计及多个风电机组出力相关性的配电网无功优化

针对含多个风电机组的配电网无功优化问题,利用场景分析法处理风电机组出力的不确定性和负荷的随机波动。采用拉丁超立方采样产生多个场景,考虑多个风电机组风速间的相关性,利用Cholesky分解对生成的场景进行重新排序。以有功网损期望值最小为目标函数,以节点电压、支路功率以及电容器投切组数为约束条件,建立配电网无功优化模型。采用鸡群优化算法求解模型,并在改进的IEEE 69节点配电网算例中进行仿真,研究了风电机组出力相关性对无功优化结果的影响,结果证明了所提无功优化模型和方法的可行性。通过无功优化,能够有效地提高配电网的电压水平并减少网络损耗,对配电网的安全经济运行具有重要意义。     

计及多个风电机组出力相关性的配电网无功优化EI北大核心CSCD

针对含多个风电机组的配电网无功优化问题,利用场景分析法处理风电机组出力的不确定性和负荷的随机波动。采用拉丁超立方采样产生多个场景,考虑多个风电机组风速间的相关性,利用Cholesky分解对生成的场景进行重新排序。以有功网损期望值最小为目标函数,以节点电压、支路功率以及电容器投切组数为约束条件,建立配电网无功优化模型。采用鸡群优化算法求解模型,并在改进的IEEE 69节点配电网算例中进行仿真,研究了风电机组出力相关性对无功优化结果的影响,结果证明了所提无功优化模型和方法的可行性。通过无功优化,能够有效地提高配电网的电压水平并减少网络损耗,对配电网的安全经济运行具有重要意义。     

基于最优分割法的含DG配电网动态无功优化

为解决有载调压变压器分接头(on-load tap changer,OLTC)、电容器组和分布式电源(distributed generation,DG)的协调优化问题,提出一种配电网动态无功优化方法。该方法采用最优分割法分别对OLTC和电容器组的静态最优投切序列进行有序聚类,在满足最大动作次数约束的前提下实现控制设备在时间上的解耦。分析了常见DG无功出力极限的影响因素,考虑OLTC、电容器组和DG在电压无功调节中的控制能力,提出三者的协调优化方法。由于OLTC的档位调节直接影响整个线路的电压无功分布,首先根据各时刻的静态优化结果和最优分割法确定OLTC的动作时刻及档位;然后,采用最优分割法确定电容器组的动作时刻,并将电容器组的投切容量和DG无功出力联合优化,得到最终的控制方案。最后,通过某实际电网算例验证了所提方法的合理性和有效性。     

考虑DG不确定性的主动配电网两阶段无功机会约束优化方法

随着高比例的分布式电源(Distributed generation,DG)并网,传统的确定性无功优化方法难以应对DG和负荷的双侧不确定性,提出了主动配电网的两阶段无功机会约束优化方法。首先将配电网潮流方程线性化和松弛,建立基于混合整数二阶锥的配电网两阶段无功优化模型,分别在第一阶段优化有载调压变压器、并联电容器等离散控制装置,在第二阶段考虑DG的不确定性优化DG的无功出力。然后,通过场景缩减法来减少机会约束优化方法的场景数。在95节点系统的仿真结果表明,与确定性性无功优化方法相比,所提出的两阶段无功机会约束优化方法能有效地消除安全约束越限问题,在略微增加网损的情况下获得了较高的鲁棒性。     

单相光伏大量接入的三相不平衡配电网无功优化

随着光伏发电等大量非全相运行的分布式电源(DG)接入,配电网固有的三相不平衡特征更加突出,传统无功优化方法因忽略了三相不平衡导致效果较差。文中提出一种三相不平衡主动配电网的无功优化模型,以系统负序电压最小和网络损耗最小为目标,考虑有载调压变压器、分组投切电容器、静止无功补偿装置等离散和连续控制变量,形成一个带有二次约束的混合整数二次规划问题。利用分支定界法处理该混合整数规划问题,将原问题松弛为多个不含离散变量的子问题,分别求得各子问题中设备的控制量,进而求得原问题的最优解。采用扩展的IEEE 33节点三相测试系统仿真计算,验证了所述模型和方法的有效性。     

计及分布式电源与电容器协调的配电网日前无功计划

针对目前含分布式电源(distributed generation,DG)的配电网中未考虑电容器补偿容量和DG无功出力协调调度的问题,研究了考虑DG与电容器组协调的无功优化方法。以网损和电压偏移满意度最高为目标,构建含DG的配电网日前动态无功优化调度模型。根据DG无功出力和电容器补偿的特点,提出DG和电容器协调的日前无功计划方法。分析了各类DG的无功出力极限并作为约束条件,对电容器和DG进行整体静态优化得到电容器的投切容量曲线;其次采用模糊聚类对电容器投切曲线进行时序分段并融合,制定电容器的日前计划;最后,在电容器补偿容量确定后,以DG作为优化变量,制定DG出力的日前计划。仿真结果验证了所提方法的有效性。     

配电网持续无功优化的深度强化学习方法

高渗透率分布式光伏的出力波动可能导致配电网电压波动大、网损提高和电容器投切需求频繁。但配电网节点监控覆盖率低、潮流建模难度大,需要在上述不利条件下实现对台区内持续电压无功优化。采用深度强化学习的方法提出了适用于低感知度配电网的连续无功优化方法。该方法将原问题转化为一个多步马尔科夫决策过程,以最小化网损和动作成本之和为优化目标,以离散无功调节设备的投切指令为控制变量,并采用基于行动者–评论家(actor-critic)的深度强化学习算法进行求解。针对配电网缺乏完整潮流模型和观测数据的特点,分别设计了用来拟合投切策略的Actor网络和用来拟合动作价值函数的Ctritic网络。所提方法用深度神经网络直接拟合系统状态到离散无功调节设备的投切动作的函数关系,在与实际配电网的交互过程中完成网络训练。相比传统方法,该无需潮流建模和分段决策,且不依赖于日前的负荷与分布式电源出力预测,可以实现在线的多时间断面下的连续无功优化,提高了系统运行经济性。     

含分布式电源的配电网动态无功优化调度方法

提出一种含分布式电源(DG)的配电网动态无功优化调度方法,以解决其中的时空耦合性问题。该方法首先对电网进行静态优化计算,根据电容器投切容量增量大小制订预动作时刻表;然后对电网进行动态分区,根据分区结果以及预动作时刻表,对负荷数据进行相应处理;以系统能量损耗最小为目标,并以投入的电容器补偿量为控制变量进行动态无功优化计算,得到电容器调度方案;最后,对电网中DG的无功出力进行优化,得到含DG的配电网无功调度方案。利用IEEE 33节点系统进行仿真,并与现有方法进行对比,验证了所述方法的合理性和有效性,且降损效果比现有方法更优。     

考虑主动管理措施的配电网无功补偿双层优化配置

为了适应未来大量分布式电源(DG)并网及自动化水平显著提高的主动配电网发展,在规划阶段应该考虑主动管理措施,优化系统运行方式。同时,现有的无功补偿规划研究忽略了DG及负荷的不确定性。为此,计及间歇性DG及负荷的不确定性,提出主动配电网无功补偿双层优化配置模型。上层规划以无功补偿电容器的投资成本、网络损耗费用综合最优为目标函数,下层规划在此基础上考虑调节无功补偿容量及调节有载变压器抽头两种主动管理措施,对每个场景进行优化。采用K-均值聚类法对场景进行缩减,结合和声搜索算法和粒子群算法联合求解模型。通过IEEE33节点算例进行仿真计算,验证所提模型和方法的正确性。     

基于改进粒子群算法的含DG配电网无功优化

含分布式电源(DG)配电网的无功优化是一个复杂的非线性优化问题,文中采用改进的粒子群算法(PSO)对配电网进行无功优化计算,建立以系统网损和电压平均偏离最小为目标函数,节点电压和电容器投切容量为约束条件的优化模型。在PSO中引入位置方差防止PSO陷入局部最优解,根据种群中粒子的适应度值对粒子进行变异处理,在保证算法收敛速度的基础上,改善算法性能。以含分布式电源的IEEE14节点配电系统为例进行无功优化分析,结果表明DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

多负荷水平下含风电接入的配电网无功优化

由于风电输出功率的随机性,风电机组的大量接入给配电网无功优化带来更多不确定性因素。为了提高配电网无功优化对风力发电并网的适应能力,建立了多负荷水平下基于场景分析的考虑风电接入的多目标无功优化模型。该模型综合考虑了节省电能损失费用和节点电压偏差2个指标,将2个指标进行模糊化,采用最大化模糊满意度指标法将多目标优化问题转换为单目标优化问题,然后采用自适应遗传算法进行求解。并以IEEE 33节点测试系统为例,计算和分析了在不同场景时最大负荷、一般负荷和最小负荷3种负荷水平下,电容器投切、系统有功损耗、节点电压以及节省电能费用情况。计算结果表明,所提出的无功模糊优化方法,在不同负荷水平、不同场景下改善电压质量和降损节能效果显著,适合多负荷水平下含风电机组的配电网无功优化需要。     

计及智能软开关与分布式电源调节能力的配电网两阶段无功优化

安装于配电网联络线上的智能软开关(soft normally open point,SNOP)除了能够传输有功功率外,还能够调节无功输出以实现对电压水平的支撑。配电网的无功优化需要综合考虑有载调压变压器(on-load tap changer,OLTC)的分接头、SNOP与分布式电源(distributed generation,DG)的无功输出。针对这一多控制变量的求解难题,首先建立了以系统有功网损和与上级电网无功交换功率最小为目标函数的优化模型,该问题属于带时间耦合的混合整数规划问题。然后,提出了基于粒子群算法的两阶段无功优化方法,第一阶段忽略时间耦合性,通过聚类算法得出OLTC动作方案,第二阶段获得SNOP与DG的组合状态。最后,以改进的IEEE 33节点系统为算例,计算结果表明考虑SNOP与DG灵活运行的配电网无功优化满足网损减小、无功就地平衡的要求。     

考虑分布式光伏和储能的配电网动态无功优化研究∗

为充分利用DG和储能的无功调节能力,建立了考虑OLTC、电容器组、DG和储能的配电网动态无功优化数学模型,并通过线性递减权重粒子群优化算法对模型进行求解。最后,以实际的18节点的10kV电缆线路为算例进行了仿真验证。研究结果表明,配电系统的有功损耗得到了显著的改善。     

主动配电网分层鲁棒规划模型及其求解方法

国内外大力提倡用户开发利用清洁能源,而分布式电源(distributed generation,DG)的不确定性对接入配电网规划运行带来了巨大的挑战。文章侧重于对现有配电网的升级改造,主要包含有载调压变压器、主动配电网储能系统、分组投切电容器、静止无功补偿装置等主动管理手段的网络拓扑规划设计,以适应分布式电源和负荷的不确定发展。首先,对DG和负荷建立了一定保守度的不确定性时序集合,并设计了场景筛选规则;其次,构建了主动配电网分层鲁棒规划模型,并以弃风、弃光和失负荷最少为优化目标;然后,对规划模型投资层和运行层进行有效关联,且通过二阶锥等手段将原模型转化为混合整数二阶锥规划问题进行快速求解。最后,通过修改的IEEE 33节点系统验证了模型的有效性。     

基于适应性权重遗传算法的多目标无功优化研究

研究一种多目标无功优化问题的求解方法.基于无功分层分区平衡以及保证紧急情况下电网安全的原则,给出了在电网正常情况下优先投切电容器、调节变压器分接头,然后设定机端电压的优化调控顺序,进一步提出将优化问题分解为连续变量优化和离散变量优化问题,并分别求解,迭代直至收敛的求解思路.鉴于多目标无功优化模型的复杂性,以及连续、离散控制变量并存,采用遗传算法求解,重点研究了控制变量的编码方案以及选择、交叉、变异以及保留操作策略.针对于多目标无功优化各个目标权重难以确定问题,又进一步引入了适应性权重遗传算法,随着遗传代数的进化算法能自适应地给出各个目标权重.仿真算例验证了文中所提的多目标无功优化求解方法的合理性.     

基于适应性权重遗传算法的多目标无功优化研究

研究一种多目标无功优化问题的求解方法。基于无功分层分区平衡以及保证紧急情况下电网安全的原则,给出了在电网正常情况下优先投切电容器、调节变压器分接头,然后设定机端电压的优化调控顺序,进一步提出将优化问题分解为连续变量优化和离散变量优化问题,并分别求解,迭代直至收敛的求解思路。鉴于多目标无功优化模型的复杂性,以及连续、离散控制变量并存,采用遗传算法求解,重点研究了控制变量的编码方案以及选择、交叉、变异以及保留操作策略。针对于多目标无功优化各个目标权重难以确定问题,又进一步引入了适应性权重遗传算法,随着遗传代数的进化算法能自适应地给出各个目标权重。仿真算例验证了文中所提的多目标无功优化求解方法的合理性。     

基于场景法的有源配电网动态无功优化

随着分布式电源(distributed generation, DG)大量接入,配电网动态无功优化调度难度增加,现有方法存在不足,为此提出一种基于场景法的有源配电网动态无功优化方法。首先运用场景法描述DG出力的不确定性,采用Weibull分布和Beta分布分别构建风速和光照强度模型,通过DG出力公式,将随机问题转换为确定性问题;然后采用蒙特卡洛模拟法抽样和K均值聚类算法将样本聚类成3个典型场景,建立系统日内网损最小、无功补偿设备动作费用与变压器分接头调节代价费用最小为目标函数的多目标动态无功优化模型,并采用改进的多目标粒子群优化(multi-objective particle swarm optimization, MOPSO)算法对该优化模型进行求解;最后用所提方法对改进的IEEE 33节点系统进行仿真,验证其可行性。     

基于改进NSGA-II算法的含分布式电源配电网无功优化

针对含分布式电源(DG)的配电网无功优化的问题,为更准确地描述DG出力的不确定性,基于加权高斯混合分布(WGMD)和Beta分布分别构建风电DG和光伏DG的出力模型。采用结合切片采样算法的马尔科夫链蒙特卡洛模拟法进行潮流计算。建立以系统有功网损最小、节点电压总偏差最小为目标函数的多目标无功优化模型,并采用改进的非支配排序遗传算法(NSGA-Ⅱ)对该优化模型进行求解。通过改进的IEEE 33节点系统的仿真验证了所提方法的可行性和有效性。     

基于自适应ε约束法考虑OLTC模糊控制的低碳配电网双层规划

新时代低碳发展目标给配电网带来巨大挑战,为保证供电时降低配电网碳排放,提出了一种考虑有载调压变压器(on-load tap changer, OLTC)模糊控制的低碳配电网双层规划模型。依据网损灵敏度确定微型燃气轮机(micro-turbine generator, MTG)、新能源、储能和电容器(capacitor banks, CB)选址,采用双层模型实现低碳配电网规划。上层规划层以综合成本最小为目标,考虑了微型燃气轮机、新能源、储能和电容器投资运行成本,采用改进鲸鱼算法求解。下层运行层以运行成本和电压偏移量最小为目标,考虑了OLTC模糊控制、电容器投切、新能源不确定性、微型燃气轮机和储能调度,采用自适应ε约束法多目标粒子群算法获得均匀帕累托前沿,利用TOPSIS决策法选取最优解。最后通过改进IEEE33节点系统算例验证表明,所提方法能够实现配电网低碳经济运行,改善潮流分布,提高电压质量,降低网损。     

基于适应性权重遗传算法的配电网多目标综合优化

针对配电网多目标综合优化问题的复杂性,以及网络重构、电容器投切的离散控制变量优化问题,基于遗传算法从全局角度来求解此优化问题,研究了网络重构、电容器投切的编码方案,以及两者的综合编码方案,并研究给出合理的选择、交叉、变异以及保留操作策略。针对线损、电压质量以及线路负载多目标的各个目标权重难以确定问题,进一步引入适应性权重遗传算法,随着遗传代数的进化,算法自适应地给出各个目标权重。仿真算例验证了所提算法用于配电网多目标综合优化的合理性。