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。

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。

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。

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。

浅谈配电网无功优化的遗传算法及其改进措施

基于配电网无功优化模型,详细介绍了借助遗传算法对优化问题进行求解的步骤,并且根据配电网与遗传算法固有的属性,针对其中存在的问题,为配电网无功优化的遗传算法总结出了相应的解决对策,进而使得无功优化的可靠性与最优性得到提升。

电网无功优化系统的方案

介绍了电网无功优化功能的含义,重点论述了电网无功优化功能实用化过程中出现问题的解决方法,最后提出了电网无功优化系统的最佳方案。

考虑微电网并网接入的配电网无功优化

微电网集分布式发电系统、负荷和储能于一体,提高了分布式发电系统的综合利用。微电网的并网接入对配电网的综合无功优化产生影响,因此,配电网的无功优化过程中需要考虑微电网并网接入的影响。本文在充分考虑微电网运行特性的基础上,构建考虑微电网运行特性的配电网综合无功优化,建立以系统有功网损与节点电压为目标的综合无功优化模型,把含微电网的配电网无功优化转化为一多约束的非线性混合优化数学问题,并利用粒子群算法进行求解。通过IEEE 33节点系统的仿真算法分析验证本文提出方法的有效性和正确性。

基于改进粒子群算法结合惩罚因子的配电网无功优化的研究

配电网无功优化的问题关系人们的生活用电质量。文章对配电网无功优化模型进行分析,明确了无功优化过程的制约条件。在粒子群算法的基础上,对其惯性权重进行调整,以形成改进的粒子群算法。通过设计惩罚因子,以解决离散量的归整化问题。联合改进粒子群算法和惩罚因子,实现对配电网的无功优化。

基于机会约束的风-光微电网无功优化方法

针对新能源发电大规模接入电力系统而导致电压偏移过大的问题,提出基于模糊机会约束规划的微电网无功优化方法。本文提出一种风-光微电网无功优化模型,由于此模型为非线性模型,所以采用机会约束规划对优化模型进行规划优化,然后使用粒子群算法得到多目标下的风-光微电网无功优化最优解。算例分析表明,本文所提出的方法可有效地将电压控制在规定范围内。

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。

论电网无功优化与AVC系统在县域电网的应用

目前电网的发展越来越快,伴随着越来越复杂的电网结构,用户对电网供电的质量也逐渐高了起来。目前电网实行的是市场机制,如何改善系统电压水平、降低网损,已经成为县域电网中一个非常重要的课题。文章主要从电网无功优化的基本概念以及AVC系统两方面来介绍其在县域电网中的作用。

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。

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。

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。

含可再生分布式电源参与调控的配电网无功电压优化控制研究综述

高比例可再生分布式电源(RDG)分散接入配电网,其出力随机性叠加负荷波动性,对优化控制和运行态势预测分析带来极大困难,使得充分挖掘多类型无功设备调节潜力,从“源-网-荷-储”多维度拓宽无功优化控制“可行域”成为必要。结合风电、光伏发电等RDG参与配电网无功优化和电压调控研究现状,归纳整理了相关建模方法,主要包括:多时间尺度和分层分区优化控制、有功无功协调优化、网络重构与无功调控协调优化等;简要分析了配电网无功优化数学方法,包括随机变量处理方法和无功优化求解方法等。最后,结合未来“源-网-荷-储”结构变化、能源互联网发展趋势和电力市场化改革现状,对配电网无功优化调控研究方向给予展望,以期为相关研究工作提供帮助。

基于自由熵理论和智能场景匹配的配电网无功优化

无功优化对保障电力系统安全、经济运行具有重要的意义。提出了一种基于自由熵理论和智能场景匹配的配电网无功优化方法。介绍了适用于配电网场景匹配和无功优化的自由熵指标的构建方法,基于自由熵指标进行智能场景匹配,从历史数据库中快速找出与待优化时刻最为接近的场景,并将其对应的控制方案作为待优化时刻的无功优化方案,以减小有功网损和节点电压偏移。最后,采用Matlab+Open DSS建立了IEEE37节点的主动配电网仿真模型,并增加了光伏/风电分布式发电和电动汽车等随机负荷模型,算例结果验证了所提方法的有效性和优越性。

改进FA算法的配电网概率潮流多目标无功优化

针对分布式电源(Distributed Generation,DG)出力的随机性和负荷的波动性,以有功网损、电压偏移为目标函数建立有源配电网多目标无功优化模型。采用改进三点估计法将不确定潮流计算转化为确定潮流计算,处理模型中的不确定因素的影响,利用Nataf变换解决输入变量之间的相关性。为克服萤火虫算法(Firefly Algorithm,FA)存在的早熟收敛、过度依赖控制参数等缺陷,引入惯性权重和混沌理论,提出一种改进萤火虫算法对所建优化模型进行求解。对含DG的IEEE-33节点系统进行仿真测试,算例结果验证了所提出的概率无功优化模型和求解方法的可行性和有效性。