基于一维卷积神经网络的配电网无功优化

深度学习和数据驱动技术的快速发展,为历史数据下的配电网无功优化提供了新的解决方法,提出了一种基于一维卷积神经网络的配电网无功优化方法.利用配电网节点的历史负荷数据,用优化算法得到对应的无功优化策略,并将无功优化策略进行二进制编码.通过训练一维卷积神经网络模型来映射配电网节点负荷和无功优化策略间的非线性关系,将训练好的模...     

基于图卷积网络的配电网无功优化

高级量测体系的建设和深度学习技术的快速发展使得不依赖于物理模型,而是通过挖掘历史数据和先验知识快速地找到最佳无功优化策略成为了可能。为此,提出了一种基于图卷积网络(graph convolutional network,GCN)的配电网无功优化方法。通过邻接矩阵来表征配电网节点间的拓扑信息,所提出的算法能够有效地挖掘节点负荷之间的相关性,并利用深层图卷积架构映射电力设备状态与负荷数据之间复杂的非线性关系。仿真结果表明,GCN的无功优化精度和鲁棒性皆优于卷积神经网络、多层感知机和案例推理等现有的数据驱动方法,且求解时间远低于传统的启发式算法,可以满足配电网无功优化实时性的需求。     

多时间尺度的配电网深度强化学习无功优化策略

随着高比例分布式电源的接入,配电网在应对源荷不确定性和协调多种无功补偿设备等方面面临较大挑战。该文提出一种基于优化数学模型与数据驱动方法相结合的配电网多时间尺度电压调节策略。该策略首先针对长时间尺度调节的有载调压变压器和电容器组,以最小化有功功率损耗为目标,建立基于混合整数二阶锥规划的日前无功电压优化模型。其次,为满足短时间尺度调度对于实时性的要求,提出一种基于多智能体强化学习的日内实时调度方法,将实时无功优化问题转化为马尔科夫博弈过程,并采用集中训练、分散执行框架。与传统方法相比,该方法通信开销低、实时性强并且不依赖于精确的潮流模型。最后,通过IEEE 33节点算例验证所提策略的有效性。     

含深度学习代理模型的有源配电网电压无功控制进化算法

分布式可再生能源的大规模接入,加剧了有源配电网(Active Distribution Network, ADN)的三相不平衡,容易导致系统电压越限与线损增加。然而,由于当前配电网量测设备安装不全,部分节点负荷数据难以准确获取,因此传统基于全局观测的ADN电压控制方法难以满足实际控制需求。为解决上述问题,提出一种含深度学习代理模型的电压无功控制(Volt/Var control, VVC)进化算法。设计以高速公路神经网络为代理模型,精确拟合局部量测负荷信息、调压控制策略与系统性能指标之间的映射关系。将训练后的代理模型嵌入非支配排序遗传算法的迭代寻优过程中,对电压偏移率、三相不平衡度及线路损耗指标进行直接计算,实现数据驱动的配电网VVC策略快速求取。在改进的IEEE 123节点三相配电网算例上进行测试,验证了所提算法的性能优势及求解效率。     

基于准实时数据的智能配电网理论线损计算

目前配电网自动化覆盖率低,可采集到的数据较少,因此提出一种基于准实时数据的理论线损计算方法。基于状态估计建立智能配电网理论线损计算模型,根据历史数据确定模型中负荷不等式约束上下界,采用内点法求解模型。所提模型可利用线路始端节点注入功率和部分变压器量测终端的量测数据估计配电网潮流状态。算例分析结果表明,所提模型所需量测量数量少,状态估计结果精度较高。     

配电网持续无功优化的深度强化学习方法

高渗透率分布式光伏的出力波动可能导致配电网电压波动大、网损提高和电容器投切需求频繁。但配电网节点监控覆盖率低、潮流建模难度大,需要在上述不利条件下实现对台区内持续电压无功优化。采用深度强化学习的方法提出了适用于低感知度配电网的连续无功优化方法。该方法将原问题转化为一个多步马尔科夫决策过程,以最小化网损和动作成本之和为优化目标,以离散无功调节设备的投切指令为控制变量,并采用基于行动者–评论家(actor-critic)的深度强化学习算法进行求解。针对配电网缺乏完整潮流模型和观测数据的特点,分别设计了用来拟合投切策略的Actor网络和用来拟合动作价值函数的Ctritic网络。所提方法用深度神经网络直接拟合系统状态到离散无功调节设备的投切动作的函数关系,在与实际配电网的交互过程中完成网络训练。相比传统方法,该无需潮流建模和分段决策,且不依赖于日前的负荷与分布式电源出力预测,可以实现在线的多时间断面下的连续无功优化,提高了系统运行经济性。     

基于数据驱动和深度置信网络的配电网无功优化

随着分布式电源和随机负荷电动汽车等的大量接入,配电网的运行环境日益复杂,对在线无功优化及其快速性提出了更高的要求。该文将"深度学习"引入配电网无功优化,提出了基于深度置信网络的无功优化方法。通过构造高维随机矩阵,从配电网运行数据中提取统计特征作为输入,将历史控制策略进行编码作为输出,利用先无监督后有监督的方式训练深层架构,学习系统特征与无功优化策略之间的映射关系,建立基于数据驱动和深度置信网络的配电网无功优化模型。基于改造的IEEE-37节点主动配电网仿真模型,对比分析了历史数据量和分布式电源渗透率场景对传统优化方法,场景匹配方法和所提方法的无功优化效果的影响。结果表明,所提方法可明显降低网络损耗和节点电压偏移,它不依赖于系统的模型和参数,在线决策速度快,且对历史数据量要求较低,在高渗透率分布式发电等未知场景下仍能表现优良,验证了该方法的正确性、有效性和较强的鲁棒性。     

基于量测数据补全的有源配电网电压优化技术

有源配电网由于分布式新能源影响，电压存在越限的风险，但配电网实时量测仅可部分观测，优化问题无法求解。针对这个问题，提出了一种基于量测数据补全的有源配电网电压优化技术。在仅能获得部分节点实时量测的状态下，采用增强生成对抗网络补全算法，得到完整的配电网量测数据。根据补全的实时数据，计及补全误差，设计电压误差修正模型，修正优化电压目标，在电压越限时对配电网电压进行优化，提高电压质量。通过IEEE 33节点算例验证了所提方法相对于生成对抗网络在部分实时观测的情况下能够高精度补全缺失量测数据，降低电压波动，提高配电网运行的稳定性。     

基于负荷监测系统的配电网潮流计算

负荷监测系统能够实时采集指定10千伏馈线上配变负荷的有功、无功等数据信息,基于这些信息,本文提出了基于负荷监测系统的配电网负荷数学建模方法,在对所有网络元件建模的基础上,进一步使用前推回代配电网潮流算法进行潮流计算,可以得到配电网所有节点的电压、相角和总有功、无功损耗等信息,为电网运行管理人员的决策提供参考。通过对松江电网某条实际运行线路的潮流计算分析,得到不同网络参数对电网运行指标影响的一般规律,进一步验证了负荷监测系统在配电网运行分析、指标评价等方面的重要作用和应用潜力。     

基于约束型深度强化学习的主动配电网 电压控制策略

随着分布式电源与随机性负荷的大量接入,配电网的电压波动问题变得愈发严重。主动配电网能通过各种电压无功控制器平抑电压波动,但通常需要求解一个复杂的混合整数二阶锥规划问题,难以做到实时控制。文中利用深度强化学习建立了一个主动配电网实时电压控制模型,能快速得到满足潮流约束的控制策略。采集节点有功、节点无功、设备档位、时间步作为环境状态变量;以和网损及设备操作相关的费用作为回报函数来协调三个控制设备;通过基于长短时记忆网络的约束型强化学习来求解,从而建立主动配电网实时电压控制模型。基于4节点测试系统和IEEE-33节点测试系统进行了仿真,仿真结果表明,所提的深度强化学习方法能确保潮流约束,电压控制模型能实时控制电压无功控制器,以保证配电网的电压质量。     

带蓄电池储能系统的DSTATCOM有功无功联合优化控制

蓄电池储能系统接入配电网静止同步补偿器(B-DSTATCOM)进行有功无功联合控制可有效缓解高波动性分布式电源大量接入配电网导致的电压越限、网损加重、三相不平衡度增加等系列问题。对此,文中提出一种计及光伏发电的不平衡主动配电网B-DSTATCOM实时有功无功联合优化控制策略。首先,对B-DSTATCOM四象限运行原理进行研究,在此基础上以电压偏移、网损、电压不平衡度及运行成本为子目标函数建立B-DSTATCOM实时有功无功联合多目标优化控制模型,并采用加权求和法、改进粒子群优化及直接潮流法求得最优控制方案。最后,基于澳大利亚某实际含光伏低压不平衡配电网进行MATLAB仿真,验证所提方法及模型的有效性、实用性和鲁棒性。     

考虑三相不平衡的配电网无功优化运行策略研究

提出了配电网电压无功优化运行策略。以三相配电网潮流计算为基础．考虑了系统的日负荷变化曲线、配电系统实际的三相不平衡状态,以及电容器组和有载调压变压器分接头的实际操作次数约束,应用遗传算法获得一天内电容器组三相分相投切和有载调压变压器分接头位置的最优调度方式。对IEEE36节点算例系统和某城区实际配电网系统进行了验算．计算结果表明该方法可行、有效。     

含柔性多状态开关的主动配电网有功-无功协调动态优化

多端柔性多状态开关(FDS)作为可实现功率实时调控的装置,有利于实现主动配电网的运行优化。文中基于FDS接入配电网的拓扑和运行数学模型,建立含FDS支路的配电网有功-无功协调动态优化运行模型:构建多时间尺度有功-无功调度架构,以最优网损和电压均衡为目标函数,并考虑计及系统安全和断面动作限制的运行约束条件。为提高多断面潮流模型的求解效率和松弛精度,提出针对二阶锥规划和非线性规划的模型求解优化方法,并利用求解工具集SCIP等算法包获取测试结果。最后,依托实际工程数据,在含三端FDS主动配电网系统中展开仿真测试,结果呈现了FDS接入对主动配电网电能质量改善、运行策略优化和潮流智能分配的积极影响,并验证了所述方法的寻优稳定性和计算高效性。     

考虑交流潮流校正的日内滚动发电计划模型与方法

为了提高日内滚动发电计划的计算效率和潮流计算精度,采用直流潮流建立日内滚动发电计划优化模型,考虑基态和N-1故障方式下的网络安全约束,从而高效求解滚动发电计划; 基于机组有功出力计划,结合无功负荷预测和无功补偿设备投切情况,建立以有功出力调整量最小为目标的交流潮流校正模型,对有功出力计划进行修正,从而提高计划潮流的准确性,满足实时运行的精度要求。基于实际电网的算例分析表明,该方法能够有效提高优化计算效率和潮流准确度。     

多随机参数下的配电网多目标无功优化

针对实际中时序性负荷模型难以直接运用于无功优化的问题,提出基于枢轴量法的负荷建模新方法。由于配电网中多随机参数是并行的,提出基于贝叶斯公式时空解耦的配电网系统场景划分策略,建立多随机参数下的配电网多目标无功优化场景概率模型。最后运用改进的IEEE33标准节点测试系统验证上述模型的有效性,结果证明了此文方法是高效和灵活的。     

考虑多种调节手段的配电网经济运行优化

由于配电网中有功与无功功率存在强耦合关系,传统将有功、无功分别优化的处理方法无法让配电网处于最优经济运行状态,且负荷需求和分布式发电出力的不确定性也给配电网运行带来巨大挑战。基于此,以支路潮流模型为基础,提出一种考虑多种调节手段（包括有载调压变压器、电容器组、静止无功补偿装置、储能装置以及开关重构）的配电网两阶段鲁棒经济运行优化方法,并将非线性潮流约束进行二阶锥松弛,从而将经济运行优化模型转化为混合整数二阶锥规划问题进行有效求解。为解决负荷需求和分布式发电出力的不确定性,采用两阶段鲁棒优化方法,并通过列与约束生成（column-and-constraint generation,CCG）算法进行求解获得各调节措施的最优鲁棒运行策略。最后通过IEEE 33节点验证了所提模型的有效性。     

主动配电网自动电压控制系统架构设计

针对配电网中引入大量分布式电源后运行特性和无功电压特性与传统配电网的显著差别,提出了基于配电自动化系统的主动配电网自动电压控制系统架构。以馈线实时拓扑连接为基础,提出以无功可调设备为控制对象的自治控制区域划分方法。设计了以自治控制区域作为控制单元的电压无功控制策略,包括电压控制分区策略、电压越限控制策略、馈线无功越限控制策略及与其他系统的协调控制策略和安全闭锁策略,并给出了主动配电网自动电压控制系统的整体流程。结合实际案例验证了文中所述主动配电网自动电压控制系统架构是一种在配电自动化系统层面进行电压无功控制的有益探索。     

基于数据驱动的有源配电网实时调度降损策略

农村配网通常接入有较大容量的小水电等分布式电源,在向上级电网反送电能的过程中造成了大量的线损,因此本文提出了一种实时调度策略旨在降低配电网的线损。首先,考虑分布式电源的有功无功控制以及有载调压分接头的控制,基于支路潮流模型建立了配电网调度降损模型;进一步,通过构造高维随机矩阵,从配电网运行时间序列数据中提取能够表征运行状态的特征作为输入,对配电网历史调节策略进行热编码作为输出;然后利用深度双向长短时记忆网络学习配电网特征与网络降损策略之间的函数映射关系,建立基于数据深度学习驱动的有源配电网实时调度降损模型。最后,基于实际有源配电网系统进行了仿真,仿真结果表明所提出的实时调度算法能在保证小水电上网收益的前提下,优化小水电的出力曲线,提高分布式电能的就地消纳率,从而降低了网损。     

计及分布式电源功率不确定性的配电网多目标无功优化

建立以有功网损和节点电压偏差最小为目标的有源配电网无功优化模型,计及分布式电源和负荷功率的不确定性,采用两点估计法(two-point estimate method,TPEM)计算有源配电网随机潮流,并求解优化模型中的目标函数。正态分布交叉(normal distribution crossover,NDX)算子引入到带精英策略的快速非支配排序遗传算法(NSGA2)中,扩大了算法搜索范围、加强了算法全局搜索能力,对有源配电网多目标无功优化模型进行求解。通过IEEE 33节点系统中的算例验证了所提出有源配电网多目标无功优化方法的正确性和有效性。