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.

注意力机制和多目标粒子群混合驱动的配电网无功优化

配电网安全稳定运行的关键之一是解决好配电网的无功功率平衡,尤其是高比例分布式光伏无序接入条件下,挑战巨大。为此,提出了一种注意力机制和多目标粒子群混合驱动的高比例分布式光伏配电网无功优化方法。首先,针对光伏出力强不确定性而预测难的问题,提出了基于Transformer的光伏预测模型,并与长短期记忆网络(long short-term memory,LSTM)以及卷积神经网络(convolutional neural networks,CNN)神经网络进行对比,验证了所提模型的精确性。进一步,针对强间歇性的分布式光伏高比例接入配电网的无功优化难题,提出了一种基于注意力机制的多目标粒子群算法(multi-objective particle swarm optimization algorithm based on attention mechanism,AMOPSO),将注意力机制应用于多目标粒子群算法,从而可减少粒子群算法本身不必要的搜索范围,有效地避免陷入局部最优,获得高比例分布式光伏配电网无功优化的调度策略。最后,在改进的IEEE33节点配电网系统中进行算例分析,验证了所提算法的有效性。

计及电压不可行分区的配电网无功规划方法

为了高效解决中大型配电系统的无功规划,提出一种计及电压不可行分区的配电网无功规划方法。首先,在电压不可行节点概念基础上,定义电压不可行分区,进而构建配电网无功优化模型。该模型包含无功补偿选址与定容、降损与无功容量优化2个子模型。前者以消除电压异常节点为目标;后者则以降低有功损耗及补偿容量为目标,同时将电压质量作为约束条件纳入目标函数。考虑到无法准确掌握配电拓扑中各节点负荷,定义两种基于系统总负荷的负荷分配模型,研究不同负荷场景对节点电压分布影响。然后,采用改进的引力搜算算法求解无功优化模型。最后,通过对某实际34节点10 kV配电线路进行仿真分析,验证所提规划方法的有效性。

基于遗传算法的低压配电网无功补偿优化方法研究

当前的低压配电网无功补偿优化约束条件一般为单层级的,优化范围受限制,导致无功补偿极限损耗值增加,为此提出对基于遗传算法的低压配电网无功补偿优化方法研究。根据实际的优化需求及标准,先进行无功补偿点选择,采用多阶形式,打破优化范围的限制,设定低压配电网多阶约束条件,构建遗传算法无功补偿优化模型,采用无功谐波潮流限制实现优化处理。最终的测试结果表明:对比于传统多层级协同无功补偿优化测试组、传统粒子群算法无功补偿优化测试组,此次所设计的遗传算法无功补偿优化测试组最终得出的无功补偿极限损耗值均被较好地控制在了150kW以下,说明该种优化形式的针对性与稳定性较高,在进行无功补偿优化的过程中控制效果更佳,具有实际的应用价值。

油田电网无功补偿的优化措施的探究

油田开采作业需要高效快速、安全稳定的配电网络系统支持,所以新油田建设过程中对油田电网供电质量及运行效率提出了新的要求。在新建设的油田电网系统中,增加了无功动态补偿技术以提升油田电网的稳定性,因此,油田电网相关工作者对于无功补偿技术的研究刻不容缓。

基于改进遗传算法的含分布式发电配电网无功优化方法

由于传统方法在寻找降低配电网有功网损的控制变量最佳值时易陷入局部最优,导致所求网损不是全局最优解,提出基于改进遗传算法的含分布式发电配电网无功优化方法。文章在满足潮流约束条件的基础上,以网损最优为目标,建立了一个含分布式发电配电网无功优化的数学模型,引入遗传算法求解模型。求解过程中通过优化目标函数与电压惩罚因子来改进算法的适应度,求得最优无功优化方案。实验结果表明,设计方法优化后的含分布式发电IEEE-21节点测试系统的有功网损降低了64.78%,证明了该方法的有效性与先进性。

浅析电网自动化调度的无功电压管理及优化

随着人们生活水平的不断提高,人们对于各项生活条件的要求也越来越高,电网作为一项民生项目,自然是国家和人民着重重视的产业。无功电压对电网中的电压质量影响比较大,对电网的发展起着决定性的作用,本文针对这一问题提出研究。

改进粒子群优化算法及其在电网无功分区中的应用

提出一种改进粒子群优化算法并将其应用于电网无功分区,以复杂网络社团结构理论为基础,建立以电气距离为权重的电力系统加权网络模型,以模块度为标准量化地评价无功分区的划分质量。改进粒子群优化算法采用了新的粒子编码方式与位置更新方式,提高了以模块度为目标函数的启发式算法的收敛速度并减少了存储空间。通过改进粒子群优化算法得到的无功网络具有较强的区域解耦特性,分区内部电气联系紧密,区域之间联系稀疏,无功分区结构合理。该算法在IEEE 39节点系统、IEEE 118节点系统及大型电网的应用结果表明了该算法的合理性及有效性。

基于改进NSGA-Ⅱ算法的含分布式电源配电网无功优化

针对含分布式电源(DG)的配电网无功优化的问题,为更准确地描述DG出力的不确定性,基于加权高斯混合分布(WGMD)和Beta分布分别构建风电DG和光伏DG的出力模型。采用结合切片采样算法的马尔科夫链蒙特卡洛模拟法进行潮流计算。建立以系统有功网损最小、节点电压总偏差最小为目标函数的多目标无功优化模型,并采用改进的非支配排序遗传算法(NSGA-II)对该优化模型进行求解。通过改进的IEEE 33节点系统的仿真验证了所提方法的可行性和有效性。

考虑光伏不确定性的低压配电网分散无功补偿鲁棒优化配置

为提高电压质量,降低线路损耗,在考虑光伏出力随机波动和负荷预测误差的基础上,提出了低压配电网无功补偿分散配置的鲁棒优化模型。模型以配电台区总网损最小为目标,采用不确定集描述负荷功率以及影响光伏出力的光照强度和温度等不确定变量,约束条件包括了节点电压的上下限和无功补偿容量的上下限,以及补偿装置安装点总数的限制。利用变形的S型函数近似逼近符号函数以实现对模型中不可导函数的光滑化,并通过双层优化方法将含不确定变量的鲁棒优化模型转化为双层确定性优化模型进行交替求解,最后采用内点法优化求解确定性优化模型以得到分散无功补偿鲁棒优化配置方案。通过对某个实际低压配电网台区进行分析计算,结果表明所提出的分散无功补偿配置鲁棒优化方法得到的补偿方案能够满足光伏出力和负荷在其波动区间内任意变化时所有节点的电压均在合格范围内,具有良好的工程实用性。

基于改进天牛须算法的含固态变压器的配电网无功优化

提出了一种基于改进天牛须算法的含固态变压器(solid⁃state transformer,SST)的配电网无功优化方法,通过调节SST的调制系数和相位角补偿系统的无功功率。文中首先对SST进行数学建模,其次针对天牛须搜索算法(beetle antennae search algorithm,BAS)在低维度空间表现优异,在5维及以上空间存在收敛速度慢,精度低的问题,在BAS的基础上引入了模拟退火算法(simulated annealing algorithm,SA)中蒙特卡洛准则以及动态实时改变的步长因子,通过经典函数来测试文中所提算法的性能,最后应用到含SST的配电网中,对SST的连续优化变量和分布式发电(distributed generations,DGs)的无功输出进行优化,使系统的电压偏差与功率损耗达到最小,降低了SST在配电网中的成本。最后对改进的IEEE⁃33节点系统进行仿真,验证了该模型与算法的可行性与有效性。

含风力发电的配电网自适应分时段无功优化

针对含风力发电的配电网中风电机组出力的间歇性和系统负荷的波动性,提出了自适应分段优化策略,通过分时段优化实现无功动态调节。该策略根据风机出力和负荷的波动程度确定各时段最佳持续时间。在此基础上,计及运行环境的变化和决策者需求,提出了一种新的含决策偏好因子的分段优化方法。以降低网络损耗和电压偏差为目标,建立了含风力发电的配电网多目标无功优化模型,并采用多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO)求解。以改进的IEEE30节点系统为例进行仿真计算,仿真结果验证了所提方法和模型的有效性。

配电网静止无功补偿器直流侧电压控制策略

在配电网中,配电网静止无功补偿器(D-STATCOM)通常采用双闭环的控制策略,在该策略中需要保持DSTATCOM直流侧电压的稳定。直流侧电压的稳定一般采用的是传统的PI控制,但是传统的PI控制容易使DSTATCOM呈现严重的非线性,并且具有较大的超调量和静差,响应速度也较慢,同时传统Pl控制参数选择也很困难,难以满足D-STATCOM控制要求。为解决此问题将免疫反馈机理和模糊控制与传统的PI控制相结合,设计了模糊免疫PI控制来保持D-STATCOM直流侧电压的稳定。仿真结果显示,此种控制较传统的PI控制具有更好的效果,可以让直流侧的电压保持稳定。

考虑网络动态重构含多异质可再生分布式电源参与调控的配电网多时空尺度无功优化

电压分布局部性、负荷/电源特性多样性和功率脉动性,决定了配电网无功电压调控需要在时间域和空间域内“多级协调、逐级细化”。建立配电网多时空尺度无功优化模型,空间域内进行“全局协同优化”“分区自律调控”和“全局协同调控”的协调配合,并在全局协同优化中融入网络动态重构,拓展优化“可行域”;基于模块度函数和动态无功储备指标进行动态分区并自律调控,实现“分区自治”;分区自律调控结果返回全局层面进行全系统检测和协同调控,提高控制精度;在时间域内由1d周期1h时间粒度的全局协同优化,向分区自律调控5min时间粒度递进,并在各层调控嵌入模型预测控制“预测模型”“滚动优化”和“反馈校正”环节,从而实现时空耦合的“分区逐层”优化调控。最后,以IEEE 33节点系统为例进行仿真分析,结果表明:该文所建模型在空间域和时间域内均实现了精细化控制,工程应用价值显著。

含分布式电源的配电网多目标无功优化

针对传统模型和现有算法对配电网无功优化带来的电压波动和网络损耗等问题,提出一种基于改进元胞差分算法的含风、光的配电网无功优化方法。建立了风电、光伏的随机概率出力模型,获取了其出力预测数据,以电压波动、有功损耗和电压越限3个目标为优化函数,通过权重系数将三目标模型转换为双目标模型,建立了含风电、光伏的双目标配电网无功优化模型。通过电压稳定指标(voltage stability index,VSI)对配电网各个时段的电压的稳定性进行评价,用改进元胞差分算法对模型进行求解,并利用测试函数对算法进行验证。结果表明,较传统模型和传统算法而言,所提模型和所用算法均能有效降低配电网的电压波动和减小配电网的有功损耗,从而保证电网的安稳运行。

配电网静止无功补偿器的解耦控制策略

在配电网中,静止无功补偿器(D-STATCOM)可以起到稳定接入点电压,有效地降低网损率和提高功率因数及防止非线性负荷的作用。但是D-STATCOM在d-q坐标系下是一个非线性、强耦合的系统,需要进行解耦控制,因为对其进行解耦控制可以保证输出电流快速无差地跟踪整定值。研究D-STATCOM的解耦控制策略,通过对其基本结构进行分析,得到了耦合项的模型。采用模糊免疫PI控制和前馈解耦控制相结合的方法将原系统进行线性化的解耦,避免了有功和无功电流的耦合作用。最后运用MATLAB进行仿真。仿真结果表明,所提解耦控制策略性能优良、结构简单、容易实现。

农村地区配电网无功优化智能技术探析

随着我国经济的快速发展,国家对农村和城市都进行了不同程度的建设,以推动我国市场经济体制的不断改革和完善,促进人们生活水平的不断提高,增强我国综合国力。我国电力建设随着农村和城市的不断发展,得到了大规模的提升,因此,电网的改造受到了国家的高度重视。我国农村地区配电网的改革正在大力推行,对于推动农村地区经济的发展和人们生活水平的提升具有重大的现实意义。本文就农村地区配电网无功存在的问题进行分析和探讨,提出农村地区配电网无功优化智能技术的管理方法,以促进农村地区配电网无功智能化系统的有效性。

基于最优分割法的含DG配电网动态无功优化

为解决有载调压变压器分接头(on-load tap changer,OLTC)、电容器组和分布式电源(distributed generation,DG)的协调优化问题,提出一种配电网动态无功优化方法。该方法采用最优分割法分别对OLTC和电容器组的静态最优投切序列进行有序聚类,在满足最大动作次数约束的前提下实现控制设备在时间上的解耦。分析了常见DG无功出力极限的影响因素,考虑OLTC、电容器组和DG在电压无功调节中的控制能力,提出三者的协调优化方法。由于OLTC的档位调节直接影响整个线路的电压无功分布,首先根据各时刻的静态优化结果和最优分割法确定OLTC的动作时刻及档位;然后,采用最优分割法确定电容器组的动作时刻,并将电容器组的投切容量和DG无功出力联合优化,得到最终的控制方案。最后,通过某实际电网算例验证了所提方法的合理性和有效性。

基于负荷分布匹配与熵权法的配电网无功优化

提出一种基于负荷分布匹配与熵权法的配电网无功优化方法。首先,分析了配电网无功优化控制方案与负荷分布的关系,提出基于拉依达准则的负荷分布匹配方法,从历史数据库中选出若干个与待优化时刻近似的负荷分布,并将其对应的历史控制方案确定为无功优化的备选方案;然后,提出基于熵权法的多属性决策方法,对多个备选方案进行分析评价,确定无功优化各评价指标的客观权重,将多属性决策问题转化为单属性决策问题,进而对各个备选方案进行评价和排序,从中选择出最优无功控制方案。最后,通过多个算例验证了所提方法的有效性和优越性。

基于随机矩阵和历史场景匹配的配电网无功优化

配电网的无功优化是保证配电网供电可靠、经济运行的一项重要工作。将大数据理论引入配电网无功优化,提出一种基于随机矩阵的无功优化方法,它不依赖于配电网的模型和参数,直接利用配电网在运行过程中产生的运行大数据以及当地的环境数据构造7种高维随机矩阵,提取57种特征指标,再应用主成分分析法对这些特征指标进行降维处理,然后匹配历史数据库中已有的场景,快速找到特征指标与当前系统最相近的场景,直接采用匹配场景的控制策略作为当前系统的无功优化控制策略,以减小有功网损和节点电压偏移。最后,在改造的IEEE-37节点配电网仿真模型上进行算例验证,其中增加了光伏/风电等分布式发电和电动汽车充电站等随机负荷模型。结果表明,方法可有效地对配电网进行无功优化,摆脱了配电网模型的限制,可快速做出控制决策。