面向配网变压器群集的负载均衡优化方法研究

为解决配电网中变压器的负载率存在较大差异导致的配电网网损增大的问题,提出了一种在1个优化周期内而不是1个时间断面上开展运行优化的负载时空均衡优化方法.以开关设备的开闭状态为优化变量,以变压器群集的有功损耗最小为目标函数,确定配电网在优化周期内的重构方案.在网络拓扑给定的条件下,通过灵活调整分布式电源的无功出力和变压器分接头优化配变群集的节点电压进行仿真,仿真结果表明本文所提方法可以有效降低配变群集的网损,提高节点电压质量.     

基于状态空间线性变换的主动配电网分布式电压控制

大规模分布式发电的接入使得主动配电网电压控制问题日益凸显。受限于配电网模型参数的精度,传统集中式的电压控制和基于模型的分布式电压控制策略效果受到显著影响。提出了一种基于状态空间线性升维变换的主动配电网分布式电压控制方法。通过矩阵分裂方法实现了海森矩阵的分布式求逆,将分布式控制收敛速提升至超线性收敛。基于Koopman数据驱动方法,利用配电网历史运行数据作为训练样本,构建高维线性精确潮流模型,从而推导得到电压-无功全局灵敏度,以此校正分布式牛顿控制中的迭代方向。算例结果证明,相比依赖于模型的分布式电压控制方法,所提方法具有更快的收敛速度和更优的控制收敛结果,且不受参数不精确问题影响,具有更强的工程适用性。     

基于智能加权混合模型的新型电力系统电量预测方法

随着电力系统的转型升级,新型电力系统的能源供应和消费发生了巨大的转变,因此对电量预测提出了更高的要求。月度电量的准确预测为新型电力系统的优化调度和电力市场的营销计划提供可靠的依据。在深入挖掘历史电量数据、综合分析月度电量特征及相关因素影响的基础上,结合Prophet算法和KELM神经网络算法各自的优势,提出了一种考虑气温、经济水平和节假日的月度电量组合预测方法。首先基于月度电量数据建立了Prophet预测模型,并进行了参数调优过程;其次利用KELM神经网络建立了基于历史电量、气温、GDP、节假日信息的预测模型,并通过参数调优确定最佳预测模型;最后,以加权组合的方式,建立月度电量组合预测模型。通过算例分析,比较了组合算法和其他算法的预测误差和预测效果,表明了本文所提组合模型在预测精度方面有所提升,验证了预测算法的有效性。