基于双状态评估器与深度强化学习的配电网无功优化

本文将“深度强化学习”引入配电网无功优化,提出了基于双状态评估器与深度强化学习的配电网无功优化方法。首先提出了一种配电网融合特征的提取方法,从配电网运行数据中提取统计特征,然后将统计特征与历史控制策略作为输入,网损与电压偏差分别作为输出,训练了网损评估器与电压偏差评估器。将无功优化问题转化为一个多步马尔科夫决策过程,以最小化网损和电压偏差之和为目标函数,以无功补偿设备的动作指令为策略,并采用基于Double DQN的深度强化学习算法进行求解。对改造后的IEEE 37节点配电网进行无功优化控制实验。结果表明,本文方法有效降低了节点电压偏移和网络损耗,他与配电网系统的模型和参数无关,在线决策速度快,可以实现在线无功优化控制,提高配电网运行经济性。     

基于数据驱动和深度置信网络的配电网无功优化

随着分布式电源和随机负荷电动汽车等的大量接入,配电网的运行环境日益复杂,对在线无功优化及其快速性提出了更高的要求。该文将"深度学习"引入配电网无功优化,提出了基于深度置信网络的无功优化方法。通过构造高维随机矩阵,从配电网运行数据中提取统计特征作为输入,将历史控制策略进行编码作为输出,利用先无监督后有监督的方式训练深层架构,学习系统特征与无功优化策略之间的映射关系,建立基于数据驱动和深度置信网络的配电网无功优化模型。基于改造的IEEE-37节点主动配电网仿真模型,对比分析了历史数据量和分布式电源渗透率场景对传统优化方法,场景匹配方法和所提方法的无功优化效果的影响。结果表明,所提方法可明显降低网络损耗和节点电压偏移,它不依赖于系统的模型和参数,在线决策速度快,且对历史数据量要求较低,在高渗透率分布式发电等未知场景下仍能表现优良,验证了该方法的正确性、有效性和较强的鲁棒性。     

基于随机矩阵和支持向量机的两阶段配电网综合优化

无功优化对保障电力系统安全、经济运行具有重要的意义。提出了一种考虑重构的基于随机矩阵和支持向量机的两阶段配电网综合优化方法,先确定当前配电网的拓扑结构,再确定无功优化控制策略。通过构造高维随机矩阵,从配电网运行数据中提取统计特征作为输入,将传统无功控制策略和开关状态作为输出,利用支持向量机学习系统特征与优化运行策略之间的非线性映射关系,建立基于两阶段支持向量机组合决策的配电网综合优化模型。基于改进的IEEE-37节点主动配电网仿真模型,对比分析了传统优化方法、场景匹配方法和所提方法的优化效果。结果表明,所提方法可进一步提高优化效果,实现了无功优化与配电网重构间的协调控制,不需要配电网的模型和参数,在线决策速度快,为基于大数据的配电网优化运行提供了一条新途径。     

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...     

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。     

基于柔性多状态开关的交直流配电网有功-无功优化调度

交直流配电网作为主动配电网的重要发展方向,协调其有功-无功资源以改善系统运行特性具有重要研究价值。首先,以基于多端柔性多状态开关(SOP)的交直流配电网为研究对象,计及储能、柔性负荷、SOP、光伏逆变器等关键设备运行约束,以及削峰填谷和电压偏移约束,构建了以运行成本最小为目标的交直流配电网有功-无功调度模型。然后,为适应光伏出力的随机性,构建了数据驱动的两阶段随机-分布鲁棒优化模型,并基于列与约束生成算法进行求解。最后,采用72节点和38节点交直流配电网作为算例,验证了模型的有效性。     

考虑源网荷储协调互动的配电网无功优化

无功电压控制是保障电网安全稳定运行的基础,高比例新能源发电是新型电力系统的主要特征,挖掘新能源发电、储能以及柔性负荷等柔性可控资源的无功电压潜力能有效保障新型电力系统安全稳定运行。文中提出了一种考虑源网荷储互动的配电网无功电压控制方法,从负荷需求侧响应出发基于市场实时电价信息以负荷转移成本和用户购电成本为基础实现价格驱动需求响应的负荷平移策略;利用储能系统协调新能源发电出力和负荷平移规则,构建综合考虑源网荷储互动的配电网无功优化模型。通过调节无功补偿设备、储能充放电策略协调新能源出力,在满足负荷需求侧响应需求的基础上达到系统无功电压的最优控制。通过改进的IEEE33节点系统仿真分析,实验结果表明通过源网荷储的充分互动能够有效提高系统无功电压调节能力,实现配电网安全、经济运行。     

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。     

基于随机矩阵和历史场景匹配的配电网无功优化

配电网的无功优化是保证配电网供电可靠、经济运行的一项重要工作。将大数据理论引入配电网无功优化,提出一种基于随机矩阵的无功优化方法,它不依赖于配电网的模型和参数,直接利用配电网在运行过程中产生的运行大数据以及当地的环境数据构造7种高维随机矩阵,提取57种特征指标,再应用主成分分析法对这些特征指标进行降维处理,然后匹配历史数据库中已有的场景,快速找到特征指标与当前系统最相近的场景,直接采用匹配场景的控制策略作为当前系统的无功优化控制策略,以减小有功网损和节点电压偏移。最后,在改造的IEEE-37节点配电网仿真模型上进行算例验证,其中增加了光伏/风电等分布式发电和电动汽车充电站等随机负荷模型。结果表明,方法可有效地对配电网进行无功优化,摆脱了配电网模型的限制,可快速做出控制决策。     

面向光伏集群的配电网模型-数据联合驱动无功/电压控制

传统配电网的无功/电压控制(VVC)方法,难以兼顾控制决策的全局最优性与实时响应能力,分布式光伏(DPV)的分散化、高比例并网导致该矛盾日益突出。结合模型优化的寻优能力与深度强化学习的在线决策效率,提出了面向光伏（PV）集群的配电网模型-数据联合驱动VVC策略。首先,考虑日前优化调度与日内实时控制的运行特征,结合DPV集群划分,构建了配电网分布式两阶段VVC框架;然后,以系统运行网损最低为目标,建立了配电网分布式日前VVC模型,并提出了基于Nesterov加速梯度的分布式求解算法;其次,以日前决策为输入量,建立了基于部分可观马尔可夫博弈的配电网实时VVC模型,并提出了基于迭代终止惩罚函数的改进多智能体深度确定性策略梯度算法;最后,基于MATLAB/PyCharm软件平台进行了算例分析,验证了所提方法的全局趋优性以及实时响应能力,提高了PV高比例接入配电网运行的经济性和安全性。     

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。     

基于状态空间线性变换的主动配电网分布式电压控制

大规模分布式发电的接入使得主动配电网电压控制问题日益凸显。受限于配电网模型参数的精度,传统集中式的电压控制和基于模型的分布式电压控制策略效果受到显著影响。提出了一种基于状态空间线性升维变换的主动配电网分布式电压控制方法。通过矩阵分裂方法实现了海森矩阵的分布式求逆,将分布式控制收敛速提升至超线性收敛。基于Koopman数据驱动方法,利用配电网历史运行数据作为训练样本,构建高维线性精确潮流模型,从而推导得到电压-无功全局灵敏度,以此校正分布式牛顿控制中的迭代方向。算例结果证明,相比依赖于模型的分布式电压控制方法,所提方法具有更快的收敛速度和更优的控制收敛结果,且不受参数不精确问题影响,具有更强的工程适用性。     

基于深度学习和智能在线场景匹配的配电网源网荷储无功协调优化策略

配电网源网荷储协调优化是消纳可再生能源的重要手段,其中,无功优化可保障系统安全可靠和经济运行。该文提出了一种基于深度学习和智能在线场景匹配的配电网源网荷储无功协调优化方法,它充分考虑到运行场景的特性,直接利用配网运行大数据离线生成历史场景库并基于多目标粒子群优化算法离线构建历史策略库,再基于不同优化目标和K-means聚类算法对历史场景库和实时待优化场景进行两次分类,然后以历史场景库为训练集,以实时待优化场景为测试集,基于深度神经网络实现智能在线场景匹配,通过匹配效果评估匹配历史策略或在线优化分配无功优化方案。最后,在IEEE 30节点仿真模型接入分布式光伏、储能和电动汽车充电站等随机负荷进行算例验证。结果表明,方法可灵活、有效地对系统进行协调无功优化,不依赖于模型和参数,极大地提高了决策效率。     

基于数据驱动的有源配电网实时调度降损策略

农村配网通常接入有较大容量的小水电等分布式电源,在向上级电网反送电能的过程中造成了大量的线损,因此本文提出了一种实时调度策略旨在降低配电网的线损。首先,考虑分布式电源的有功无功控制以及有载调压分接头的控制,基于支路潮流模型建立了配电网调度降损模型;进一步,通过构造高维随机矩阵,从配电网运行时间序列数据中提取能够表征运行状态的特征作为输入,对配电网历史调节策略进行热编码作为输出;然后利用深度双向长短时记忆网络学习配电网特征与网络降损策略之间的函数映射关系,建立基于数据深度学习驱动的有源配电网实时调度降损模型。最后,基于实际有源配电网系统进行了仿真,仿真结果表明所提出的实时调度算法能在保证小水电上网收益的前提下,优化小水电的出力曲线,提高分布式电能的就地消纳率,从而降低了网损。     

交直流主动配电网多无功源协调的电压控制策略

为解决分布式电源高渗透率的交直流主动配电网因分布式电源出力波动及负荷变化等造成的电压越限问题,提出了利用柔性直流装置、分布式电源及离散无功设备等多无功源构建的主动配电网电压控制策略。将配电网电压运行状态划分为3种:(1)正常状态下进行全局优化,通过离散无功设备的静态无功功率置换出柔性直流装置的动态无功功率,提高配电网动态无功储备容量;(2)预警状态下通过多无功源就地控制与集中控制相互协调,实现轻度电压越限节点的校正控制;(3)紧急状态下利用柔性直流装置对电压越限节点快速紧急支援,实现配电网过渡到预警状态或恢复到正常状态。利用IEEE 33节点系统进行了仿真和实验验证,仿真和实验结果表明该策略提高了系统的动态无功储备容量,实现了配电网电压的有效控制。     

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。     

配电网无功电压混成自动控制研究

配电网区域无功电压控制同输电网无功电压控制相比具有放射性、枢纽节点电压由主网确定以及无功负荷波动较大等特点;而传统的配电网无功控制方法往往基于时间基,缺乏在线控制的灵活性,引入混成控制思想,通过事件启动控制,从而使系统达到多目标的趋优运行状态,并探讨了地、市(省)调两级无功电压的协同控制模式,实现全网的安全性和经济性。给出了配电网无功电压混成控制(D-HAVC)的原理、控制模式以及系统实现,最后给出了应用实例。     

基于二阶锥规划的含分布式电源配电网动态无功分区与优化方法

分布式电源大规模接入所造成配电网电压质量问题一直受到极大关注。针对分布式电源大规模接入所产生的局部区域电压严重偏高问题,提出配电网动态无功分区的方法,构建了配电网无功优化模型。利用锥规划对原优化问题进行了简化并转化为二阶锥规划模型。为解决求解难度大的问题,提出了考虑动态无功分区的求解方法。考虑不同无功分区的分布式电源接入特点和运行特性,构建电压灵敏度矩阵,计算确定配电网节点电压变化量,提出电容器组、静止式无功发生器(statle var generator,SVG)等无功补偿装置的运行策略并优化其在各种运行条件下的无功功率值。分别以IEEE33节点和东莞地区某53节点的配电网为实例进行了计算,验证了无功优化的二阶锥规划方法的适用性和可行性,分析了动态分区对配电网无功优化以及电容器组和SVG等无功补偿装置运行策略的影响。     

考虑设备动作损耗的配电网分布式电压无功优化

电压无功控制是保证配电网经济安全运行的重要任务,协调多种调节手段能提高配电网的运行效率。考虑了有载调压变压器、电压调节器、分组投切电容器和分布式电源逆变器等电压无功调控设备,并针对现有电压无功控制模型存在的无谓动作和求解效率低等问题,提出了一种考虑设备动作损耗的配电网分布式电压无功优化策略。首先,基于支路潮流方程建立了配电网电压无功控制模型,并松弛为混合整数二阶锥规划。同时考虑到设备的动作损耗,提出了基于模型预测控制的滚动优化模式。进一步基于交替方向乘子法实现配电网多区域分布式协同优化。最后,基于改进的IEEE33节点测试系统进行了仿真。仿真结果表明：所提控制策略能够避免设备的无谓动作,并解决了“维数灾”问题,提高了配电网的电压无功控制效率。     

多时间尺度的配电网深度强化学习无功优化策略

随着高比例分布式电源的接入,配电网在应对源荷不确定性和协调多种无功补偿设备等方面面临较大挑战。该文提出一种基于优化数学模型与数据驱动方法相结合的配电网多时间尺度电压调节策略。该策略首先针对长时间尺度调节的有载调压变压器和电容器组,以最小化有功功率损耗为目标,建立基于混合整数二阶锥规划的日前无功电压优化模型。其次,为满足短时间尺度调度对于实时性的要求,提出一种基于多智能体强化学习的日内实时调度方法,将实时无功优化问题转化为马尔科夫博弈过程,并采用集中训练、分散执行框架。与传统方法相比,该方法通信开销低、实时性强并且不依赖于精确的潮流模型。最后,通过IEEE 33节点算例验证所提策略的有效性。