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 |
| |
作者姓名: | 秦帅 邹晴 李超然 柳楠 袁洲茂 窦晓波 |
| |
作者单位: | 1. 国网北京大兴供电公司;2. 东南大学 电气工程学院 |
| |
基金项目: | 国网北京市电力公司科技项目资助(52021220007D);含动态控制区域的有源配电网区域协同控制(51777031) |
| |
摘 要: | 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。
|
关 键 词: | 配电网源网荷储协调优化 无功优化 K-means聚类 深度学习 在线场景匹配 大数据 |
|
| 点击此处可从《》浏览原始摘要信息 |
|
点击此处可从《》下载全文 |