基于改进连续潮流法的电压稳定极限计算方法

针对电压稳定性分析连续潮流法的计算效率、精度及收敛性问题,提出了一种改进型的连续潮流法。该方法在参数化中,有机结合了物理参数化和局部参数化在不同区域的优点,在校正过程引入了一种新的预测-校正法,在步长控制中,提出了变步长控制函数,极大地提高了算法的计算精度、效率和收敛性。最后通过实例证明该方法可以提高连续潮流法分析电压稳定性的效率,并验证了该方法的有效性。     

连续潮流参数选择及步长控制的分析与改进

从算法原理及数值计算规律角度,分析了连续潮流(CPF)含参数方程解曲线在转折点附近校正过程中迭代不收敛的原因.由此,在预测切向量规格化基础上,提出改进局部参数化方法的参数选择策略,以减少局部参数化方法在校正过程中不收敛的可能性,从而提高CPF计算的鲁棒性.针对变步长算法在实际工程应用中遇到的初始参数需经试算才能确定的问...     

基于非线性预测的改进连续潮流算法研究

阐述了一种改进的连续潮流法。该方法预测过程中采用了非线性预测,在功率极限点附近不需要减小步长,校正过程中采用局部参数法求解校正方程,从而减少了绘制PV曲线的时间;潮流计算采用牛拉法,保证了PV曲线绘制过程中的稳定性。通过对IEEE 39和IEEE 118节点测试系统进行仿真计算,取得了良好的计算结果,从而验证了本算法的有效性和快速性。     

基于GMRES的改进连续潮流算法研究

阐述了一种基于GMRES的改进连续潮流算法,主要针对大型电力系统,在预测环节中采用拉格朗日非线性预测,减少了计算时间;在校正环节中将GMRES方法与牛顿法相结合构成内外双层迭代,并应用ILU分解对系数矩阵进行预处理,从而避免了对修正方程进行直接求解,提高了连续潮流法的计算速度.该算法根据梯度参数变化对步长进行了有效的控制,可以大大提高PV曲线的追踪效率.采用该算法对IEEE300节点测试系统进行仿真计算,取得了良好的计算结果,从而验证了该方法的有效性和快速性.     

一种改进型拉格朗日插值预测方法在连续潮流计算中的应用

阐述了一种基于混合连续参数选取的拉格朗日插值预测方法及相应的变步长策略,并将其应用于连续潮流计算中.这种方法通过分区域选择不同的连续参数,构造拉格朗日插值系数预测潮流解,并结合相应的变步长控制方法,对连续潮流算法进行改进.此外,利用此方法以及基于单一连续参数选取的拉格朗日插值预测方法,针对IEEE14节点和IEEE39节点电力系统进行潮流计算与对比,结果表明此算法具有更好的适用性和鲁棒性.     

求取电压稳定分歧点的改进步长连续潮流法

连续潮流法是求取电压稳定分歧点的一种有效方法,但现有方法计算量大。为此,提出一种改进步长连续潮流法,先对线性电路的戴维南等值原理进行广义扩充,证明了非线性电力系统传输最大功率条件是:戴维南动态等值阻抗模等于负荷静态等值阻抗模。并根据戴维南动态等值阻抗引导的负荷阻抗变化初步预测极限功率,以此作为连续潮流计算的步长选择依据,实现变步长连续潮流计算。对IEEE118系统进行仿真计算,结果表明该算法能既快速又准确地找到电压稳定分歧点。     

求取静态电压稳定极限的改进连续潮流法

连续潮流法是求取静态电压稳定极限的一种有效的方法。根据预测和校正过程的不同,连续潮流法具有不同的形式。提出了改进的连续潮流法,使用PQ分解法求解潮流,预测过程使用Lagrange二次插值技术,校正过程采用局部参数法求解修正方程。与传统的使用基于极坐标形式的牛顿一拉夫逊法的连续潮流法相比,所提的改进连续潮流法计算速度快、占用内存少、准确度高。     

无平衡节点孤岛运行微电网的连续潮流计算

连续潮流(continuous power flow,CPF)是电力系统电压稳定分析的有效工具,也是解决常规潮流中病态潮流问题的方法之一。针对无平衡节点孤岛运行微电网系统的无平衡节点、且有下垂控制分布式电源装置的特性,提出一种无平衡节点孤岛运行微电网CPF计算方法。采用不要求雅可比矩阵非奇异,且具有全局收敛性的LM-TR方法求解初始点。预测环节采用结合局部参数化方法的切线法。校正环节提出新型的超球面参数化方法,并采用结合传统牛顿法和带Armijo型线性搜索牛顿法的组合牛顿法进行校正,以保证CPF校正计算成功,及实现整个CPF过程中在较高计算精度下一直采用较大定步长预测。对改造后的37节点和17节点无平衡节点孤岛运行微电网系统采用所提方法进行CPF计算,验证了其正确性和有效性。     

基于线路电压稳定指标的连续潮流计算方法

为获得准确的系统稳定裕度,提出一种以线路无功损耗为参数化方程的连续潮流改进算法。该方法利用线路电压稳定性指标来确定待参数化的线路,利用拓展潮流方程预测方向向量的角度变化,对连续潮流的计算阶段进行判断,并针对不同的计算阶段,自适应地选取步长控制策略。算例表明,本文所提方法物理概念清晰,计算速度快,实现参数化线路与系统稳定状态的对应更新,能体现电压失稳的局部特性,反映系统的弱节点和弱区域,能较完整地计算得到PV曲线,在对大规模电网进行电压稳定裕度分析时具有一定优势。     

基于GMRES的改进连续潮流算法研究

阐述了一种基于GMRES的改进连续潮流算法,主要针对大型电力系统,在预测环节中采用拉格朗日非线性预测,减少了计算时间;在校正环节中将GMRES方法与牛顿法相结合构成内外双层迭代,并应用ILU分解对系数矩阵进行预处理,从而避免了对修正方程进行直接求解,提高了连续潮流法的计算速度。该算法根据梯度参数变化对步长进行了有效的控制,可以大大提高PV曲线的追踪效率。采用该算法对IEEE300节点测试系统进行仿真计算,取得了良好的计算结果,从而验证了该方法的有效性和快速性。     

考虑输入变量相关性的输电网区间潮流分析

在仿射算法的基础上,考虑电力系统中部分输入变量之间的相关性对区间潮流算法进行改进。构建以平行四边形模型为基础的区间相关性体系,建立考虑区间相关性的电力系统不确定潮流模型。考虑区间包络不够准确对区间潮流计算准确性的影响,提出一种基于凸多边形模型的区间潮流计算方法。利用仿射算法将传统的区间潮流迭代转化成一组非线性优化问题,通过凸多边形模型将区间变量之间的相关关系转换成一组新的约束条件,并利用优化算法对该非线性优化问题进行求解,得到一系列更窄的区间潮流解。2个输电网算例表明,所提方法不仅能够反映不同相关性水平对计算结果的影响,还能定量刻画区间包络准确程度对区间潮流的影响。     

基于变分模型的动态最优潮流新算法

为解决传统动态最优潮流(DOPF)算法中计算速度和计算精度之间的矛盾,建立了电力系统DOPF的变分模型,推导了该变分模型的最优性条件.在此基础上提出了一种基于Radau配置法的DOPF求解新算法.该算法具有计算量小、计算精度高等特点.对某实际系统的分析结果表明算法能够满足在线运行的需求.     

Nataf变换三点估计分布式发电网络的概率潮流分析

为提高三相不平衡发电系统概率潮流分析算法效率,在考虑发电机负载需求和注入功率不确定性基础上,提出一种使用概率分析和径向功率流的分析方法。首先,基于Nataf变换对三点估计算法进行改进,从而使算法能够处理不完整的多变量信息,并利用随机变量相关性提高输出变量估计的准确度。其次,对分布式发电网络模型进行研究,并结合Nataf变换三点估计算法实现了潮流分析;最后,通过在改进IEEE 57总线测试系统上,与蒙特卡洛模拟法进行对比验证,表明所提算法在51总线处的电压幅值累计分布函数,以及输出随机变量准确度指标上均要优于三点估计算法,说明了所提算法的有效性。     

基于网损等值负荷模型的改进直流最优潮流算法

交流最优潮流因需要处理大量非线性约束,求解效率不高,且在求解含有小阻抗支路和重负荷特征的病态电力系统时,容易出现不收敛的情况;而直流最优潮流计算速度快,可以处理病态电力系统,但是计算精度较低。基于此,文中提出了基于网损等值负荷模型的改进直流最优潮流算法。该算法首先采用网损等值负荷等效替代线路网损,有效地提高了原有直流模型的计算精度;然后使用简化原—对偶内点法进行求解,提高了算法的计算效率。通过对IEEE 30节点、IEEE 300节点、Polish 2736节点和Polish 3120节点系统的测试,证明了所提算法不仅有着较高的计算精度和效率,而且在不依赖于交流潮流解的基础上对于病态电力系统具有较强的处理能力。     

基于高斯混合随机性模型的多风电场配电网概率潮流计算

风速的随机性及风电场之间的相关性对电力系统潮流分析具有重要影响。计及风速的随机性及多风电场之间的相关性,提出一种改进的概率潮流计算方法。基于多风电场实际出力样本数据,利用k-means算法确定高斯混合模型的参数数量,并利用数据筛选过程改进高斯混合模型以提高联合分布模型的精确度;引入基于Nataf估算变换的三点估计法对所建概率分布模型进行采样,并将采样数据与电力系统潮流平衡方程结合以实现概率潮流计算。IEEE 18节点系统的算例结果表明,所提方法具有较高的计算精度和计算效率。     

一种改进INC和MPC的光伏最大功率点跟踪算法

最大功率点跟踪(MPPT)常用于在光伏发电系统中获取最大的功率输出。针对光伏系统最大功率点跟踪过程中存在动态响应速度和稳态跟踪精度难以兼顾的问题,提出了一种改进电导增量法(INC)结合模型预测控制算法(MPC)的光伏发电系统最大功率点跟踪技术。利用改进电导增量法获取光伏系统下一时刻的电流参考值,与模型预测控制器获取的电流值相比较,通过建立和评价系统两步长模型指标函数,达到MPPT快速跟踪的目的。仿真结果验证了该方法的有效性。     

基于改进FC-IRKM的电力用户负荷分类研究

为了提升电力用户负荷分类精度,从而为电力企业有效掌握用户用电规律,制定电价,合理评估用电需求,进行了基于改进的FC-IRKM的电力用户负荷分类研究。首先,模糊聚类综合了模糊思想与聚类方法,粗糙集则解决了数据分类不清晰的情况,将两种方法的优点进行结合,提出了模糊粗糙K均值算法;其次,对IRKM算法记进行了理论分析,结合模糊粗糙算法,提出了一种FC-IRKM算法,并通过遗传算法对其参数进行优化,获得改进后的FC-IRKM算法;然后通过仿真对比实验,验证了在处理相同数据的时候,改进的FC-IRKM算法比其他常见传统算法的分类精度更高,适用性更广;最后将改进的FC-IRKM算法应用于电力用户负荷分类上,分类结果与预期结果相互印证,验证了该方法的适用性。该研究为电力企业把握电力用户的用电规律、合理规划供电计划提供了可靠的理论支持。     

考虑用电行为分析的电力用户用电预测研究

挖掘电力用户用电特征,有助于提高负荷预测精度,从而为制定合理的电力系统经济调度策略提供理论依据。针对传统的模糊C均值(fuzzy c-means algorithm, FCM)聚类算法的聚类数需要人工试凑的问题,提出了自适应FCM方法,以达到自动调整参数获得最佳聚类数的目的。针对核极限学习机(kernel extreme learning mechine, KELM)求逆过程计算量大的问题,采用cholesky分解法求解KELM的输出权值,降低了计算时间。采用自适应FCM对电力用户进行聚类,然后对每类用户采用改进的KELM算法进行负荷预测。实验结果表明,相同预测方法下,基于聚类的负荷预测精度高于不聚类时的负荷预测;实验结果验证了所提聚类方法与用户实际用电行为相符,具有准确性;相比于传统的KELM算法,改进KELM算法耗时更少精度更高。     

基于布谷鸟-Elman算法的光伏发电预测

提高光伏发电功率预测的精度对于保证电网的安全稳定运行、提高光伏资源的开发和利用率具有重要的意义。文中提出了一种基于天气相似度以及改进布谷鸟算法优化Elman神经网络的光伏发电短期功率预测模型。首先在选取相似日上,提出一种基于距离和角度趋势的相似度计算方法,选出与待预测日相似度更高的相似日。其次,利用改进后的布谷鸟算法对Elman神经网络的权值和阈值进行优化并构建光伏发电短期功率预测模型。最后将文中提出的光伏发电预测模型与传统Elman神经网络模型的预测结果及实际输出值进行比较,结果表明改进布谷鸟算法优化Elman神经网络的光伏发电短期功率预测模型预测精度更高。