Distribution Network Reactive Power Optimization Based on Ant Colony Optimization and Differential Evolution Algorithm

Due to the inherent complexity, traditional ant colony optimization （ACO） algorithm is inadequate and insufficient to the reactive power optimization for distribution network. Therefore, firstly the ACO algorithm is improved in two aspects： pheromone mutation and re-initialization strategy. Then the thought of differential evolution （DE） algorithm is proposed to be merged into ACO, and by producing new individuals with random deviation disturbance of DE, pheromone quantity left by ants is disturbed appropriately, to search the optimal path, by which the ability of search having been improved. The proposed algorithm is tested on IEEE30-hus system and actual distribution network, and the reactive power optimization results are calculated to verify the feasibility and effectiveness of the improved algorithm.

Research of Rural Power Network Reactive Power Optimization Based on Improved ACOA

In view of the serious reactive power loss in the rural network, improved ant colony optimization algorithm （ACOA） was used to optimize the reactive power compensation for the rural distribution system. In this study, the traditional ACOA was improved in two aspects： one was the local search strategy, and the other was pheromone mutation and re-initialization strategies. The reactive power optimization for a county＇s distribution network showed that the improved ACOA was practicable.

Data-driven Reactive Power Optimization of Distribution Networks via Graph Attention Networks

Reactive power optimization of distribution networks is traditionally addressed by physical model based methods,which often lead to locally optimal solutions and require heavy online inference time consumption.To improve the quality of the solution and reduce the inference time burden,this paper proposes a new graph attention networks based method to directly map the complex nonlinear relationship between graphs(topology and power loads)and reactive power scheduling schemes of distribution networks,from a data-driven perspective.The graph attention network is tailored specifically to this problem and incorporates several innovative features such as a self-loop in the adjacency matrix,a customized loss function,and the use of max-pooling layers.Additionally,a rulebased strategy is proposed to adjust infeasible solutions that violate constraints.Simulation results on multiple distribution networks demonstrate that the proposed method outperforms other machine learning based methods in terms of the solution quality and robustness to varying load conditions.Moreover,its online inference time is significantly faster than traditional physical model based methods,particularly for large-scale distribution networks.

Dynamic reactive power planning method for CSP-PV hybrid power generation system

Aiming at the faults of some weak nodes in the concentrated solar power-photovoltaic(CSP-PV)hybrid power generation system,it is impossible to restore the transient voltage only relying on the reactive power regulation capability of the system itself.We propose a dynamic reactive power planning method suitable for CSP-PV hybrid power generation system.The method determines the installation node of the dynamic reactive power compensation device and its compensation capacity based on the reactive power adjustment capability of the system itself.The critical fault node is determined by the transient voltage stability recovery index,and the weak node of the system is initially determined.Based on this,the sensitivity index is used to determine the installation node of the dynamic reactive power compensation device.Dynamic reactive power planning optimization model is established with the lowest investment cost of dynamic reactive power compensation device and the improvement of system transient voltage stability.Furthermore,the component of the reactive power compensation node is optimized by particle swarm optimization based on differential evolution(DE-PSO).The simulation results of the example system show that compared with the dynamic position compensation device installation location optimization method,the proposed method can improve the transient voltage stability of the system under the same reactive power compensation cost.

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。

考虑系统稳定边界的同步调相机励磁与升压变参数联合优化

现有提升调相机动态无功特性的参数优化方法侧重于电磁参数的优化,这给生产企业带来较高的工艺要求和较大的成本压力。针对该问题提出考虑系统稳定约束的调相机励磁系统及升压变参数联合优化方法,分析其对电磁参数优化的可替代性。首先,推导了基于Park模型下调相机的无功频域特性,与6阶实用模型下的无功频域特性对比,基于调相机的Park模型可提升调相机动态无功特性的分析精度。然后,提出根据调相机并网系统的稳定边界确定参数的优化区间,采用频域灵敏度方法确定重点参数,并基于人工鱼群算法进行参数优化。最后,通过仿真结果表明,励磁系统与升压变参数的联合优化,可获得与仅优化电磁参数时相近的调相机动态无功性能,验证了电磁参数优化的可替代性,从而降低调相机的制造成本,扩大同步调相机的应用场合和范围。

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。

基于自注意力PPO算法的智能配电网多设备协同无功优化控制策略

针对智能配电网无功可调控资源多样化场景下的快速趋优难题,提出了一种基于多头自注意力近端策略优化算法的多设备协同无功优化控制方法。首先,将无功优化问题建模为马尔可夫决策过程;然后,在深度强化学习框架下使用多头自注意力改进近端策略优化(PPO)算法对策略网络进行优化训练,算法采用多头自注意力网络获取配电网的实时状态特征,并通过剪切策略梯度法动态控制策略网络的更新幅度;最后,在改进IEEE69节点系统进行仿真验证。结果表明,所提算法的控制性能优于现有先进强化学习算法。

考虑风电不确定性和储能灵活性的有源配电网有功无功协同鲁棒优化

提出考虑风电不确定性和储能灵活性的有源配电网有功无功协同鲁棒优化方法。首先建立计及储能四象限功率可调特性的有源配电网有功无功协同优化模型;其次给出储能约束条件和交流潮流方程的线性化表征方式;然后利用盒式集描述风电出力的不确定性,建立有源配电网有功无功协同鲁棒优化模型,并通过对偶变换得到混合整数线性规划形式的两阶段鲁棒主、子问题,采用列约束生成算法交互迭代求解;最后以IEEE33节点系统为例进行仿真验证。仿真结果表明,所提方法能够克服模型高度非凸非线性对其收敛精度和求解效率的影响,充分利用储能的无功调节能力,实现有源配电网有功无功协同鲁棒优化运行。

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。

考虑电力-交通耦合网动态协调的EV集群灵活性挖掘与优化调度

电动汽车(EV)作为兼具交通与能量双重属性的跨域主体,发挥其时空灵活性将助力电力-交通耦合网的协调运行。为此,文中考虑电力-交通耦合网综合效益,提出了EV集群调控策略。首先,基于弧阻抗函数构建了动态交通网络加载模型。其次,考虑EV用户的各特征参数存在的差异性与耦合性,构建了单体EV灵活运行域模型,并采用基于zonotope线性近似的闵可夫斯基和算法对其聚合,得到EV集群的时变灵活运行域。在此基础上,提出了动态交通流最优分配下EV集群灵活性调控的双层模型,迭代求解得到上下两层耦合变量构成的瞬时单位流量出行成本,从而引导EV的出行与充放电行为。最后,通过与最短路径引导策略进行比较,验证了所提EV集群调控策略的有效性。

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.

源网荷储协同优化的主动配电网日前调度

在“双碳”目标下新能源发展迅速,但其出力的不确定性会影响电网安全稳定运行,主动配电网具备对各类分布式能源组合控制的能力,是解决目前存在的新能源并网问题的有效手段,同时需求响应作为控制负荷侧资源的有效手段,与主动配电网相结合能够有效降低源荷双侧不确定性对电网的影响。构建“源网荷储”协同优化的主动配电网日前优化调度模型,以主动配电网收益最大为目标,综合考虑电动汽车参与需求响应、电网安全、储能电池配置以及各组成单元的成本及约束条件。仿真结果表明:所构建的主动配电网优化调度模型合理,能够降低有功网损,减小尖峰负荷,降低负荷峰谷差,提高配电网收益。

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。

基于安全强化学习的主动配电网有功-无功协调优化调度

提出一种基于离线策略的安全强化学习方法,通过离线训练大量配电网历史运行数据,摆脱了传统优化方法对完备且准确模型的依赖。首先,结合配电网络参数信息,建立了基于约束马尔可夫决策过程的有功无功优化模型;其次,基于原始对偶优化法设计了新型安全强化学习方法,该方法在最大化未来折扣奖励的同时最小化成本函数;最后,在配电系统上进行仿真。仿真结果表明:所提方法能够根据配电网实时观测信息,在线生成满足复杂约束条件且具有经济效益的调度策略。

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。

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。

基于非线性仿射的风电场电压实时计算和优化方法

该文提出一种基于非线性仿射的风电场电压实时计算和优化方法。首先,以网损和并网电压波动综合最小为目标,建立风电场多时段动态无功优化模型,利用半不变量法分析风电功率不确定性对机端电压的影响,采用改进内点法实现模型的高效求解;其次,提出一种非线性仿射方法,快速准确地获得计及风电功率波动后的系统电压状态,并通过计算风机无功调节量来实现系统电压实时优化;再次,设计考虑风电功率对机端电压和并网电压综合影响的事件触发算法,降低风电功率波动平缓时风机的无功控制频率;最后,在我国某实际风电场的仿真试验表明,非线性仿射法能够快速获得系统实时电压状态,电压实时优化方法能够有效地防止机端电压越限并减小并网电压波动。