碳达峰、碳中和”背景下,未来新型配电系统将面临分布式电源、电动汽车等新元素的大规模接入。为了实现安全、高效、绿色、智能的发展目标,配电网可能呈现多环自相似柔性互联的“蜂巢”形态。首先,阐述了蜂巢拓扑结构在配电网中应用的优势,明确了蜂巢配电网的3个核心特征:区域自治与分层分群运行、多接口模块化设计、节点和支路的广义柔性,并结合配电网现状及发展趋势分析核心特征的构建基础;然后,总结了蜂巢配电网在规划、运行以及交叉学科方面的关键问题;最后,结合新方法、新指标给出关键问题的研究思路。文中工作为蜂巢配电网的系统研究与实际构建提供了思路和方案。