基于集群划分的高渗透率分布式系统无功优化

可再生能源在电力系统的渗透率不断增长,大规模分布式电源的接入对电力系统的优化调度带来新的挑战。在考虑分布式电源大规模接入的基础上,对电力系统进行集群划分和无功优化研究。首先引入改进的电气距离的概念,以此作为聚类算法的距离量度,应用谱聚类方法,将含高渗透率分布式可再生能源系统划分为若干亚群落,并确定各集群内关键节点。再以网损和电压波动最小为优化目标,调节关键节点处光伏逆变器的无功功率,达到减小网损和稳定电压输出的目的。为求解所建立的双目标无功优化问题,提出基于改进粒子群优化算法的智能调压策略,对多个亚群落进行无功优化。将集群划分方法和无功优化策略应用于IEEE 33节点标准系统,提高了节点电压稳定性,降低了网损。针对大规模分布式能源系统,进一步提出快速智能调压策略,应用于安徽省金寨县某台区实际系统,得到良好控制效果,且在调节时间、运行成本、投入成本方面均有大幅削减。     

基于集群划分的含分布式光伏配电网有功-无功多目标优化

随着高比例分布式光伏并网,配电网潮流随光伏出力波动,系统有功-无功优化面临新的挑战。建立了配电网网损最小、光伏消纳量最大和电压偏移最小的多目标优化模型,通过调节光伏逆变器出力和无功补偿设备的投切,实现配电网网损最小、光伏消纳率最大和电压偏移最小的目标。建立了基于电气距离和区域电压调节能力的集群性能指标计算方法,并基于指标计算结果将配电网划分为多个子集群,利用NSGAIII算法对子集群进行有功-无功优化。最后以一条实际10 kV配电线路和IEEE123系统为算例仿真验证,计算结果表明经划分后对子集群进行有功-无功优化相比于全局优化可以提高光伏消纳率、减少系统网损和减少节点电压偏移。验证集群划分方法和有功-无功优化模型的有效性。     

基于分布式光伏集群协同优化的配电网电压控制策略

随着分布式光伏在配电网中渗透率的增加,负荷与光伏出力波动等原因引起的配电网电压越限问题日益凸出。为此,提出一种基于分布式光伏集群协同优化的配电网电压控制策略。首先,通过电气距离模块度指标对配网进行集群划分;然后,通过无功电压灵敏度矩阵选取各集群的主导节点,并利用集群电压偏差度判定各集群电压状态。危险集群的光伏逆变器采用就地控制模式调压;安全集群的光伏逆变器采用可变功率控制模式。利用集群之间无功电压的灵敏度,将安全集群与危险集群进行协同配合,从而使整个配电网电压运行在安全域内。最后,根据某实际配电网41节点系统的算例证明,基于光伏集群协同优化的配电网电压控制策略,比统一下垂控制和统一功率优化控制的效果更佳,能够有效提升配电网电压质量。     

基于AP-WOA-GRU的分布式光伏集群电压越限动态预测

针对整县光伏背景下规模化分布式光伏接入配电网导致的电压波动问题,提出了一种基于近邻传播聚类（affinity propagation,AP）与鲸鱼算法（whale optimization algorithm,WOA）优化门控循环单元（gated recurrent unit,GRU）的分布式光伏集群电压越限预测方法。首先,在考虑分布式光伏地理坐标气象特征的基础上,添加基于配电网节点负荷密度因素的位置特征,采用近邻传播聚类方法,在不指定聚类数目的情况下划分具有近似气象特征和地理位置特征的分布式光伏集群,提高模型训练效果及适应性;然后,采用鲸鱼优化算法全局搜索GRU模型的最优训练参数,进一步提高模型的训练速度和预测精度;最后,利用WOA-GRU组合模型实现配电网节点电压与环境温度、光照强度的关联匹配,进而实现区域配电网电压波动及电压越限情况的整体预测。实验证明:所提出的方法能够有效提高预测精度及训练速度,强化预测模型的适应能力,具有较好的经济性和实用性。     

考虑灵活性供需鲁棒平衡的两阶段配电网日内分布式优化调度

大规模分布式光伏等分布式电源接入电网增大了配电网对调度灵活性的需求及传统集中调控模式的难度。为此,提出一种考虑配电网灵活性供需鲁棒平衡的两阶段日内分布式优化调度方法。第1阶段,考虑净负荷不确定性与配电网灵活性供给能力,提出分布式电源集群的灵活性供需鲁棒平衡指标,并结合模块度指标建立了配电网分布式电源集群划分模型;第2阶段,根据配电网分布式电源集群划分结果,建立适用于分布式电源集群的日内分布式优化调度模型,并采用同步型交替方向乘子法进行了求解。最后,以IEEE 33节点系统为例验证了所提方法的有效性。     

考虑分布式电源集群无功调节能力的配电网无功优化

近年来，光伏、风电等分布式电源大规模集群并网，增加了无功优化的难度。而现有研究并未考虑分布式电源集群(distributed generation cluster,DGC)并网后出现较大无功缺额时的电压越限问题。因此，研究了DGC容量特性曲线，当系统出现无功不足时，通过减载集群有功出力，提高集群无功出力范围，以满足系统无功需求。建立了含DGC的配电网无功优化模型，从配电网安全运行方面考虑，将电压偏差、网络损耗以及购电费用作为优化目标，通过ε约束法刻画多目标问题，并调用算法包进行求解。最后在IEEE33节点算例上验证了模型的有效性。     

考虑光伏集群无功贡献的配电网无功电压优化调节方法

为协调运用配电网各类调压资源,实现经济、灵活的电压控制,整合中高压配电网各类无功治理设备,提出考虑低压光伏无功集群贡献的配电网电压无功控制资源协调运行优化方法。针对配电网低压侧分布式小容量离线运行光伏电源,设计了3种光伏集群无功运行模式,使其按模式预设在线自律运行。提出低压光伏集群无功管控策略,建立配电网电压无功控制资源协调优化模型。采用最优分割联合优化方法对变压器分接头及电容器组的切换时间及切换状态进行优化,在此基础上得出光伏集群无功运行模式及其他治理设备无功输出优化结果。采用前推回代潮流计算嵌套粒子群优化的算法进行求解。仿真算例证明了所提方法的合理性及有效性。     

考虑主动管理的配电网分布式光伏并行优化配置

主动管理技术的快速发展为分布式光伏发电大规模接入配电网提供了可能。将主动管理与分布式光伏优化配置相结合,以分布式光伏的安装位置、容量和主动管理措施为决策变量,建立以分布式光伏能量渗透率最大和电压偏差最小为目标函数的优化配置模型;利用基于二分K-均值聚类的多场景分析法处理光伏出力和负荷的不确定性及时序特性,克服K-均值聚类场景缩减对初始质心选取敏感的缺陷;提出基于并行计算的多场景分析和多目标分子微分进化算法对优化模型进行求解,得到配电网分布式光伏最优配置方案及主动管理策略。IEEE 33节点配电系统仿真结果表明,所提优化配置方法可有效提高分布式光伏消纳量并保证供电质量。     

用于配电网过电压平抑的分布式光伏多模态协调控制算法研究

随着我国的能源转型进入关键时期,分布式光伏在配电网的大规模应用已成为重要趋势.然而在光伏功率过剩时可能引起配电网过电压、逆潮流等问题,威胁配电网的安全稳定运行.传统配电网调压方法如有载调压、定点无功补偿、大规模弃光等,存在调压性能有限、经济性差、光伏利用率低等缺陷,不再适用于含大量分布式光伏的配电网.因而本文充分发掘分布式光伏的调控潜力,从单机调控与多机协调两方面优化配网台区潮流,从而在提升光伏发电利用率的同时,实现对配电网过电压平抑.文章在配电网电压灵敏度分析的基础上,首先对分布式光伏系统运行的多种模态进行划分,在优化了传统的光伏无功控制方案基础上,进一步加入了有功功率削减模式,实现单机光伏系统对连接点电压的控制与优化;同时考虑单机调控能力受限时,依据灵敏度排序进行分布式光伏间的协调优化,通过单机与多点多机两个层面的协调优化与综合调控的配电网台区的电压优化控制.经验证,本文所提的分布式光伏系统优化协调算法,能够提高电压调节的效率,并且有效减少分布式光伏系统的弃光率.     

含固态变压器新型配电网动态无功多目标优化

风机和光伏电池等分布式电源(distributed generator, DG)大量接入配电网会导致电压波动和网损增大等问题,需要对动态无功进行优化。但是由于风光存在的不确定性会影响动态无功优化的效果,因此提出了一种含固态变压器新型配电网动态无功多目标优化方法。首先,通过 Weibull 分布和 Beta 分布对风速和光照强度进行曲线拟合,再采用风机和光伏电池出力公式生成 DG 出力模型。其次,通过蒙特卡洛仿真抽样法对上述模型进行抽样,生成上千个DG日出力场景,并采用k-means 聚类算法将上千个场景聚类成k个典型场景,以缩短随机潮流计算时间。再次,以IEEE33 节点系统为基础,建立含固态变压器有源配电网方案和含有载调压变压器有源配电网方案,以日内网损和电压波动最小为目标,采用改进型多目标灰狼算法对两种方案的相关参数进行优化。最后,以优化后的相关参数进行仿真和对比,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。     

基于粒子群算法的电磁装置优化设计

简要介绍了粒子群的算法及其特点,详细分析了粒子群算法和罚函数法相结合应用于电磁装置优化设计的若干问题。以某型号电磁继电器优化设计为例进行例示。设计结果证明了该算法的有效性。     

运用混合优化算法求解包含离散变量的无功优化问题

利用遗传算法和传统优化方法的互补特性,采用混合优化方法求解包含离散和连续变量的无功优化问题。遗传算法的选择、交叉和变异操作仅作用于离散变量,对种群进行全局广度搜索,运用传统优化方法对种群个体中的连续变量进行优化使其移动到局部最优点上。为保证对连续变量的优化效果,选择了基于函数变换与广义逆的优化新算法。混合优化算法模型简单规范,遗传算法擅长处理离散变量和传统优化方法速度快、数值稳定性好的优势得到发扬。算法实用性和有效性通过算例及工程应用得到验证。     

基于粒子群算法的故障测试集优化

为加速测试进程和减少测试开销,数字集成电路在生成测试矢量后必须进行故障测试集的优化。文中利用粒子群优化算法生成最小完备测试集,根据故障测试集优化问题的具体特点,构造粒子的表达方式和编码规则,建立粒子群的速度一位置模型;同时为提高优化效率,引入混沌优化算法来初始化粒子群。实验结果表明,在测试生成后,该方法能在较短的时间内生成最小完备测试集,验证了它的实用性和有效性。     

基于微粒群优化算法的电力系统动态无功优化

根据系统负荷曲线变化趋势按单调性将一天的预测负荷曲线划分为若干(小于24)个时段，并将动作次数约束还原为经济成本，将它与网损费用等之和作为目标函数，并考虑了各种运行约束条件，采用微粒群优化算法进行计算，该算法收敛速度较快。与静态无功优化模型相比表明，该无功优化模型更适合给定的地区电网，优化后全天的网损略有增大，但变压器抽头调节次数以及电容器组投切次数明显减少。     

采用改进鲸鱼算法的配电网综合优化

为了解决配电网重构与无功优化问题,将线路开关与无功补偿容量同时作为控制变量对配电网进行综合优化.建立以网络损耗、电压改善度、负荷均衡度和开关动作次数为目标的配电网综合优化模型.针对传统鲸鱼算法初始种群分布不均、缺少全局交流、容易陷入局部最优等问题,利用Sobol序列生成分布更均匀的初始鲸群,引入自适应权重调整系数,改进...     

混合粒子群算法在PSS参数优化中的应用

通过采用一种新的混合粒子群算法对多机系统的电力系统稳定器(PSS)进行参数优化,以达到更好的低频振荡抑制效果.引入交叉操作的混合粒子群优化算法是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的改进粒子群算法(PSO).用Matlab软件进行仿真,结果表明,该方法设计的PSS稳定性有较大提高.     

基于动态多种群粒子群算法的无功优化

提出了一种基于动态多种群策略的改进粒子群算法。该算法将传统粒子群优化算法(particle swarm optimization,PSO)中的种群划分成多个子群,每个子群相对独立地朝同一目标进化,仅通过一种轮形结构的弱联系进行交流。在进化过程中各种群不断分裂和聚类重组,动态调整种群规模以更好地适应进化。该算法可以较好地避免PSO算法过快收敛于局部最优解,并且有较快的收敛速度。文中将该算法应用于求解电力系统无功优化问题,并与标准PSO算法的性能进行了对比,仿真计算证明该算法是有效、可行的。     

基于粒子群算法的VSC-HVDC控制参数优化

随着大功率电力电子技术的发展,电压源型直流输电得以实现,为了简化这种新型的直流输电方式控制器设计和提高系统鲁棒性,采用了结合PI控制器的双闭环控制。以两端均为有源网络的电压源型直流输电系统为研究对象,以Matlab/Simulink为研究平台,利用粒子群优化算法,对VSC控制器参数进行了优化。建立直流输电的暂态数学模型,据此分析其控制器结构,选定需要优化的控制参数。将粒子群算法程序与直流输电仿真模型结合进行仿真计算,通过多次迭代得出优化的控制器参数,并与原始参数进行系统性能对比,验证该方法的可行性。     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。