基于多数据源的配电网状态补全

针对配电网量测配置薄弱,信息不完整的实际情况,综合利用主配网实时量测数据、配电网变压器准实时数据、营销系统电量数据、历史数据、负荷预测数据、典型负荷特性等多数据源实现了配电网状态补全。通过拓扑分析,对遥测遥信数据预处理,剔除不合理的数据,对可观察性进行分析,实现配电网负荷数据校准和补全,最终实现配电网开关量测补全。可为配电网正常运行和管理提供支持,保证配电管理系统正常发挥作用。     

基于改进蝠鲼觅食优化SVM的配电网拓扑辨识

针对配电网的拓扑结构变化频繁的问题,提出了一种基于改进蝠鲼觅食优化支持向量机的配电网拓扑辨识方法.考虑到量测数据缺失的问题,提出了基于电压方差K近邻的缺失数据填补方法.利用改进蝠鲼觅食算法同时进行特征选择和支持向量机参数的优化,筛选出对配电网拓扑辨识最有效的部分电压幅值量测.所提方法仅需一个时间断面的部分电压幅值量测数据,且能处理不同类型的分布式电源,适用于量测不足的区县农村配电网,计算速度可满足在线应用需求.通过IEEE 33节点配电网和PG&E 69节点配电网验证了所提方法的有效性.     

有源配电网FTU优化布置研究

为了加强对有源配电网的运行监测和管理,提出了一种分布式电源接入情形下的有源配电网馈线终端单元(FTU)的优化布置算法。首先,结合有源配电网的特征,从状态估计方法的角度分析了有源配电网的可观测性原理。将节点负荷功率作为伪量测值,通过优化FTU布置可以提高网络的可观测性,达到有源配电网完全可观测性要求,并且在优化布置时考虑了FTU分布对有源配电网停电损失的影响。建立了有源配电网的FTU优化布置数学模型,并且采用遗传算法求解所建立的0-1整数规划模型。最后通过33节点和60节点有源配电网仿真算例表明所提优化布置算法可以保证网络的完全可观和供电可靠要求,并且布置方案在网络结构变化时仍然适用。     

计及AMI的配网分层状态估计及伪量测计算

针对高级量测体系AMI(advanced metering infrastructure)带来的新的实时量测数据,提出一种改进的智能配电网状态估计方法,以AMI量测节点作为边界节点对配电网进行分层,将系统解耦为若干子区域实现并行计算。再在配网系统解耦的基础上,提出基于子区域负荷分配系数预测的节点负荷伪量测生成方法。最后,将IEEE33标准配电系统配置5个AMI量测节点,对其进行分层状态估计,并生成节点负荷伪量测数据。结果表明:与整体估计相比,分层状态估计方法在保证高精度的前提下提高了计算速度;生成的伪量测数据精度优于负荷预测得到的伪量测数据。     

计及AMI的配网分层状态估计及伪量测计算北大核心CSCD

针对高级量测体系AMI(advanced metering infrastructure)带来的新的实时量测数据,提出一种改进的智能配电网状态估计方法,以AMI量测节点作为边界节点对配电网进行分层,将系统解耦为若干子区域实现并行计算。再在配网系统解耦的基础上,提出基于子区域负荷分配系数预测的节点负荷伪量测生成方法。最后,将IEEE33标准配电系统配置5个AMI量测节点,对其进行分层状态估计,并生成节点负荷伪量测数据。结果表明:与整体估计相比,分层状态估计方法在保证高精度的前提下提高了计算速度;生成的伪量测数据精度优于负荷预测得到的伪量测数据。     

考虑量测数据质量的集成储能智能软开关数据驱动电压控制

分布式电源的高比例接入使配电网电压控制问题日益显著。与配电网中传统电压调控设备相比，集成储能智能软开关(ESOP)等新型电力电子设备具有更加灵活、快速的电压调节能力。实际配电网参数难以获取，运行场景复杂多变，基于物理模型的控制方法往往难以适应系统运行状态变化。为此，提出一种考虑量测数据质量的ESOP数据驱动电压控制方法。首先，基于无模型自适应预测控制方法，建立ESOP的数据驱动控制模型。然后，考虑数据驱动过程中实际量测数据存在量测误差的问题，采用坏数据辨识和量测扰动抑制方法对量测数据进行处理，提出考虑量测数据质量的ESOP数据驱动电压控制方法，以降低量测误差对数据驱动控制过程的影响。最后，在含四端ESOP的实际配电网算例中进行验证分析。结果表明，所提ESOP数据驱动电压控制方法可以有效解决配电网参数难以准确获取的问题，显著降低量测误差带来的不良影响，全面提升配电网电压控制水平。     

基于生成对抗网络与局部电流相量的配电网拓扑鲁棒辨识

有源配电网运行方式切换频繁且其量测受噪声影响,要求其拓扑辨识具有实时性和鲁棒性,但传统方法驱动的有限观测条件下拓扑辨识是非确定性多项式(NP)难问题。文中提出一种基于生成对抗网络与局部电流相量的配电网拓扑鲁棒辨识方法。为解决传统监督学习在未知拓扑辨识任务下泛化能力差的问题,通过梯度惩罚优化的条件生成对抗网络(CGAN)学习由线路电流幅值、相角和节点负荷伪测量映射的拓扑分布。同时,以一维卷积神经网络构建生成器,有效利用连续观测窗中时序电流数据,增强算法的抗噪和抗数据缺失性能。此外,仅局部的电流信息需求大幅降低了配电网可观性改造投资。最后,通过算例验证了所提方法的有效性。     

基于数据驱动的非全实时观测配电网无功优化方法

现阶段配电网中量测设备覆盖率较低,只有部分节点的负荷数据可以实时采集得到,因此在配电网中进行实时无功优化时无法使用基于潮流计算的优化方法.考虑到以上情况,文章提出了一种基于数据驱动的非全实时观测配电网无功优化方法.该方法基于历史运行数据使用最优潮流离线生成无功优化策略,并通过训练神经网络构建可实时量测节点负荷数据和无功...     

数据-物理融合驱动的有源配电网自适应电压控制

分布式电源高比例接入条件下，配电网运行状态更加复杂，同时也难以获取准确的物理参数。本文提出一种数据-物理融合驱动的有源配电网自适应电压控制方法。首先，构建数据-物理融合驱动的有源配电网自适应电压控制框架；然后，针对有源配电网的电压控制问题进行数据驱动建模；进一步考虑数据驱动控制的局限性，通过不完备物理模型修正数据驱动模型；最后，基于改进的IEEE33节点算例进行分析验证，结果表明数据-物理融合驱动控制策略可以有效抑制有源配电网的电压频繁越限，提高配电网自适应优化控制水平。     

深度学习辅助的区域交直流配电网区间状态估计

针对区域交直流混合配电网中实时量测覆盖率低、量测误差分布具有不确定性的问题,提出了基于深度神经网络(DNN)伪量测建模的交直流配电网区间状态估计方法。该方法首先对DNN进行离线训练,然后将实时量测数据和电压源换流器控制的变量值作为DNN的输入特征,建立伪量测模型;接着,在实时量测更新时,利用已训练好的DNN快速生成伪量测;最后,对伪量测和实时量测的不确定性采用区间形式建模并进行区间状态估计,进而准确监测交直流系统状态。算例仿真结果表明,所提方法能够避免对量测误差的概率分布进行假设,并且能够在低冗余量测配置或量测缺失时,准确获得交直流配电网状态变量的上下界信息。     

直流电能表计量信号自适应降噪方法

直流配电网包含DC/DC变换器等电力电子器件,非线性特性显著,导致直流输出端电压、电流信号存在大量纹波,需通过滤波降噪处理提升直流电能计量的准确性。针对现有的滤波降噪方法参数设置缺乏优化、滤波降噪效果尚待提升问题,本文提出基于自适应变分模态分解与小波阈值去噪相结合的直流电能计量数据降噪方法。建立输出端直流电压、电流信号变分模态分解的参数最优化模型,并联合互信息分析,实现原始信号的有效模态分量与噪声模态分量的自适应区分。在此基础上,建立以信噪比、均方根误差、平滑度、相关系数复合评价指标最优的小波阈值去噪参数最优化模型,实现噪声模态分量的最优滤波降噪。通过实测数据计算分析,验证所提方法的有效性。     

基于二次矩阵补全的低压配电网相序识别算法

针对低压配电网数据完整性不足的场景,提出了一种基于二次矩阵补全的低压配电网相序识别算法。首先,分析了基于电流拟合的相序识别原理与模型;其次,研究了基于奇异值门限(SVT)算法的矩阵补全算法及其对缺失数据的一次补全方法;然后,为了进一步提升矩阵补全精度,提出了基于SVT算法的二次补全算法,并在此基础上构建了基于二次矩阵补全的低压配电网相序识别方法;最后,通过实际台区用电数据对所提算法进行算例分析。算例分析结果表明,所提算法适用于电流采集数据缺失的情况,能有效地降低电流矩阵补全的误差,从而提升低压配电网相序识别的准确率。     

改善不平衡配电网电压质量的分布式储能序次优化配置方法

分布式储能(distributed energy storage,DES)具有灵活的运行特性,通过合理配置DES可使其有效服务于有源配电网的电压管理。现有以电压管理为导向的DES优化配置研究通常基于平衡网络模型来分析储能运行特性对系统电压的影响,但配电网实际上是三相不平衡的。为此提出一种基于电压灵敏度分析的不平衡配电网DES序次优化配置方法,从改善网络电压的角度研究不平衡配电网中DES的最佳配置方法。首先基于综合电压灵敏度分析确定DES接入位置;其次兼顾系统运行的经济性,以DES一次投资和运维成本最小为目标优化DES的接入容量;最后通过改进IEEE 33节点三相配电网进行算例分析,验证了所提DES序次优化配置方法可有效改善不平衡配电网的电压质量。     

考虑有功协调优化的配电网动态电压控制

配电网电压动态变化特征日益凸显,对配电网动态优化控制提出了新的要求。除此之外,配电网有功与无功的耦合特性也使得仅基于无功/电压的控制方法效果降低。因此,提出了一种考虑有功/无功快速协调优化的配电网动态电压控制方法,实现在秒级时间尺度内关键节点的电压恢复。首先建立配电网有功/无功控制设备动态模型,并基于模型预测控制理论建立了动态电压控制系统预测模型。设计了面向配电网电压协调控制的多目标自适应优化策略,基于配电网同步相量测量单元动态测量数据实现有功/无功控制设备出力的动态协调。仿真结果表明,该方法能够实现配电网电压波动的秒级抑制,并将目标节点电压快速无差地恢复至扰动前水平。     

配电网电压控制的分布式光伏无功仿射可调鲁棒优化方法

随着高比例分布式光伏发电并网引发的配电网电压波动越限问题,提出基于仿射可调鲁棒优化的分布式光伏无功功率调节方法。首先,通过建立以配电网有功网损和节点电压偏差最小化的综合优化模型,采用多面体线性化方法将综合优化模型转化为二次规划模型。然后,在考虑分布式光伏有功出力预算不确定性集的基础上,通过对偶变换将鲁棒优化模型转化为确定性的二次规划模型。在含高比例分布式光伏的IEEE-33和IEEE-123节点的配电系统仿真结果表明,与分布式光伏零无功调节相比,所提出的仿射可调鲁棒优化方法较传统的鲁棒优化方法能大幅度地改善网损和节点电压优化结果,具有较低的保守性,最为接近蒙特卡洛仿真结果。     

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。     

基于免疫离散粒子群算法的主动配电网PMU测量位置优化

主动配电网的状态估计是配电管理系统必不可少的组成要素,其估计结果的准确性受量测位置的影响较大。为了提高系统状态估计的精度,优化实时数据库,本文结合一种基于并行置信传播算法的状态估计方法,建立了以主动配电网状态估计误差最小为目标的PMU量测位置优化模型,同时提出了利用优化粒子初始位置的改进免疫离散粒子群算法进行模型求解。最后通过算例仿真,得到了量测装置的优化配置方案,且在该方案下,状态估计的精度明显提高。     

基于模型预测控制的主动配电网多场景变时间尺度优化调度

针对源荷预测误差对主动配电网调度影响较大的问题,充分考虑源荷数据相关性,提出基于模型预测控制(MPC)的主动配电网多场景变时间尺度优化调度策略.在日前、日内优化阶段,采用藤Copula模型描述源荷相关性,结合场景生成与削减技术形成源荷出力场景,以多场景下配电网期望运行成本最小为目标建立优化模型,求解配电网中机组、储能、...     

基于GA-PSO混合算法的农网无功优化

针对农村配电网电压质量较低的问题,该文建立了完整的无功优化模型。采用前推回代法进行潮流计算,建立以网损最小、电容器投资成本最小、电压水平最好、电压最稳定为目的的无功优化目标函数,无功优化方法采用GA-PSO（遗传-粒子群）混合算法,该混合算法更有效地寻找到全局最优解,并加快了收敛速度。对典型IEEE33节点配电网系统进行了测试分析,并将优化结果与其他优化算法相比较,结果表明使用该优化算法后,配电网系统电压水平明显提高,线路损耗明显降低,电压水平和电压稳定裕度都有所提高。     

计及充电站无功补偿的配电网日前-实时协调优化模型

电动汽车通过充电桩的变流器接口接入配电网,变流器的无功功率调节能力有助于改善配电网电压分布和运行效率.文中提出一种计及充电站无功补偿的配电网日前-实时协调优化模型.首先,建立了以配电网运营成本最小为优化目标的日前优化模型,确定充电站日前有功功率、电容器组投切和有载调压挡位.再根据日前优化结果和电动汽车实时数据,建立配电网与充电站分层协调的电动汽车有功和无功功率实时优化模型,其中为确保每台电动汽车离开时能够达到目标荷电状态,考虑电动汽车前一时刻荷电状态的影响动态调整其当前荷电状态边界.最后,通过IEEE 33节点系统测试验证了所提模型的有效性.