配电网无功电压优化控制求解的一种新方法

提出将主动禁忌搜索(RTS)算法用于配电网无功电压优化控制问题的求解，并与传统的禁忌搜索（TS）算法进行了比较。在利用RTS算法的求解过程中，使用了反馈机制，可自动调节禁忌表长度，解决了TS中复杂参数设置与调节的问题；由于结合逃逸策略，使搜索有效地跳出局部极小点，避免了TS中可能出现的大循环。通过在算例中的应用表明，RTS算法非常适合对该问题的求解，比TS具有更好的灵活性和更高的求解效率。     

含小水电的配电网电压无功优化控制综述

随着小水电并网渗透率的不断提高,配电网的原有拓扑结构发生改变,局部地区的配电网电压越限问题严重,电能质量难以满足国家标准.在对小水电集中并网时过电压机理进行分析的基础上;研究小水电接入配电网的电压调整原理;从基于配网结构和电网设备的电压控制、配电网多目标无功优化、配电网分层分区三方面总结了小水电接入配电网的电压控制策略...     

基于改进禁忌搜索算法的配电网电压无功优化控制

建立了综合考虑配电网电压质量和网络损耗两方面因素的电压无功优化控制数学模型,运用改进禁忌搜索算法(MTS)求解该模型.算法中采用的记忆指导搜索策略重点搜索了各记忆段的局部最优值,避免了全局搜索的盲目性;采用的禁忌频率限制信息避免了大范围的迂回搜索,提高了新区域的搜索效率.禁忌频率的信息压缩技术节约了大量存储空间.数值对比试验表明,该文方法是合理的和可行的,具有一定的实用意义.     

基于改进禁忌搜索算法的配电网电压无功优化控制

建立了综合考虑配电网电压质量和网络损耗两方面因素的电压无功优化控制数学模型,运用改进禁忌搜索算法(MTS)求解该模型。算法中采用的记忆指导搜索策略重点搜索了各记忆段的局部最优值,避免了全局搜索的盲目性;采用的禁忌频率限制信息避免了大范围的迂回搜索,提高了新区域的搜索效率。禁忌频率的信息压缩技术节约了大量存储空间。数值对比试验表明,该文方法是合理的和可行的,具有一定的实用意义。     

配电网无功电压控制的一种新算法

在配电系统中,通过适当的投切电容器和改变带负载调压变压器分接头的档位,可使系统在满足电压要求的前提下网损最小.然而,在实际运行中,频繁的投切电容器和改变变压器分接头档位,会使开关和分接头寿命降低.本文在计及电容器开关和变压器分接头动作次数总量限制的条件下,提出了一种基于非线性原对偶内点法的无功电压控制方法.算例结果表明,该方法比动态规划算法的计算速度有较大提高.     

主动配电网集中/就地自适应无功电压控制方法

针对当前集中控制方法不能适应配电网不同应用配置工况、就地控制难以协调发挥设备及光伏无功电压调节性能的问题,提出一种主动配电网集中/就地自适应无功电压协调控制方法,根据配网控制条件将设备及光伏的控制模式划分为就地趋优控制和集中优化控制两部分。在就地趋优控制方面,建立协同功率因数和动态趋优因子指标,兼顾全局需求调节光伏与设备无功出力;在集中优化控制方面,根据无功充裕程度选择电压越限风险或网损最小为目标,进行无功优化:通过实际配电网算例仿真验证所提策略的有效性。结果表明该方法可以主动适应配电网控制条件不健全的情况,在优化无功出力、改善线损和电压水平等方面具有优越性。     

基于禁忌搜索算法的变电站电压无功优化控制

为了实现变电站电压无功综合控制,根据有功功率和无功功率的负荷预测曲线,以降损收益最大为适配值函数,以电压约束、电气极限约束和控制约束为约束条件,建议了一种改进的禁忌搜索算法。引入最低收益闯值来限制调节次数的增加,在此基础上建议了一种确定最佳调整次数的方法。还建议了一种有约束线性最小二乘算法,基于变电站内的量测数据以及变压器的参数来估计系统母线电压和系统阻抗参数。算例结果表明建议的方法是可行的,并且具有可以有效地减少调节次数的特点。     

基于禁忌搜索算法的变电站电压无功优化控制

为了实现变电站电压无功综合控制,根据有功功率和无功功率的负荷预测曲线,以降损收益最大为适配值函数,以电.压约束、电气极限约束和控制约束为约束条件,建议了一种改进的禁忌搜索算法.引入最低收益阈值来限制调节次数的增加,在此基础上建议了一种确定最佳调整次数的方法.还建议了一种有约束线性最小二乘算法,基于变电站内的量测数据以及变压器的参数来估计系统母线电压和系统阻抗参数.算例结果表明建议的方法是可行的,并且具有可以有效地减少调节次数的特点.     

配电网无功电压控制的一种新算法

在配电系统中，通过适当的投切电容器和改变带负载调压变压器分接头的档位，可使系统在满足电压要求的前提下网损最小。然而，在实际运行中，频繁的投切电容器和改变变压器分接头档位，会使开关和分接头寿命降低。本文在计及电容器开关和变压器分接头动作次数总量限制的条件下，提出了一种基于非线性原对偶内点法的无功电压控制方法。算例结果表明，该方法比动态规划算法的计算速度有较大提高。     

配电网时变无功电压优化方法

为降低电能损耗、提高功率因数和保证终端用户的电压质量，针对考虑负荷变化时配电网补偿调压设备的优化控制问题，提出了完整的模型及求解算法。根据系统负荷曲线变化趋势，提出按单调性初步分段进而采用融合的思想使分段数满足补偿调压装置的动作次数约束。应用粒子群优化算法从整体上获得系统一天内的电容器组及有载调压变压器分接头的最优运行方式。算例分析结果表明，这种分段处理方法不仅考虑了负荷的周期变化，而且使控制方案更为简洁、有效。     

基于约束型深度强化学习的主动配电网电压控制策略

随着分布式电源与随机性负荷的大量接入,配电网的电压波动问题变得愈发严重。主动配电网能通过各种电压无功控制器平抑电压波动,但通常需要求解一个复杂的混合整数二阶锥规划问题,难以做到实时控制。文中利用深度强化学习建立了一个主动配电网实时电压控制模型,能快速得到满足潮流约束的控制策略。采集节点有功、节点无功、设备档位、时间步作为环境状态变量;以和网损及设备操作相关的费用作为回报函数来协调三个控制设备;通过基于长短时记忆网络的约束型强化学习来求解,从而建立主动配电网实时电压控制模型。基于4节点测试系统和IEEE-33节点测试系统进行了仿真,仿真结果表明,所提的深度强化学习方法能确保潮流约束,电压控制模型能实时控制电压无功控制器,以保证配电网的电压质量。     

基于Tabu方法的配电电容器投切策略

本文首先给出电网电容器优化投切策略的混合整数规划模型。然后应用Ｔａｕｂ Ｓａｅｒａｃｈ优化方法解决混合整数规划模型。通过对算例的演算证明,Ｔａｂｕ Ｓｅａｒｃｈ方法能够有效地处理整数约束和不可微的目标函数。     

基于线性化潮流模型的配电网电压无功控制策略

针对现有基于二阶锥松弛的电压无功控制模型无法以电压波动为目标且求解速度较慢等问题,文中提出了一种基于线性化潮流模型的配电网电压无功控制策略。首先基于支路潮流方程建立了包含有载调压分接头、电容器组和光伏逆变器等调控手段的电压无功控制模型,并将其离散变量松弛为连续变量,以形成二阶锥规划。进一步以二阶锥规划所得结果为基准点构造线性化潮流模型,并以电压波动最小为目标,将连续变量还原为离散变量。最后基于改进的IEEE-33节点测试系统进行了仿真,仿真结果表明所提出的线性化潮流模型具有较高的精度和更快的求解速度,能够适用于配电网实时电压无功控制。     

电力系统无功电压调控配合研究综述

较为全面地综述了国内外学术界对电力系统无功电压调控配合的研究现状。归纳并定义了无功电压调控的平衡状态,提出无功电压调控失配与适配的概念,建立电力系统无功均衡适配调度模型(equilibrium and coordinated reactivepower dispatch,ECRPD),指出了现行无功电压调控配合研究的关键问题与难点。提出采用多智能体系统等分布式人工智能方法与博弈论相结合,用以分析和解决ECRPD问题。     

A Stochastic Programming to Volt/VAR/Total Harmonic Distortion Control in Distribution Networks Including Wind Turbines

Abstract—This article presents a stochastic methodology for volt/VAR/total harmonic distortion control to reduce power losses while satisfying the main recommended power quality standards and optimizing dispatch schedules for the switchable shunt capacitor and on-load tap-changer in distribution networks. The main aim is to find proper dispatch schedules for on-load tap-changer tap positions, substation capacitors, and along feeder capacitors. For this purpose, distribution network uncertainties, including load demand and wind power generation, are considered to provide a robust control scheme. A new scenario reduction method based on the highest potential cluster center is used to decrease the huge number of probable states. A new scenario-based probabilistic time-interval division framework, over a 24-hr period on both load curve and wind power output, is introduced to reduce effects of forecast plan uncertainty and switching operations in the on-load tap-changer. A genetic algorithm solution method is applied to find the best solution corresponding to various scenarios. To improve search ability, a method guaranteeing the suppression of maximum allowable daily substation capacitors switching and effectively correcting the convergence process is utilized. The proposed stochastic approach is tested on an IEEE 123-bus distribution network containing a number of non-linear loads and wind energy generation systems.     

分布式电源接入下配电网电压无功控制效果分析

分布式电源的接入对配电网的运行状况会有很大的影响,尤其是配电网的电压分布以及网络损耗方面。首先给出了分布式电源和负荷的详细模型,通过准确建模真实模拟电网潮流变化情况。然后引入一种基于规则的电压无功控制方法,以加入分布式电源和具体负荷的IEEE13节点典型馈线系统作为仿真算例,通过电压变化曲线和系统消耗功率等指标验证该算法在分布式电源接入情况下的有效性,并分析接入分布式电源的配电网的电压无功连续控制效果。     

广东电网2007春节电压调控存在问题与对策

广东电网感性无功补偿配备不足,春节电压偏高的问题日益突出,为此,从电网结构及春节负荷特性两方面分析了电压偏高的原因,结合2007年春节电压的调控情况,对目前电网在春节调压上存在的问题,提出了相应的解决措施和建议,指出电网电压无功的控制应首先满足电网安全要求,并在增加电网电压调控手段的同时,加快广东电网自动电压无功控制（Automatic voltage control,AVC）系统的建设,逐步实现无功电压优化调度,确保春节调压的安全,达到提高电压质量、经济运行的目的。电压调控应对措施在2008年春节调压中的成功应用表明了措施的正确性及有效性。为今后电网春节期间的电压调控提供了重要的参考价值。     

含深度学习代理模型的有源配电网电压无功控制进化算法

分布式可再生能源的大规模接入,加剧了有源配电网(Active Distribution Network, ADN)的三相不平衡,容易导致系统电压越限与线损增加。然而,由于当前配电网量测设备安装不全,部分节点负荷数据难以准确获取,因此传统基于全局观测的ADN电压控制方法难以满足实际控制需求。为解决上述问题,提出一种含深度学习代理模型的电压无功控制(Volt/Varcontrol,VVC)进化算法。设计以高速公路神经网络为代理模型,精确拟合局部量测负荷信息、调压控制策略与系统性能指标之间的映射关系。将训练后的代理模型嵌入非支配排序遗传算法的迭代寻优过程中,对电压偏移率、三相不平衡度及线路损耗指标进行直接计算,实现数据驱动的配电网VVC策略快速求取。在改进的IEEE 123节点三相配电网算例上进行测试,验证了所提算法的性能优势及求解效率。     

一种基于WIN-TDC的SVC控制系统

提出了一种基于WIN-TDC的全数字静止无功补偿装置(Static Var Comensator,简称SVC)控制系统.SIMATIC-TDC控制器性能卓越,能够满足SVC控制系统对实时浮点运算和复杂控制任务的要求,WINCC是一种非常可靠和成熟的人机界面组态软件,基于WIN-TDC结构的控制系统能够满足工业SVC装置对实时性和可靠性的苛求.在该工业SVC控制系统中,实现了一种基于瞬时无功理论的瞬时功率和瞬时电流的检测算法和一种开环与闭环相结合的复合控制策略,提供了友好的人机界面.该SVC控制系统已经在多项SVC工程中得到了成功的应用.