基于子空间细菌群体趋药性算法的含分布式电源的配电网无功优化

研究了含分布式发电的配电网无功优化问题。结合传统的电容器无功补偿方法,将分布式电源作为连续可调无功源参与到配电网无功优化。针对智能算法容易陷入局部最优解的问题,引入子空间的概念,提出一种基于子空间细菌群体趋药性算法,增强了算法的全局寻优能力。利用IEEE33节点系统计算表明,分布式电源参与配电网无功优化可有效降低系统的网损,提高各节点电压,改善分布式电源并网点电压稳定性,同时验证了改进算法的有效性和可行性。     

基于在线极限学习机的配电网无功电压控制

柔性可控资源的接入使得配电网无功电压控制关系更加复杂。提出基于数据驱动的配电网无功电压控制方法,通过蒙特卡洛方法生成配电网运行场景,构建配电网运行状态和对应的无功优化策略的映射数据集;利用在线极限学习机（Online Sequential Extreme Learning Machine,OS-ELM）构建无功优化的数据驱动模型,将配电网节点电压、负荷以及其他运行参数作为输入,将无功调节设备状态以及控制参数作为输出,建立系统的特征与优化策略之间的隐性关系;最后,将电网实时运行状态将其作为在线无功优化模型的输入得到系统实时的无功电压控制策略。基于IEEE33节点主动配电网对比仿真分析可知,所提方法在系统模型和参数建模未知的情况下实现无功电压的精准控制。     

多场景下含风电机组的配电网无功优化的研究

研究了多场景下含风电机组的配电网无功优化问题。利用概率统计的思想解决了风电机组有功输出的不确定性问题,根据转子侧最大电流限制条件确立了风电机组无功输出范围。结合传统的电容器无功补偿方法,将风电机组作为连续可调无功源参与到配电网的无功优化。建立了以系统网损最小和节点电压越限惩罚为目标的无功优化模型。算例表明不同场景下的风电机组参与配电网无功优化可有效地降低系统的网损,提高各节点电压,同时,增强配电系统受风速影响的适应性。