数据驱动的高比例新能源发电集群分布式电压控制

大规模分布式新能源发电接入引起的电压越限和网损升高问题给主动配电网的安全稳定运行造成了巨大挑战.特别是中低压配电网中的新能源发电集群模型参数精确性有限,将影响传统基于模型的配电网电压控制方法效果.为此,提出了一种基于数据驱动的高比例新能源发电集群分布式电压控制方法.首先,基于集群海量运行数据采集,通过Koopman方法...     

基于分布式牛顿法的微电网群分布式优化调度方法

多个微电网以自组织的方式连接成为自治实体并接入配电网运行,能够显著提高供电可靠性并降低运行成本。提出了一种针对微电网群优化运行的全分布式算法,旨在替代传统集中协调的方式,解决系统对灵活性、可靠性和经济性的要求。该方法基于点对点通信,只需要稀疏通信网络上的相邻节点交换信息,且通信负担很轻。首先介绍了微电网群优化模型,随后结合具有二阶收敛速度的分布式牛顿法和基于一致算法的信息传递,实现了微电网群运行成本的全分布式运行优化。算例结果表明,该方法具有相较一阶分布式算法更快的收敛速度,且受通信拓扑的影响更小,证明了该方法的可靠性和可扩展性。     

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。     

基于状态空间映射的模型不完备风电场调频能力在线评估方法EI北大核心CSCD

为了保证风电机组的转速安全,在风电场参与调频前,需要首先评估风电场的最大调频能力。由于风电场风机数量众多、动态特性复杂,传统基于模型分析评估风电场调频能力的方法难以实现解析求解,且验证依赖模型的完整度和精确性。提出一种数据驱动的风电场调频能力模型评估在线方法,通过利用状态空间映射将原本复杂的非线性模型转化为高维空间中的线性模型。该方法综合数据驱动和模型分析方法,可以直接利用风电场真实运行数据进行离线训练,训练数据无需覆盖调频极限场景,即可构建全局线性模型,从而在线精准评估风电场极限调频能力。算例结果证明,该文方法相对于传统风电场调频能力评估方法具有能够快速在线解析求解、不依赖模型精度、训练数据易获取的性能优势。