基于非参数估计的在线电压预测

随着电网规模扩大、复杂度加深,对在线潮流计算确定节点电压提出严峻挑战,通过电压对无功的响应数据来快速精确预测电压发展趋势具有重要意义。提出基于非参数估计的节点电压快速预测方法,以系统负荷水平、无功激励为输入,节点电压为输出,以均方误差作为电压预测精度的指标,衡量预测效果。最后将该方法的预测结果与传统神经网络、自适应神经网络的预测结果作比较分析。通过IEEE 24节点系统标准算例验证表明,非参数估计方法具有较强的电压拟合能力和外推能力,其预测精度与神经网络算法的预测精度相当。     

基于神经网络的法向阻抗模裕度快速计算方法

为在线快速评估电力系统当前电压稳定性,建立了遗传算法优化的BP神经网络电压稳定评估模型。基于一般非线性方程极值分析原理,推导出系统静态电压稳定判据,由此提出评价系统静态电压稳定性的负荷法向阻抗模裕度指标(the normal impedance modulus margin index,NIMMI)。对比戴维南阻抗模裕度指标,法向阻抗模裕度指标的线性关系更好,适用于神经网络电压稳定在线预测。在系统同步功率扰动情形下,将系统薄弱区域节点的负荷有功、无功功率与节点的NIMMI值建立非线性映射关系,由此建立了以法向阻抗模裕度指标为样本的神经网络评估模型。用遗传算法优化BP神经网络的权值和阈值,提高了预测精度。Matlab仿真结果表明:相比传统潮流计算,法向阻抗模裕度指标的计算速度大大加快,更有利于实现系统电压稳定性的在线快速预测。     

节点图和边图切换卷积驱动的快速静态安全分析方法

针对预想事故在线分析中,实时性要求和时域方程计算复杂性之间的矛盾,提出了一种基于图卷积神经网络的潮流计算模型,进而实现快速预想事故分析.该方法包含了一个基于节点图和边图切换卷积的快速潮流计算模型,能够实现多场景的新能源出力、负荷数据与支路潮流、节点电压之间的非线性关系的快速拟合.针对不同预想事故导致的网络结构变化设计了...     

用于改进潮流计算中PV-PQ节点类型转换逻辑的非线性规划模型

由于无功容量的限制,电力系统潮流计算中经常要进行PV-PQ节点类型转换,传统转换逻辑容易引起数值振荡,甚至错误识别节点类型而导致潮流发散。针对该问题,文中提出一种非线性规划模型以改进PV-PQ节点类型转换逻辑,采用现代内点算法求解。模型以无功容量作为约束条件,通过目标函数控制系统电压,避开了节点类型转换。同时,无功的优化配置可以增强维持系统电压的能力,增大无功裕度;结合现代内点法求解,模型表现出了处理大规模和重负荷系统的优良性能。对IEEE-118系统和一个实际系统的仿真验证了该模型的优势。     

基于潮流估计和分块负荷削减的配电网可靠性评估算法

基于中压配电网闭环设计、开环运行的特点,以及元件电压降落、功率损耗及树状网络潮流分布的特点,推导出了节点电压、支路传输功率与支路阻抗的关系。在节点负荷矩基础上推导出了计算和修正节点负荷矩的等值阻抗和等值功率计算公式;提出了配电网故障解析中负荷转移后的电压估计模型、送端馈线潮流估计模型和受端馈线潮流估计模型,提高了可靠性评估中元件故障状态下潮流计算的效率。以分块链表简化配电网的结构并给出分块负荷削减的模型,实现了计及潮流约束的配电网可靠性评估。IEEE 33节点系统和工程算例仿真表明,文中提出的负荷削减模型与潮流估算模型相结合可快速、准确地实现中压配电网的可靠性计算,具有较高的工程实用价值。     

数据驱动的无精确建模含源配电网无功运行优化

分布式光伏的接入使得配电网无功电压运行控制需求及解决措施与传统配电网差异较大。针对配电网测量设备安装不全、网架参数难以准确获取,无法进行精确数学建模的问题,提出了无精确建模的含分布式光伏的配电网电压优化控制模型。以节点电压合格为优化目标,使用高速公路神经网络拟合网架节点注入功率与关键节点电压之间的映射关系;考虑分布式光伏的出力约束,进而采用定向寻优策略和反馈机制对优化模型进行求解;通过改变分布式电源逆变器出力来控制电网电压,实现全局系统电压控制。以不同规模的配电网实际数据为例,验证了所提优化运行控制模型的有效性。对比分析了采用普通神经网络和高速公路神经网络的电压拟合精度及收敛速度,证明高速公路神经网络应用于解决无精确建模的多节点含源配电网无功运行问题,可以实现拟合精度和拟合速度的双重优化。     

计及电压调节和分布式电源的配电网潮流分析

在分布式电源和电压及无功调节装置的基础上,提出了放射形配电网的新型潮流计算方法。建立分布式电源在潮流计算中所采取的适当节点模型和调压设备模型;分析了分布式电源对馈线自动调压器(SVR)的调压性能的影响,建立了SVR的潮流计算模型。对传统前推/回代算法进行有效的改进,使之快速有效地适应于多节点类型、多设备的配电网系统潮流算法。最后以28节点配电系统为例进行计算分析,仿真计算结果检验了本文提出的算法的有效性,并通过仿真结果分析了分布式电源、无功调节电源对配电网电压分布、电能损耗的影响以及分布式电源对电压调节装置的影响。     

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,将训练好的模型用于配电网无功优化。在一个改造后的IEEE 33配电网节点系统进行仿真验证,结果表明相比九区图无功优化,所提方法的系统网损和节点电压偏移明显降低。     

电压稳定临界域的描述及在线近似确定

广域测量技术的发展和应用为电力系统电压稳定监视奠定了基础。在此引入负荷阻抗角建立了新的电压稳定临界域的描述即电压表示形式和功率表示形式,并建立了电压稳定域。利用广域测量技术对节点戴维南等值参数的在线估计实现了对静态电压稳定临界域的在线确定,间接地避免了潮流计算中Jacobi矩阵在临界点奇异而带来的不收敛问题,弥补了传统方法在线应用中存在的系统规模大、非线性模型不准确、数据多且更新不及时、速度慢等缺陷。通过仿真计算表明提出的方法可行,可在线快速确定电压稳定临界域。     

电压稳定临界域的描述及在线近似确定

广域测量技术的发展和应用为电力系统电压稳定监视奠定了基础.在此引入负荷阻抗角建立了新的电压稳定临界域的描述即电压表示形式和功率表示形式,并建立了电压稳定域.利用广域测量技术对节点戴维南等值参数的在线估计实现了对静态电压稳定临界域的在线确定,间接地避免了潮流计算中Jacobi矩阵在临界点奇异而带来的不收敛问题,弥补了传统方法在线应用中存在的系统规模大、非线性模型不准确、数据多且更新不及时、速度慢等缺陷.通过仿真计算表明提出的方法可行,可在线快速确定电压稳定临界域.