CN105896588B - 一种逆变器参数控制方法 - Google Patents
一种逆变器参数控制方法 Download PDFInfo
- Publication number
- CN105896588B CN105896588B CN201410546026.6A CN201410546026A CN105896588B CN 105896588 B CN105896588 B CN 105896588B CN 201410546026 A CN201410546026 A CN 201410546026A CN 105896588 B CN105896588 B CN 105896588B
- Authority
- CN
- China
- Prior art keywords
- micro
- capacitance sensor
- parameter
- inverter
- optimization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims description 10
- 238000005315 distribution function Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 7
- 238000004146 energy storage Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000002948 stochastic simulation Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Abstract
本发明涉及电网领域,尤其涉及一种逆变器参数控制方法。本发明针对微电网中光伏发电出力及负荷波动具有的随机性会造成微电网运行方式动态变化这一特点,利用随机量的动态概率模型来描述光伏发电系统出力与负荷,并进而研究考虑系统多运行方式的微电网逆变器参数的优化方法。本方法考虑了微电网的运行随机性和运行方式多样性,基于动态概率特征根分析,从整体角度出发对微电网控制器参数进行优化。
Description
技术领域
本发明涉及电网领域,尤其涉及一种逆变器参数控制方法。
本发明针对微电网中光伏发电出力及负荷波动具有的随机性会造成微电网运行方式动态变化这一特点,利用随机量的动态概率模型来描述光伏发电系统出力与负荷,并进而研究考虑系统多运行方式的微电网逆变器参数的优化方法。本方法考虑了微电网的运行随机性和运行方式多样性,基于动态概率特征根分析,从整体角度出发对微电网控制器参数进行优化。
背景技术
微电网内逆变型微电源的控制器设计是当前微电网研究的热点。在孤网运行模式下,微电网内不同特性的微电源通常采用不同的控制方式。为保证可再生能源的最大利用率,光伏发电系统等波动较大的微电源通常采用最大功率跟踪控制策略;而像微型燃气轮机、燃料电池及柴油机这样输出稳定的微电源,适合根据负荷变化调整出力,维持系统内的功率平衡;储能装置响应迅速,但存储量有限,因此在暂态过程中可利用其抑制频率及电压的大幅波动,在稳态时控制其输出重新归零。
对于一个包含上述多种类型微电源的微电网,各逆变控制器参数的选择至关重要。然而,目前尚没有对所有逆变控制器的参数进行整体优化的系统性方法。
常用的逆变控制器的参数优化方法有以下几种:
1、根据研究微电网系统的特征值随单个控制器参数的变化规律,指出导致系统不稳定的不合理控制参数。该方法只是简单的试错法,耗时且不能保证参数的整体最优性。
2、利用粒子群算法对微电网内所有控制器的参数进行整体优化,其缺点是没有考虑系统的多运行方式。
实际上,由于负荷及风力、光伏发电等微电源的输出具有随机性,微电网的运行方式也具有一定的随机波动性,基于一种运行方式所设计的控制器可能在其它运行方式下失效甚至恶化系统的稳定性。
由上述分析可见,现有的逆变控制器优化方法都有各自的局限性,目前还不适合作为微电网逆变控制器参数的优化方法,因此需要一种行之有效的逆变控制器参数优化方法。
发明内容
发明的目的:为了提供一种效果更好的逆变器参数控制方法。
为了达到如上目的,本发明采取如下技术方案:
一种逆变器参数控制方法,其特征在于,包含如下步骤,
步骤1,建立PVGS输出功率及负荷需求的模型,其模型可用式(1)来描述:
W(t)=P(t)+D(t) (1)
式中:P(t)为基础函数,用来反映W(t)中按规律变化的成分;D(t)为随机变量,用来反映W(t)中的随机波动成分;由于特征根是系统运行方式的函数,因此在不同的时刻点上,可基于运行方式的概率模型确定相应特征根的分布特征;
步骤2,基于拉丁超立方抽样-蒙特卡洛模拟方法,提出动态概率特征根分析方法;具体步骤如下:
步骤2.1,采样,假设抽样次数为N,X1,X2,...XK为待求概率问题的K个输入随机变量,XK,k∈[1,K]的累积概率分布函数为Yk=Fk(Xk),此分布函数的取值范围[0,1]被等分成N个子区间,选择每个区间的中点作为Yk的采样值,然后由累积概率分布函数的逆函数求得Xk的采样值,Xk的第n个采样值为:
步骤2.2,排列,将每一个随机变量的采样值排成矩阵的一行;当K个输入随机变量采样结束,所有的采样值Xkx形成一个K×N阶的初始采样矩阵X;随后采用Gram-Schmidt序列正交化方法排列各行采样点的顺序,使不同随机变量采样值的相关性趋于最小;
步骤2.3,最终形成的采样矩阵X的行代表某个随机变量的所有采样值,列代表一次随机模拟中各随机变量的输入值;分别对不同时刻点X中的每一列所代表的运行方式进行确定性的小干扰分析,从结果中即能够统计出当前时刻点特征根的分布情况;
步骤3,构建微电网逆变控制器参数优化模型;
特征根在复平面的位置决定了系统的稳定性和动态性能的优劣;对于t时刻系统的第m个特征根λm,t=αm,t±jβm,t,若其实部αm,t具有均值和标准差σm,t,则αm,t位于区间的概率为0.9999,非常接近于1;因此在设计逆变控制器参数时应保证该区间完全位于复平面的左半平面,即区间上界且α′m,t距离虚轴的距离应尽量的远;根据以上分析,本文采用α′m,t来评估t时刻微电网在多运行方式下的稳定性;
对于所考虑的整个时间区间,微电网逆变器参数设计问题可转化为如下优化问题,目标函数定义为:
J=max{α′m,t,m=1,...,M,t=1,...,T} (2)
式中:M、T分别代表统的特征根数与所考虑的时刻点数;式(2)所示目标函数表示在整个时间区间所有特征根实部的最大上界,优化的目的是使该上界尽可能的向远离虚轴的方向左移,这样的优化目标保证了参数在不同运行方式下的整体最优性;
逆变控制器最优设计可表述为如下优化问题:
优化变量μ为光伏发电和储能系统逆变控制器的参数KPp1、KIp1、KPq1、KIq1、KP1、KI1、Km1、Kn2、Tw2、KPp2、KIp2、KPq2、KIq2、KP2、KI2;
式(3)表述的是带不等式约束的高维非线性优化问题,采用微分进化算法进行求解;
步骤4,利用微分进化算法进行求解,从而获得最优的微电网控制器参数;
以两个随机选取的矢量参数的差向量作为第三个矢量参数的变化源,通过对当前种群进行变异、交叉、选择等操作生成新种群,最终使种群进化到接近最优解的状态。
采用如上技术方案的本发明,相对于现有技术有如下有益效果:仿真结果证明该方法能够较为准确全面的计入微电网运行方式的多样性对特征根分布的影响,由该方法获得的控制器参数鲁棒性好,能够显著改善多运行方式下微电网的稳定性。
附图说明
为了进一步说明本发明,下面结合附图进一步进行说明:
图1微电网结构与等效电路;
图2拉丁超立方采样示意图;
图3微电网逆变控制器参数优化流程图;
图4微分进化算法优化收敛特性图;
图5优化前的特征根分布图;
图6优化后的特征根分布图。
具体实施方式
下面结合附图对本发明的实施例进行说明,实施例不构成对本发明的限制:
本发明针对微电网中光伏发电出力及负荷波动具有的随机性会造成微电网运行方式动态变化这一特点,利用随机量的动态概率模型来描述光伏发电系统出力与负荷,并进而研究考虑系统多运行方式的微电网逆变器参数的优化方法。
本方法考虑了微电网的运行随机性和运行方式多样性,基于动态概率特征根分析,从整体角度出发对微电网控制器参数进行优化。首先建立包括小型柴油机、储能装置、光伏电池、负荷在内的微电网小信号模型,其等效电路见图1,其次步骤如下:
步骤1,建立PVGS输出功率及负荷需求的预测模型,揭示微电网的运行方式在时间轴上的概率分布特性。
为了计及光伏发电及负荷的随机波动性对微电网逆变控制器参数设计的影响,需要预先获得微电网运行过程中可能出现的各种场景,其预测模型可用式(1)来描述:
W(t)=P(t)+D(t) (1)
式中:P(t)为基础函数,用来反映W(t)中按规律变化的成分;D(t)为随机变量,用来反映W(t)中的随机波动成分。由于特征根是系统运行方式的函数,因此在不同的时刻点上,可基于运行方式的概率模型确定相应特征根的分布特征。
步骤2,基于拉丁超立方抽样-蒙特卡洛模拟方法,提出了动态概率特征根分析方法。
具体步骤如下:
步骤2.1,采样,假设抽样次数为N,X1,X2,...XK为待求概率问题的K个输入随机变量,Xk,k∈[1,K]的累积概率分布函数为Yk=Fk(Xk),此分布函数的取值范围[0,1]被等分成N个子区间,选择每个区间的中点作为Yk的采样值,然后由累积概率分布函数的逆函数求得Xk的采样值。Xk的第n个采样值为:
步骤2.2,排列,将每一个随机变量的采样值排成矩阵的一行。当K个输入随机变量采样结束,所有的采样值Xkx形成一个K×N阶的初始采样矩阵X。随后采用Gram-Schmidt序列正交化方法排列各行采样点的顺序,使不同随机变量采样值的相关性趋于最小。
步骤2.3,最终形成的采样矩阵X的行代表某个随机变量的所有采样值,列代表一次随机模拟中各随机变量的输入值。分别对不同时刻点X中的每一列所代表的运行方式进行确定性的小干扰分析,从结果中即能够统计出当前时刻点特征根的分布情况。
步骤3,构建微电网逆变控制器参数优化模型。
特征根在复平面的位置决定了系统的稳定性和动态性能的优劣。对于t时刻系统的第m个特征根λm,t=αm,t±jβm,t,若其实部αm,t具有均值和标准差σm,t,则α′m,t位于区间的概率为0.9999,非常接近于1。因此在设计逆变控制器参数时应保证该区间完全位于复平面的左半平面,即区间上界且α′m,t距离虚轴的距离应尽可能的远。根据以上分析,本文采用α′m,t来评估t时刻微电网在多运行方式下的稳定性。
对于所考虑的整个时间区间,微电网逆变器参数设计问题可转化为如下优化问题,目标函数定义为:
J=max{α′m,t,m=1,...,M,t=1,...,T} (2)
式中:M、T分别代表统的特征根数与所考虑的时刻点数。式(2)所示目标函数表示在整个时间区间所有特征根实部的最大上界,优化的目的是使该上界尽可能的向远离虚轴的方向左移,这样的优化目标保证了参数在不同运行方式下的整体最优性。
考虑到各参数的限制,逆变控制器最优设计可表述为如下优化问题:
优化变量μ为光伏发电和储能系统逆变控制器的参数KPp1、KIp1、KPq1、KIq1、KP1、KI1、Km1、Kn2、Tw2、KPp2、KIp2、KPq2、KIq2、KP2、KI2。
式(3)表述的是带不等式约束的高维非线性优化问题,本文采用微分进化算法进行求解。
步骤4,利用微分进化算法进行求解,从而获得最优的微电网控制器参数。
以两个随机选取的矢量参数的差向量作为第三个矢量参数的变化源,通过对当前种群进行变异、交叉、选择等操作生成新种群,最终使种群进化到接近最优解的状态。
本发明专利是考虑了微电网的运行随机性和运行方式多样性,基于动态概率特征根分析的微电网逆变控制器参数优化方法,从整体角度出发对微电网控制器参数进行优化。具体实施如下:
本文采用Matlab构建了如图1所示的微电网。各微电源的出口电压均为380V;光伏发电与储能系统的等效连接阻抗Rc1=Rc2=0.01Ω,Lc1=Lc2=0.2mH;线路参数RIine1+jXIine1=(0.1878+j0.0968)Ω,RIine2+jXIine2=(0.0939+j0.0484)Ω,RIine3+jXIine3=(0.2817+j0.1452)Ω。
本实例选择的控制参数见表2。储能下垂控制器增益Km2、Kn2及隔直时间常数Tw2的搜索范围设定为[0.01,5],其余参数的搜索范围设定为[0.01,20]。结果如表2所示,微分进化算法的收敛特性如图3所示。
表1微分进化算法控制参数
控制参数类别 | 参数值 |
种群数量NP | 50 |
解空间维数H | 15 |
最大迭代次数Gmax | 300 |
终止迭代次数Ginv | 100 |
微分比例因子F | 0.5 |
交叉因子CR | 0.5 |
表2逆变控制器参数优化结果
逆变控制器参数 | 最优值 | 逆变控制器参数 | 最优值 |
KPp1 | 14.86 | Tw2 | 0.15 |
KIp1 | 16.18 | KPp2 | 0.54 |
KPq1 | 1.84 | KIp2 | 18.25 |
KIq1 | 20.00 | KPq2 | 10.61 |
KP1 | 4.86 | KIq2 | 20.00 |
KI1 | 12.90 | KP2 | 8.70 |
Km2 | 0.05 | KI2 | 17.32 |
Kn2 | 0.22 |
由图4可见:经过优化后,整个时间区间所有特征根实部的最大上界α′m,t由1.5420变为-1.8943,这说明在所有可能的运行方式下系统的特征根均具有负实部,即系统是小信号稳定的。
系统共有39个特征根,优化后其中31个特征根对应的α′m,t小于-20,说明由它们主导的模式在暂态过程中衰减很快,对微电网的稳定性影响较小。其余8个特征根(从λ1,t到λ8,t,共2对复根,4个实根)较为接近虚轴,对系统的稳定性起主导作用。
图5给出了逆变控制器参数优化前系统特征根λ1,t到λ8,t在2种不同运行方式下的分布情况。方式1与方式2分别对应于微电网在20:00与12:00时刻的运行状态,其中方式1下光伏出力0kW,负荷55kW;方式2下光伏出力24kW,负荷43.5kW。从图中可见,优化前的控制器虽然可以使系统在方式1下稳定运行(所有特征根均位于复平面的左半平面),但却不能保证系统在方式2下也是稳定的(有两个特征根位于复平面的右半平面)。
经过优化后,系统特征根λ1,t到λ8,t在方式1与方式2下的分布情况见图6。结果显示,优化后的控制器能够保证系统在两种运行情况下都是稳定的(两种情况下所有特征根均位于复平面的左半平面)。
仿真结果证明该方法能够较为准确全面的计入微电网运行方式的多样性对特征根分布的影响,由该方法获得的控制器参数鲁棒性好,能够显著改善多运行方式下微电网的稳定性。
本发明按照优选实施例进行了说明,但上述实施例不以任何形式限定本发明,凡采用等同替换或等效变换的形式所获得的技术方案,均落在本发明技术方案的范围内。
需要说明的是,本专利提供的多个方案包含本身的基本方案,相互独立,并不相互制约,但是其也可以在不冲突的情况下相互组合,达到多个效果共同实现。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本领域的技术人员应该了解本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的范围内。
Claims (1)
1.一种逆变器参数控制方法,其特征在于,包含如下步骤,
步骤1,建立PVGS输出功率及负荷需求的模型,其模型可用式(1)来描述:
W(t)=P(t)+D(t) (1)
式中:P(t)为基础函数,用来反映W(t)中按规律变化的成分;D(t)为随机变量,用来反映W(t)中的随机波动成分;由于特征根是系统运行方式的函数,因此在不同的时刻点上,可基于运行方式的概率模型确定相应特征根的分布特征;
步骤2,基于拉丁超立方抽样-蒙特卡洛模拟方法,提出动态概率特征根分析方法;具体步骤如下:
步骤2.1,采样,假设抽样次数为N,X1,X2,...XK为待求概率问题的K个输入随机变量,Xk,k∈[1,K]的累积概率分布函数为Yk=Fk(Xk),此分布函数的取值范围[0,1]被等分成N个子区间,选择每个区间的中点作为Yk的采样值,然后由累积概率分布函数的逆函数求得Xk的采样值,Xk的第n个采样值为:
步骤2.2,排列,将每一个随机变量的采样值排成矩阵的一行;当K个输入随机变量采样结束,所有的采样值Xkn形成一个K×N阶的初始采样矩阵X;随后采用Gram-Schmidt序列正交化方法排列各行采样点的顺序,使不同随机变量采样值的相关性趋于最小;
步骤2.3,最终形成的采样矩阵X的行代表某个随机变量的所有采样值,列代表一次随机模拟中各随机变量的输入值;分别对不同时刻点X中的每一列所代表的运行方式进行确定性的小干扰分析,从结果中即能够统计出当前时刻点特征根的分布情况;
步骤3,构建微电网逆变控制器参数优化模型;
特征根在复平面的位置决定了系统的稳定性和动态性能的优劣;对于t时刻系统的第m个特征根λm,t=αm,t±jβm,t,若其实部αm,t具有均值和标准差σm,t,则αm,t位于区间的概率为0.9999,非常接近于1;因此在设计逆变控制器参数时应保证该区间完全位于复平面的左半平面,即区间上界且α′m,t距离虚轴的距离应尽量的远;根据以上分析,采用α′m,t来评估t时刻微电网在多运行方式下的稳定性;
对于所考虑的整个时间区间,微电网逆变器参数设计问题可转化为如下优化模型,目标函数定义为:
J=max{α′m,t,m=1,...,M,t=1,...,T} (2)
式中:M、T分别代表特征根数与所考虑的时刻点数;式(2)所示目标函数表示在整个时间区间所有特征根实部的最大上界,优化的目的是使该上界尽可能的向远离虚轴的方向左移,这样的优化目标保证了参数在不同运行方式下的整体最优性;
逆变控制器最优设计可表述为如下优化模型:
优化变量μ为光伏发电和储能系统逆变控制器的参数KPp1、KIp1、KPq1、KIq1、KP1、KI1、Km1、Kn2、Tw2、KPp2、KIp2、KPq2、KIq2、KP2、KI2;
式(3)表述的是带不等式约束的高维非线性优化问题,采用微分进化算法进行求解;
步骤4,利用微分进化算法进行求解,从而获得最优的微电网控制器参数;
以两个随机选取的矢量参数的差向量作为第三个矢量参数的变化源,通过对当前种群进行变异、交叉、选择等操作生成新种群,最终使种群进化到接近最优解的状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410546026.6A CN105896588B (zh) | 2014-10-16 | 2014-10-16 | 一种逆变器参数控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410546026.6A CN105896588B (zh) | 2014-10-16 | 2014-10-16 | 一种逆变器参数控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105896588A CN105896588A (zh) | 2016-08-24 |
CN105896588B true CN105896588B (zh) | 2018-03-02 |
Family
ID=57001341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410546026.6A Expired - Fee Related CN105896588B (zh) | 2014-10-16 | 2014-10-16 | 一种逆变器参数控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105896588B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200642253A (en) * | 2005-05-27 | 2006-12-01 | Delta Electronics Inc | Parallel inverters and controlling method thereof |
CN102354974A (zh) * | 2011-10-13 | 2012-02-15 | 山东大学 | 微电网多目标优化运行控制方法 |
CN102623992A (zh) * | 2012-04-12 | 2012-08-01 | 山东大学 | 基于旋转坐标虚拟阻抗的孤岛微电网控制及优化方法 |
CN103036467A (zh) * | 2012-11-23 | 2013-04-10 | 武汉大学 | 基于免疫算法的逆变器多目标Pareto最优控制方法 |
CN103365213A (zh) * | 2013-07-15 | 2013-10-23 | 温州大学 | 用于兆瓦级逆变系统的极值优化自整定数字pid控制方法 |
CN103472731A (zh) * | 2013-09-24 | 2013-12-25 | 南方电网科学研究院有限责任公司 | 一种微电网小信号稳定性分析并参数协调整定的方法 |
CN103545810A (zh) * | 2013-11-12 | 2014-01-29 | 国家电网公司 | 基于小信号稳定分析的微电网逆变器下垂自动控制方法 |
-
2014
- 2014-10-16 CN CN201410546026.6A patent/CN105896588B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200642253A (en) * | 2005-05-27 | 2006-12-01 | Delta Electronics Inc | Parallel inverters and controlling method thereof |
CN102354974A (zh) * | 2011-10-13 | 2012-02-15 | 山东大学 | 微电网多目标优化运行控制方法 |
CN102623992A (zh) * | 2012-04-12 | 2012-08-01 | 山东大学 | 基于旋转坐标虚拟阻抗的孤岛微电网控制及优化方法 |
CN103036467A (zh) * | 2012-11-23 | 2013-04-10 | 武汉大学 | 基于免疫算法的逆变器多目标Pareto最优控制方法 |
CN103365213A (zh) * | 2013-07-15 | 2013-10-23 | 温州大学 | 用于兆瓦级逆变系统的极值优化自整定数字pid控制方法 |
CN103472731A (zh) * | 2013-09-24 | 2013-12-25 | 南方电网科学研究院有限责任公司 | 一种微电网小信号稳定性分析并参数协调整定的方法 |
CN103545810A (zh) * | 2013-11-12 | 2014-01-29 | 国家电网公司 | 基于小信号稳定分析的微电网逆变器下垂自动控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105896588A (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107612016B (zh) | 基于电压最大相关熵的配电网中分布式电源的规划方法 | |
CN103440528A (zh) | 基于耗差分析的火电机组运行优化方法及装置 | |
CN106786977B (zh) | 一种电动汽车充电站的充电调度方法 | |
CN102222919A (zh) | 基于改进差分进化算法的电力系统无功优化方法 | |
CN106532772A (zh) | 一种基于改进正交优化群智能算法的分布式电源规划方法 | |
CN105207573A (zh) | 基于离散概率模型的风光互补供电系统定量优化配置方法 | |
Nourianfar et al. | Solving power systems optimization problems in the presence of renewable energy sources using modified exchange market algorithm | |
Mozaffari et al. | Multi-objective component sizing of a power-split plug-in hybrid electric vehicle powertrain using Pareto-based natural optimization machines | |
CN110380404B (zh) | 考虑高耗能点负荷的输电网励磁系统调差系数优化整定方法 | |
Zeng et al. | Application of hybrid MOPSO algorithm to optimal reactive power dispatch problem considering voltage stability | |
CN113222383B (zh) | 多种群牵引差分进化法配电网规划方法、设备及存储介质 | |
CN110233503A (zh) | 并网光伏逆变器控制参数优化方法 | |
Kumar et al. | Comparative analysis of particle swarm optimization variants on distributed generation allocation for network loss minimization | |
CN105896588B (zh) | 一种逆变器参数控制方法 | |
Dongmei et al. | Reactive power optimization by genetic algorithm integrated with reduced gradient method | |
Li et al. | Reactive power convex optimization of active distribution network based on Improved GreyWolf Optimizer | |
Khosravi et al. | Distribution of optimum reactive power in the presence of wind power plant and considering voltage stability margin using genetic algorithm and Monte Carlo methods | |
Li et al. | Research on large-scale multi-objective optimization algorithm with irregular frontier for operation dispatching of new generation energy system integration | |
Yin et al. | Reduced-dimensional skip-inception feature-aggregated classified proportional-integral-derivative for suppression of mixed-mode oscillations in hydropower units | |
CN103812120B (zh) | 一种基于离散型均匀分布函数的配电网无功优化方法 | |
He et al. | Fuzzy multiobjective optimal power flow based on modified artificial BEE colony algorithm | |
Chen et al. | The optimal planning and dynamic operation of distributed generation method based on modified multiobjective optimization in power distribution system | |
Zhang et al. | Optimal reactive optimization of distribution network with wind turbines based on improved nsga-ii | |
Lv et al. | Cluster Partition Method Development for High Penetration of Distributed Photovoltaics Using Intelligent Algorithm and K-means | |
Yarmohamadi et al. | Capacitor Placement Optimization in Transmission System Using Hybrid PSO and HBMO Algorithms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180302 Termination date: 20181016 |