虚拟发电厂分布式控制收敛速度分析及优化

虚拟发电厂(virtual power plant,VPP)技术与分布式控制技术结合,可有效控制数量大、单机容量小、位置分散的分布式电源(distributed generator,DG)。为提高分布式控制的收敛速度,利用谱半径指标对分布式发电控制中常用的离散一阶一致性算法的收敛性问题进行了分析,包括通信网拓扑、通信线路权重、领导节点位置、DG的发电成本函数以及被反馈的功率偏差系数等因素的影响。在此基础上,将离散一阶一致性算法收敛速度优化问题转化为特征值优化问题,从通信拓扑结构设计、通信线路权重优化、领导节点位置选择3个方面对通信网络(communication network,CN)进行优化,提出了提高虚拟发电厂分布式控制收敛速度的通信网络优化方法。算例仿真表明所提出的优化方法可有效提高一致性算法的收敛速度。

考虑非正定相关性的改进LHS概率潮流计算方法

由于LHS(拉丁超立方采样)能较大程度覆盖采样区间,因此常作为概率潮流计算中的分层抽样方法。但随着风、光等分布式能源在电力系统中渗透率的提高,以及采样对象维度的增加,使得LHS所得样本的均匀性略显不足。同时,风、光等随机变量之间的相关性也会日趋复杂。相关矩阵作为表现随机变量之间相关性的有效方式,在矩阵维度增加时会出现非正定情况,从而导致基于Cholesky分解排序变换的概率潮流计算方法无法进行。针对上述问题,提出一种考虑风、光相关性为非正定时的改进LHS概率潮流计算方法,并利用改进的IEEE 30与IEEE 118系统验证了所提方法的准确性与有效性。

基于HELM网损灵敏度的配电网无功优化研究

目前配电网无功优化中多采用前推回代法进行潮流计算,并基于雅可比矩阵进行灵敏度分析来确定配电网无功补偿点。但这种方法计算的是系统基础潮流节点的灵敏度值,受电力系统潮流方程的非线性特性影响,选出的点容易集中在重负荷支路。对此,提出基于HELM(全纯函数嵌入方法)网损灵敏度的计算方法,可以快速计算出节点网损灵敏度,根据HELM的s阶数可得出任意阶数的网损分项灵敏度,并提出基于聚类和HELM分项网损灵敏度进行配电网无功补偿选点及无功优化。最后,通过实例计算,验证了该方法的有效性。