含DG随机出力的配电网多目标无功优化

针对分布式电源(DG)出力具有间歇性和不确定性的问题,建立了基于两点估计法(2PEM)含DG随机出力的配电网概率潮流计算模型,并将基于Pareto最优前沿解集的多目标进化算法(MOEA)与两点估计概率计算模型相结合,建立了以网损、节点电压偏移量及优化成本为目标函数的多目标无功优化模型。将该优化模型应用于IEEE33标准节点测试系统中的仿真结果表明,该方法具有较好的适应性,能为决策者提供多样性选择,增加了决策的灵活性。     

含分布式电源的基于区间仿射算术的电网动态无功优化

为了能够准确地描述分布式电源出力的不确定性和负荷波动性,延长控制设备使用寿命,降损节能,提出了一种含分布式电源的基于区间仿射算术的电网动态无功优化方法。用区间数表示每一时段负荷、分布式电源出力的波动情况,进行了基于区间仿射算术的潮流计算。以全天24个时段总网损最小和全网所有节点电压越限惩罚最小构成目标函数,增加了控制变量连续时段动作约束。将区间仿射算术和自适应粒子群(算法结合,进行静态无功优化,形成控制设备预动作表,并进行动态调整。最后,通过改进的IEEE 30节点系统进行案例分析,仿真结果表明了该方法的有效性。     

基于混沌并行差分进化算法的含风电配电网无功优化

将风电机组接入配电网,其出力的间歇性、随机性使得传统无功优化模型不再适用。为此,采用场景分析法对双馈异步发电机（doubly fed induction generator,DFIG）的出力情况进行探讨,建立了含DFIG的配电网无功优化场景模型。考虑DFIG的灵活无功调节能力,建立以降低系统网损、抑制电压波动为综合目标的模糊无功优化模型。通过蒙特卡罗仿真对配电网系统进行无功补偿选址,采用带反馈的混沌并行差分进化算法（chaotic parallel differential evolution algorithm with feedback,CPDEF）求解含DFIG的配电网无功优化问题。通过IEEE 33节点系统对所提出的无功优化模型进行仿真计算,结果表明系统网损得以明显降低,电压水平明显改善,并证明了所提方法的可行性和有效性。     

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。     

基于DFIG与SVC的风电场无功电压协调控制策略

针对风电场的无功电压问题,构建了风电场模型,提出了一种综合考虑双馈风电机组（doubly-fed induction generator,DFIG）和静止无功补偿器（static var compensator,SVC）的无功电压协调控制策略。建立了综合考虑风电场公共接入点（point of common coupling,PCC）的电压偏移量和无功源的无功裕度的目标函数。基于混沌量子粒子群算法对风电场进行无功电压控制,通过协调DFIG和SVC的无功出力,使得风电场PCC的电压满足要求,同时提高其无功源的无功裕度。最后,以华北某风电场为例进行算例分析,验证了所提无功电压协调控制策略的可行性及有效性。     

基于大数据的配电网谐波经济损失评估方法研究

为了解决目前配电网谐波经济损失评估缺乏统一、科学的评估体系的问题,以电力大数据平台为基础支撑,建立了包含数据层、指标层和应用层的配电网谐波经济损失评估体系总体架构,构建了谐波经济损失评估指标体系.对常规粒子群算法进行改进,并和径向基(RBF)神经网络结合,利用混沌自适应粒子群优化的RBF(CAPSO-RBF)神经网络进行谐波网损评估.将Simoni模型与交联聚乙烯(XLPE)电缆谐波线芯温升模型结合,得到了谐波影响下的XLPE电缆绝缘老化寿命评估模型.案例分析证明了方法的可行性,验证了评估体系的合理性和电力大数据的优势.     

考虑安全性的含风电场配电网动态无功优化

研究了双馈异步发电机(DFlG)的灵活无功调节能力,将其无功输出作为连续控制变量参与配电网动态无功优化。鉴于DFIG有功输出功率的波动性,提出了一种基于DFIG有功输出功率变化趋势的自适应分时段法。鉴于目前配电网无功优化重视经济性而轻视安全性的情况,提出了同时考虑经济性与安全性的无功优化目标函数。对配电网进行分区,计算其各区域的安全性指标,将该安全性指标权重加入到安全性目标函数中,并采用改进差分进化算法和内点法分别对离散控制变量和连续控制变量交替求解。最后,利用IEEE 33节点系统对本文所提出的动态无功优化模型进行仿真分析,结果表明系统网损得以明显降低,其配电网安全性也得到提高,证明了该方法的可行性和有效性。     

基于量子人工蜂群算法的风电场多目标无功优化

为了分析风机的不确定性出力对电网运行的影响,建立了风电场的概率模型,利用两点估计法(2PEM)进行概率潮流计算。然后,建立了综合考虑有功网损、电压偏移量和静态电压稳定裕度的多目标无功优化模型,并通过层次分析法(AHP)确定各个目标函数的权重,避免了人为主观臆断性。提出了量子人工蜂群算法,并将该算法和前述的概率潮流计算相结合应用到风电场无功优化当中。最后,以IEEE 14节点系统为例,将风电场接入该系统进行无功优化,并和传统的人工蜂群算法(ABC)进行比较,结果表明量子人工蜂群算法优化效果更好,具有更高的收敛精度,有效地避免了早熟现象。     

基于SAGA聚类分析的无功电压控制分区

无功电压控制分区(VCA)可描述成一种空间聚类问题。文章基于SAGA的聚类方法,首先利用包含系统所有节点的满维灵敏度矩阵,计算出各节点间的空间电气距离,构造多维空间的数据集,将SA和GA算法的优点融合到模糊C-均值聚类算法中,一次性对系统各节点进行分区。对IEEE39节点系统进行归类,验证该方法的有用性、可靠性。