CN106058858A - 一种配电网优化方法与装置 - Google Patents

一种配电网优化方法与装置 Download PDF

Info

Publication number
CN106058858A
CN106058858A CN201610514295.3A CN201610514295A CN106058858A CN 106058858 A CN106058858 A CN 106058858A CN 201610514295 A CN201610514295 A CN 201610514295A CN 106058858 A CN106058858 A CN 106058858A
Authority
CN
China
Prior art keywords
control variable
distribution network
power
power distribution
active
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.)
Granted
Application number
CN201610514295.3A
Other languages
English (en)
Other versions
CN106058858B (zh
Inventor
周保荣
张勇军
李鸿鑫
杨雨瑶
许志恒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China South Power Grid International Co ltd
South China University of Technology SCUT
Original Assignee
China South Power Grid International Co ltd
South China University of Technology SCUT
Power Grid Technology Research Center of China Southern Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China South Power Grid International Co ltd, South China University of Technology SCUT, Power Grid Technology Research Center of China Southern Power Grid Co Ltd filed Critical China South Power Grid International Co ltd
Priority to CN201610514295.3A priority Critical patent/CN106058858B/zh
Publication of CN106058858A publication Critical patent/CN106058858A/zh
Application granted granted Critical
Publication of CN106058858B publication Critical patent/CN106058858B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
    • H02J3/383—
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/30—Reactive power compensation

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种配电网优化方法与装置，涉及电力系统技术领域，为解决配电网的有功网络损耗高且运行安全性差的问题。所述配电网优化方法包括：获取控制变量，根据控制变量，确定配电网的线路参数和运行数据，控制变量包括无功补偿设备的无功出力、有载调压变压器的档位、储能装置的有功出力和光伏发电设备的功率因数；根据线路参数和运行数据，建立目标模型；利用带精英策略的非支配排序遗传算法计算得到目标模型的帕雷托最优解集合，计算得到帕累托最优解集合中每个解对应的标准化满意度；获取优化目标模型，根据优化目标模型对应的控制变量，调节配电网的控制变量。本发明提供的配电网优化方法与装置应用于配电网中。

Description

一种配电网优化方法与装置
技术领域
本发明涉及电力系统技术领域，尤其涉及一种配电网优化方法与装置。
背景技术
近年来，用户对电力的需求持续增长，由于传统能源的短缺，电力行业也在积极地开发新能源。为了满足用户的需求，分布式电源开始在配电网中使用。分布式电源是与周边环境兼容的独立电源，能够利用天然气、煤层气等燃料，或利用沼气、焦炉煤气等废气资源，或利用风能、太阳能、水能等可再生资源进行发电，为配电网供电，从而能够调节用电高峰，为边远用户或商业区和居民区送电。现阶段，将利用太阳能进行发电的光伏发电设备作为分布式电源较为普遍。
由于配电网的阻抗比较大，有功功率和无功功率的耦合性较强，因此有功潮流的分布和无功潮流的分布均对配电网的有功网络损耗和电压质量有较大影响。配电网引入分布式电源后，使配电网从单电源供电发展为多电源供电改变了配电网的潮流分布，增加了配电网的有功网络损耗。潮流分布改变后的配电网中的分布式电源的输出会产生电压波动，甚至会产生电压越限的现象，从而降低了配电网的运行安全性。
发明内容
本发明的目的在于提供一种配电网优化方法与装置，用于在降低配电网的有功网损的基础上，提高配电网的运行安全性。
为了实现上述目的，本发明提供如下技术方案：
一方面，本发明提供了一种配电网优化方法，用于所述配电网，所述配电网包括储能装置、光伏发电设备、负载设备、无功补偿设备、有载调压变压器以及多个线路节点；所述配电网无功优化方法包括：
获取控制变量，根据所述控制变量，确定所述配电网的线路参数和运行数据，所述控制变量包括所述无功补偿设备的无功出力、所述有载调压变压器的档位、所述储能装置的有功出力和所述光伏发电设备的功率因数；所述线路参数包括配电网中各个线路节点之间的电导、电纳和相角差，所述运行数据包括配电网中各个线路节点的电压幅值和期望电压幅值；
根据所述线路参数和所述运行数据，建立目标模型，所述目标模型包括有功网损模型和电压越限风险模型，所述有功网损模型用于计算所述配电网的有功网损，所述电压越限风险模型用于计算所述配电网的电压越限风险；
利用带精英策略的非支配排序遗传算法计算得到所述目标模型的帕雷托最优解集合，计算得到所述帕累托最优解集合中每个解对应的标准化满意度，所述标准化满意度用于表示得到最小的有功网损和最低的电压越限风险的平衡程度；
获取优化目标模型，根据所述优化目标模型对应的所述控制变量，调节所述配电网的控制变量，所述优化目标模型为所述标准化满意度最大的解对应的所述有功网损模型和所述电压越限风险模型。
另一方面，本发明提供了一种配电网优化装置，包括：
参数确定模块，用于获取控制变量，根据所述控制变量，确定所述配电网的线路参数和运行数据，所述控制变量包括所述无功补偿设备的无功出力、所述有载调压变压器的档位、所述储能装置的有功出力和所述光伏发电设备的功率因数；所述线路参数包括配电网中各个线路节点之间的电导、电纳和相角差，所述运行数据包括各个线路节点的电压幅值和期望电压幅值；
模型建立模块，用于根据所述线路参数和所述运行数据，建立目标模型，所述目标模型包括有功网损模型和电压越限风险模型，所述有功网损模型用于计算所述配电网的有功网损，所述电压越限风险模型用于计算所述配电网的电压越限风险；
计算模块，用于利用带精英策略的非支配排序遗传算法计算得到所述目标模型的帕雷托最优解集合，计算得到所述帕累托最优解集合中每个解对应的标准化满意度，所述标准化满意度用于表示得到最小的有功网损和最低的电压越限风险的平衡程度；
调节模块，用于获取优化目标模型，根据所述优化目标模型对应的所述控制变量，调节所述配电网的控制变量，所述优化目标模型为所述标准化满意度最大的解对应的所述有功网损模型和所述电压越限风险模型。
本发明提供的配电网优化方法与装置中，建立用于计算有功网损和电压越限风险的目标模型，得到目标模型的帕累托最优解集合，得到帕累托最优解集合中每个解的标准化满意度，根据标准化满意度最大的解对应的有功网损模型和电压越限风险模型，调节配电网中的控制变量。与配电网改变潮流分布后易产生电压越限现象的现有技术相比，本发明根据标准化满意度最大的解对应的有功网损模型和电压越限风险模型，调节配电网中的控制变量，使配电网工作时能够达到平衡程度最佳的最小有功网损和最低的电压越限风险，从而在降低配电网的有功网损的基础上，提高配电网的运行安全性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例中配电网的结构示例图之一；
图2为本发明实施例中配电网优化方法的流程图之一；
图3为本发明实施例中帕雷托最优解集合的示意图；
图4为本发明实施例中配电网优化方法的流程图之二；
图5为本发明实施例中配电网的结构示例图之二；
图6为本发明实施例中配电网优化装置的结构示意图之一；
图7为本发明实施例中配电网优化装置的结构示意图之二。
具体实施方式
为了进一步说明本发明实施例提供的配电网优化方法与装置，下面结合说明书附图进行详细描述。
本发明实施例提供的配电网优化方法用于配电网，配电网包括储能装置、光伏发电设备、负载设备、无功补偿设备、有载调压变压器以及多个线路节点，本发明实施例以10kV配电网为例进行说明。其中，储能装置、光伏发电设备、负载设备、无功补偿设备、有载调压变压器的个数在此并不限定。光伏发电设备具体可以为光伏阵列或光伏发电单元等，负载设备可以为直流负载和/或交流负载，配电网外接有变电站，变电站通过母线与配电网连接。需要说明的是，配电网中的储能装置、光伏发电设备、负载设备、无功补偿设备、有载调压变压器以及多个线路节点之间的连接方式在现有技术中已经较为成熟，且连接方式的种类众多，在此并不限定。比如，如图1所示，配电网中包括光伏阵列、储能装置、直流负载、交流负载、直流-直流交换器、直流-交流转换器、并离网开关等，其中并未画出无功补偿设备和有载调压变压器，各个线路节点也未在图1中标出，配电网通过直流母线和交流母线与外部的变电站连接，该配电网可以通过并离网开关与其他配电网并联或间离。
如图2所示，本发明实施例提供了一种配电网优化方法，包括：
步骤101，获取控制变量，根据控制变量，确定配电网的线路参数和运行数据。控制变量包括无功补偿设备的无功出力、有载调压变压器的档位、储能装置的有功出力和光伏发电设备的功率因数。控制变量还与无功补偿设备的安装点、无功补偿设备的安装容量、无功补偿设备的已投容量、有载调压变压器的安装点、有载调压变压器的型号、有载调压变压器的容量、有载调压变压器的现选档位有关。线路参数包括配电网中各个线路节点之间的电导、电纳和相角差。运行数据包括各个线路节点的电压幅值和期望电压幅值。具体的，线路参数和运行数据还与配电网中线路的网架结构、导线型号、导线长度、导线阻抗值、配电变压器的型号、配电变压器的容量、配电变压器低压侧的有功负荷、配电变压器低压侧的无功负荷以及配电网外接的变电站的母线电压相关。需要说明的是，调整控制变量，控制变量发生改变，配电网的运行数据也会随之改变。
步骤102，根据线路参数和运行数据，建立目标模型。目标模型包括有功网损模型和电压越限风险模型，有功网损模型用于计算配电网的有功网损，电压越限风险模型用于计算配电网的电压越限风险，电压越限风险越大，出现电压越限的现象的可能性越大，配电网的运行安全性就越低。
步骤103，利用带精英策略的非支配排序遗传算法(以下简称NSGA-II算法)计算得到目标模型的帕雷托(Pareto)最优解集合，计算得到帕雷托最优解集合中每个解对应的标准化满意度。标准化满意度用于表示得到最小的有功网损和最低的电压越限风险的平衡程度。帕雷托最优解集合中每个解对应的目标模型中的控制变量发生变化，有功网损和电压越限风险不会同时降低。
步骤104，获取优化目标模型，根据优化目标模型对应的控制变量，调节配电网的控制变量。优化目标模型为标准化满意度最大的解对应的有功网损模型和电压越限风险模型。将配电网的控制变量调节为优化目标模型对应的控制变量，则配电网的有功网损和电压越限风险能够在平衡的基础上降至最低。比如，如图3所示，在帕累托最优解集合中所有解中选取标准化满意度最大的一个解，标准化满意度最大的解对应的有功网损和电压越限风险均较小，不会出现有功网损较小，但电压越限风险较大的现象，也不会出现电压越限风险较小，有功网损较大的现象，能够取得降低有功网损，降低电压越限风险的最佳平衡。
具体的，配电网中还可以包括控制中心，当得到优化目标模型对应的控制变量时，向控制中心下发调节指令，调节指令中包括优化目标模型对应的控制变量的具体数值，控制中心接收到调节指令后，调节配电网中的无功补偿设备、有载调压变压器、储能装置和光伏发电设备涉及到的具体控制变量的数值。
本发明提供的配电网优化方法中，建立用于计算有功网损和电压越限风险的目标模型，得到目标模型的帕累托最优解集合，得到帕累托最优解集合中每个解的标准化满意度，根据标准化满意度最大的解对应的有功网损模型和电压越限风险模型，调节配电网中的控制变量。与配电网改变潮流分布后易产生电压越限现象的现有技术相比，本发明根据标准化满意度最大的解对应的有功网损模型和电压越限风险模型，调节配电网中的控制变量，使配电网工作时能够达到平衡程度最佳的最小有功网损和最低的电压越限风险，从而在降低配电网的有功网损的基础上，提高配电网的运行安全性。
具体的，上述实施例中的有功网损模型为电压越限风险模型为其中，Vi为第i个线路节点的电压幅值，Gij、Bij、δij分别为第i个线路节点与第j个线路节点之间的电导、电纳和相角差，n为配电网中线路节点的总数，Г为和第j个线路节点相连的线路节点的集合，VLIM为电压越限风险，PLoss为有功网损，Vei为第i个线路节点的期望电压幅值，i、j和n均为正整数。
需要说明的是，各个线路节点的有功功率和无功功率分别满足和其中，Pi为第i个线路节点的有功功率，Qi为第i个线路节点的无功功率，Vj为第j个线路节点的电压幅值，i和j均为正整数，且均小于或等于配电网中线路节点的总数。
如图4所示，下面将具体说明如何利用带精英策略的非支配排序遗传算法来进行目标模型的帕雷托最优解集合的计算，以及如何求得标准化满意度的内容。上述实施例中的步骤103具体可以细化为步骤S1-步骤S8，具体内容如下：
步骤S1，生成多个控制变量组。每个控制变量组中均包含有无功补偿设备的无功出力、有载调压变压器的档位、储能装置的有功出力和光伏发电设备的功率因数。其中，每个控制变量组中至少有一个控制变量的取值与其他控制变量组中对应的控制变量的取值不同，比如，共生成十个控制变量组，第一个控制变量组中的无功补偿设备的无功出力为A1，有载调压变压器的档位为A2，储能装置的有功出力为A3，光伏发电设备的功率因数为A4，则其他九个控制变量组中的任意一个控制变量组中的无功补偿设备的无功出力不为A1，或有载调压变压器的档位不为A2，或储能装置的有功出力不为A3，或光伏发电设备的功率因数不为A4；当然，其他九个控制变量组中的任意一个控制变量组中可以有多个控制变量与第一个控制变量组中的对应的控制变量的取值不同。值得一提的是，控制变量组可以是随机生成的，随机生成的控制变量组的个数越多，配电网优化方法中的计算量越大，但得到的计算结果就越精确。
需要说明的是，可以对控制变量进行编码，由于储能装置的有功出力和光伏发电设备的功率因数为连续变量，也就是说，储能装置的有功出力和光伏发电设备的功率因数的值是可连续变化的，可采用实数编码；无功补偿设备的无功出力和有载调压变压器的档位是离散变量，也就是说，无功补偿设备的无功出力和有载调压变压器的档位的值是间隔一定步长进行调节的，可采用整数编码，具体的，无功补偿设备的无功出力为无功投切量，。
步骤S2，根据有功网损模型和电压越限风险模型，得到每个控制变量组的支配水平。其中支配水平表示每个控制变量能够支配的裂解个数，比如，设有功网损模型的函数公式为F1(X)，电压越限风险模型的函数公式为F2(X)，共随机生成十个不同的控制变量组，分别用X1～X10表示，若F1(X1)≤F1(X2)且F2(X1)≤F2(X2)，则确定X1支配X2，若在十个控制变量组中，F1(X2)、F1(X5)、F1(X8)、F1(X9)均大于或等于F1(X1)，且F2(X2)、F2(X5)、F2(X8)、F2(X9)均大于或等于F2(X1)，则X1支配X2、X5、X8和X9，X1的支配水平为4。具体的，可以根据支配水平对多个控制变量组划分等级，将支配水平相等的控制变量组划分为同一等级，等级越高，支配水平越高。
步骤S3，计算同一支配水平下的各个控制变量组的拥挤距离。其中，拥挤距离用于表示控制变量组周围的其他控制变量组的密度，具体的，拥挤距离可以用公式D[i]＝D[i]+F[(i+1),m]-F[(i-1),m]表示，其中，D[i]为第i个控制变量组的拥挤距离，F[i，m]表示第i个控制变量组的第m个目标模型的值，在本发明实施例中，m＝2，当m＝1的时候，目标模型为有功网损模型，当m＝2的时候，目标模型为电压越限风险模型；或者，当m＝1的时候，目标模型为电压越限风险模型，当m＝2的时候，目标模型为有功网损模型。
步骤S4，按支配水平由高至低的顺序选取预设个数的控制变量组，作为父代控制变量组。其中，在同一支配水平下的控制变量组中按照拥挤距离由大至小选取父代控制变量组。比如，共有十个控制变量组X1～X10，其中支配水平为y1且拥挤距离由大至小排列的控制变量组为X1、X3和X9，支配水平为y2且拥挤距离由大至小排列的控制变量组为X2、X5、X8和X9，支配水平为y3且拥挤距离由大至小排列的控制变量组为X4、X6、X7和X10，y1＞y2＞y3，预设个数为5，则选取的父代控制变量组为X1、X3、X9、X2和X5。
步骤S5，对父代控制变量组进行交叉和变异计算，得到子代控制变量组，将子代控制变量组和父代控制变量组合并，组成新的多个控制变量组。在得到父代控制变量组后，利用交叉算子和多项式变异算子对父代控制变量组进行交叉和变异计算，经过交叉和变异计算得到的结果即为子代控制变量组。需要说明的是，父代控制变量组的数目与子代控制变量组的个数相等。
步骤S6，重复步骤S2至步骤S5，直至重复的次数满足预设的收敛次数，将最新得到的子代控制变量组中支配水平最高的控制变量组作为帕雷托最优解集合。比如，预设的收敛次数为三，则重复上述步骤S2至步骤S5三次，将第三次重复步骤S2至步骤S5得到的子代控制变量组中支配水平最高的控制变量组作为帕雷托最优解集合。需要说明的是，在最高的支配水平下的所有控制变量组均作为帕雷托最优解集合。
步骤S7，利用公式计算得到帕累托最优解集合中每个解对应的满意度。其中，为帕累托最优解集合中第k个解对应的目标模型的满意度，为帕累托最优解集合中第k个解对应的目标值，目标值包括有功网损或电压越限风险，fimax，fimin分别表示帕累托最优解集合中所有解对应的目标值中的最大值和最小值。比如，当目标值为有功网损时，fimax，fimin分别表示帕累托最优解集合中所有解对应的有功网损的最大值和最小值，当目标值为电压越限风险时，fimax，fimin分别表示帕累托最优解集合中所有解对应的电压越限风险的最大值和最小值。
步骤S8，利用公式计算得到帕累托最优解集合中每个解对应的标准化满意度。其中，NPF为帕累托最优解集合中解的数目，μk为帕累托最优解集合中第k个解的标准化满意度，k和i均为正整数，M＝2。
需要说明的是，本发明实施例中的控制变量的约束条件为：QC.min≤QCi≤QC.max，Tk.min≤Tki≤Tk.max，PES.min≤PESi≤PES.max，λPV.min≤λPVi≤λPV.max，其中，QCi为第i个无功补偿设备的无功出力，QC.min为无功补偿设备的容性无功容量，QC.max为无功补偿设备的感性无功容量；PESi为第i个储能装置的有功出力，PES.min为储能装置有功出力的下限值，PES.max为储能装置有功出力的上限值；λPVi为第i个光伏发电设备的功率因数，λPV.min为光伏发电设备的功率因数下限值，λPV.max为光伏发电设备的功率因数上限值；TKi为第i个有载调压变压器的档位，TK.min为有载调压变压器的最小档位，TK.max为有载调压变压器的最大档位。对配电网中的控制变量进行约束，是为了保证配电网处于安全稳定的运行范围内。
此外，配电网中的状态向量包括光伏发电设备的无功出力、各个线路节点的电压幅值、配电网中各个支路的电流和变电站母线注入配电网的无功功率，本发明实施例中的状态变量的约束条件为：QPV.min≤QPVi≤QPV.max，Vi.min≤Vi≤Vi.max，|Ii|≤|Ii.max，QS≥0，其中，QPVi为第i个光伏发电设备的无功出力，QPV.min、QPVmax分别为光伏发电设备的无功出力的最小值和最大值；Vi.min、Vi.max分别为线路节点的电压幅值的最小值和最大值；Ii为所述配电网中第i条支路的电流，Ii.max表示第i条支路的电流的最大值；QS为变电站母线注入所述配电网的无功功率。需要说明的是，上述状态变量的具体取值可参考国家的电网导则规定。
下面将举一具体实例来对配电网的优化方法以及优化效果进行说明，具体内容如下：
如图5所示，配电网中包括四十五个线路节点，各个线路节点的有功功率和无功功率如下方表一所示，在表一中，各个线路节点的功率均用复数表示，实数部为有功功率，虚数部为无功功率。在线路节点43、线路节点44和线路节点45出分别接入光伏发电设备PV1、PV2和PV3和储能装置E1、E2和E3，光伏发电设备PV1、PV2和PV3的有功出力分别为700kW、500kW和300kW，且光伏发电设备PV1、PV2和PV3的功率因数的变化范围为滞后0.85至超前0.85；储能装置的最大充放电功率为1MW；配电网中设有一台有载调压变压器，该有载调压变压器包含17个分接头(UN±8×1.25％)，UN为有载调压变压器的初始档位；线路节点1、线路节点6、线路节点12、线路节点20、线路节点29、线路节点39和线路节点42处分别安装有2组可投切并联电容器组，每组可投切并联电容器组的容量分别为75kvar、40kvar、105kvar、50kvar、50kvar、40kvar和20kvar。
表一
设置四组对照模型，分别为对照模型一至对照模型四，均涉及到有功网损模型和电压越限风险模型，但控制变量不同。其中，模型一的控制变量为无功补偿设备的无功出力和有载调压变压器的档位，模型二的控制变量为有功补偿设备的无功出力、有载调压变压器的档位和光伏发电设备的功率因数，模型三的控制变量为有功补偿设备的无功出力、有载调压变压器的档位和储能装置的有功出力，模型四的控制变量为本发明实施例优选的控制变量，包括有功补偿设备的无功出力、有载调压变压器的档位、光伏发电设备的功率因数和储能装置的有功出力。采用本发明实施例中的计算方法，求得的模型一至模型四中标准化满意度最大的解对应的有功网损和电压越限风险，以及模型一至模型四中标准化满意度最大的解对应的有功网损和电压越限风险的对比结果如表二所示：
表二
模型 PLOSS/kW ΔP/％ VLIM/％ ΔV/％
模型一 31.7 — 0.49 —
模型二 29.6 6.6％ 0.48 2.1％
模型三 28.9 8.8％ 0.43 12.2％
模型四 26.2 17.4％ 0.39 20.4％
其中，PLoss为有功网损，VLIM为电压越限风险，ΔP和ΔV为模型二至模型四分别相对与模型一在减小有功网损和降低电压越限风险上的改善幅度，从表二中可以看出，模型四的有功网损和电压越限风险最小，模型四在减小有功网损以及降低电压越限风险的改善幅度最大。因此，采用本发明实施例中的配电网优化方法，能够充分发挥引入光伏发电设备的配电网的无功补偿和有功调控能力，在保证降低有功网损的基础上提高了配电网的运行安全性。
请参阅图6，本发明实施例还提供了一种配电网优化装置200，包括：
参数确定模块201，用于获取控制变量，根据控制变量，确定配电网的线路参数和运行数据，控制变量包括无功补偿设备的无功出力、有载调压变压器的档位、储能装置的有功出力和光伏发电设备的功率因数；线路参数包括配电网中各个线路节点之间的电导、电纳和相角差，运行数据包括配电网中各个线路节点的电压幅值和期望电压幅值。
模型建立模块202，用于根据线路参数和运行数据，建立目标模型，目标模型包括有功网损模型和电压越限风险模型，有功网损模型用于计算配电网的有功网损，电压越限风险模型用于计算配电网的电压越限风险。
计算模块203，用于利用带精英策略的非支配排序遗传算法计算得到目标模型的帕雷托最优解集合，计算得到帕累托最优解集合中每个解对应的标准化满意度，标准化满意度用于表示得到最小的有功网损和最低的电压越限风险的平衡程度。
调节模块204，用于获取优化目标模型，根据优化目标模型对应的控制变量，调节配电网的控制变量，优化目标模型为标准化满意度最大的解对应的有功网损模型和电压越限风险模型。
本发明提供的配电网优化装置中，建立用于计算有功网损和电压越限风险的目标模型，得到目标模型的帕累托最优解集合，得到帕累托最优解集合中每个解的标准化满意度，根据标准化满意度最大的解对应的有功网损模型和电压越限风险模型，调节配电网中的控制变量。与配电网改变潮流分布后易产生电压越限现象的现有技术相比，本发明根据标准化满意度最大的解对应的有功网损模型和电压越限风险模型，调节配电网中的控制变量，使配电网工作时能够达到平衡程度最佳的最小有功网损和最低的电压越限风险，从而在降低配电网的有功网损的基础上，提高配电网的运行安全性。
具体的，本发明实施例中的有功网损模型为电压越限风险模型为其中，Vi为第i个线路节点的电压幅值，Gij、Bij、δij分别为第i个线路节点与第j个线路节点之间的电导、电纳和相角差，n为配电网中线路节点的总数，Г为和第j个线路节点相连的线路节点的集合，VLIM为电压越限风险，PLoss为有功网损，Vei为第i个线路节点的期望电压幅值，i、j和n均为正整数。
需要说明的是，各个线路节点的有功功率和无功功率分别满足和其中，Pi为第i个线路节点的有功功率，Qi为第i个线路节点的无功功率，Vj为第j个线路节点的电压幅值，i和j均为正整数。
请参阅图7，上述实施例中的计算模块203包括：
生成单元2031，用于生成多个控制变量组，每个控制变量组中至少有一个控制变量的取值与其他控制变量组中对应的控制变量的取值不同；
第一计算单元2032，用于根据有功网损模型和电压越限风险模型，得到每个控制变量组的支配水平。
第二计算单元2033，用于计算同一支配水平下的各个控制变量组的拥挤距离，拥挤距离用于表示控制变量组周围的其他控制变量组的密度。
选取单元2034，用于按支配水平由高至低的顺序选取预设个数的控制变量组，作为父代控制变量组，其中，在同一支配水平下的控制变量组中按照拥挤距离由大至小选取父代控制变量组。
第三计算单元2035，用于对父代控制变量组进行交叉和变异计算，得到子代控制变量组，将子代控制变量组和父代控制变量组合并，组成新的多个控制变量组。
其中，第一计算单元2032、第二计算单元2033、选取单元2034和第三计算单元2035还用于分别依次重复各自执行的流程，直至重复的次数满足预设的收敛次数，将最新得到的子代控制变量组中支配水平最高的控制变量组作为帕雷托最优解集合。
所述计算模块203还包括：
第四计算单元2036，用于利用公式计算得到所述帕累托最优解集合中每个解对应的满意度，其中，为所述帕累托最优解集合中第k个解对应的目标模型的满意度，为所述帕累托最优解集合中第k个解对应的目标值，所述目标值包括有功网损或电压越限风险，fimax，fimin分别表示所述帕累托最优解集合中所有解对应的目标值中的最大值和最小值；
第五计算单元2037，用于利用公式计算得到所述帕累托最优解集合中每个解对应的标准化满意度，NPF为所述帕累托最优解集合中解的数目，μk为所述帕累托最优解集合中第k个解的标准化满意度，k和i均为正整数，M＝2。
需要说明的是，本发明实施例中的控制变量的约束条件为：QC.min≤QCi≤QC.max，Tk.min≤Tki≤Tk.max，PES.min≤PESi≤PES.max，λPV.min≤λPVi≤λPV.max，其中，QCi为第i个无功补偿设备的无功出力，QC.min为无功补偿设备的容性无功容量，QC.max为无功补偿设备的感性无功容量；PESi为第i个储能装置的有功出力，PES.min为储能装置有功出力的下限值，PES.max为储能装置有功出力的上限值；λPVi为第i个光伏发电设备的功率因数，λPV.min为光伏发电设备的功率因数下限值，λPV.max为光伏发电设备的功率因数上限值；TKi为第i个有载调压变压器的档位，TK.min为有载调压变压器的最小档位，TK.max为有载调压变压器的最大档位。
本发明实施例中的状态向量的约束条件为：QPV.min≤QPVi≤QPV.max，Vi.min≤Vi≤Vi.max，|Ii|≤|Ii.max，QS≥0，其中，QPVi为第i个光伏发电设备的无功出力，QPV.min、QPVmax分别为光伏发电设备的无功出力的最小值和最大值；Vi.min、Vi.max分别为线路节点的电压幅值的最小值和最大值；Ii为所述配电网中第i条支路的电流，Ii.max表示第i条支路的电流的最大值；QS为变电站母线注入所述配电网的无功功率。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于配电网优化装置的实施例而言，由于其基本相似于配电网优化方法实施例，所以描述得比较简单，相关之处参见配电网优化方法实施例的部分说明即可。
在上述实施方式的描述中，具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (14)

1.一种配电网优化方法，其特征在于，用于所述配电网，所述配电网包括储能装置、光伏发电设备、负载设备、无功补偿设备、有载调压变压器以及多个线路节点；所述配电网无功优化方法包括：
获取控制变量，根据所述控制变量，确定所述配电网的线路参数和运行数据，所述控制变量包括所述无功补偿设备的无功出力、所述有载调压变压器的档位、所述储能装置的有功出力和所述光伏发电设备的功率因数；所述线路参数包括配电网中各个线路节点之间的电导、电纳和相角差，所述运行数据包括配电网中各个线路节点的电压幅值和期望电压幅值；
根据所述线路参数和所述运行数据，建立目标模型，所述目标模型包括有功网损模型和电压越限风险模型，所述有功网损模型用于计算所述配电网的有功网损，所述电压越限风险模型用于计算所述配电网的电压越限风险；
利用带精英策略的非支配排序遗传算法计算得到所述目标模型的帕雷托最优解集合，计算得到所述帕累托最优解集合中每个解对应的标准化满意度，所述标准化满意度用于表示得到最小的有功网损和最低的电压越限风险的平衡程度；
获取优化目标模型，根据所述优化目标模型对应的所述控制变量，调节所述配电网的控制变量，所述优化目标模型为所述标准化满意度最大的解对应的所述有功网损模型和所述电压越限风险模型。
2.根据权利要求1所述的配电网优化方法，其特征在于，所述有功网损模型为所述电压越限风险模型为其中，Vi为第i个线路节点的电压幅值，Gij、Bij、δij分别为第i个线路节点与第j个线路节点之间的电导、电纳和相角差，n为所述配电网中线路节点的总数，Г为和第j个线路节点相连的线路节点的集合，VLIM为所述电压越限风险，PLoss为有功网损，Vei为第i个线路节点的期望电压幅值，i、j和n均为正整数。
3.根据权利要求2所述的配电网优化方法，其特征在于，各个所述线路节点的有功功率和无功功率分别满足和其中，Pi为第i个线路节点的有功功率，Qi为第i个线路节点的无功功率，Vj为第j个线路节点的电压幅值，i和j均为正整数。
4.根据权利要求1所述的配电网优化方法，其特征在于，所述利用带精英策略的非支配排序遗传算法计算得到所述目标模型的帕雷托最优解集合，包括：
步骤S1，生成多个控制变量组，每个所述控制变量组中至少有一个控制变量的取值与其他所述控制变量组中对应的控制变量的取值不同；
步骤S2，根据所述有功网损模型和所述电压越限风险模型，得到每个控制变量组的支配水平；
步骤S3，计算同一支配水平下的各个控制变量组的拥挤距离，所述拥挤距离用于表示控制变量组周围的其他控制变量组的密度；
步骤S4，按支配水平由高至低的顺序选取预设个数的控制变量组，作为父代控制变量组，其中，在同一支配水平下的控制变量组中按照拥挤距离由大至小选取所述父代控制变量组；
步骤S5，对所述父代控制变量组进行交叉和变异计算，得到子代控制变量组，将所述子代控制变量组和所述父代控制变量组合并，组成新的多个控制变量组；
步骤S6，重复步骤S2至步骤S5，直至重复的次数满足预设的收敛次数，将最新得到的子代控制变量组中支配水平最高的控制变量组作为所述帕雷托最优解集合。
5.根据权利要求4所述的配电网优化方法，其特征在于，QC.min≤QCi≤QC.max，Tk.min≤Tki≤Tk.max，PES.min≤PESi≤PES.max，λPV.min≤λPVi≤λPV.max，其中，QCi为第i个无功补偿设备的无功出力，QC.min为无功补偿设备的容性无功容量，QC.max为无功补偿设备的感性无功容量；PESi为第i个储能装置的有功出力，PES.min为储能装置有功出力的下限值，PES.max为储能装置有功出力的上限值；λPVi为第i个光伏发电设备的功率因数，λPV.min为光伏发电设备的功率因数下限值，λPV.max为光伏发电设备的功率因数上限值；TKi为第i个有载调压变压器的档位，TK.min为有载调压变压器的最小档位，TK.max为有载调压变压器的最大档位。
6.根据权利要求1或4所述的配电网优化方法，其特征在于，QPV.min≤QPVi≤QPV.max，Vi.min≤Vi≤Vi.max，|Ii|≤|Ii.max，QS≥0，其中，QPVi为第i个光伏发电设备的无功出力，QPV.min、QPVmax分别为光伏发电设备的无功出力的最小值和最大值；Vi.min、Vi.max分别为线路节点的电压幅值的最小值和最大值；Ii为所述配电网中第i条支路的电流，Ii.max表示第i条支路的电流的最大值；QS为变电站母线注入所述配电网的无功功率。
7.根据权利要求1所述的配电网优化方法，其特征在于，所述计算得到所述帕累托最优解集合中每个解对应的标准化满意度，包括：
利用公式计算得到所述帕累托最优解集合中每个解对应的满意度，其中，为所述帕累托最优解集合中第k个解对应的目标模型的满意度，fi k为所述帕累托最优解集合中第k个解对应的目标值，所述目标值包括有功网损或电压越限风险，fimax，fimin分别表示所述帕累托最优解集合中所有解对应的目标值中的最大值和最小值；
利用公式计算得到所述帕累托最优解集合中每个解对应的标准化满意度，NPF为所述帕累托最优解集合中解的数目，μk为所述帕累托最优解集合中第k个解的标准化满意度，k和i均为正整数，M＝2。
8.一种配电网优化装置，其特征在于，包括：
参数确定模块，用于获取控制变量，根据所述控制变量，确定所述配电网的线路参数和运行数据，所述控制变量包括所述无功补偿设备的无功出力、所述有载调压变压器的档位、所述储能装置的有功出力和所述光伏发电设备的功率因数；所述线路参数包括配电网中各个线路节点之间的电导、电纳和相角差，所述运行数据包括各个线路节点的电压幅值和期望电压幅值；
模型建立模块，用于根据所述线路参数和所述运行数据，建立目标模型，所述目标模型包括有功网损模型和电压越限风险模型，所述有功网损模型用于计算所述配电网的有功网损，所述电压越限风险模型用于计算所述配电网的电压越限风险；
计算模块，用于利用带精英策略的非支配排序遗传算法计算得到所述目标模型的帕雷托最优解集合，计算得到所述帕累托最优解集合中每个解对应的标准化满意度，所述标准化满意度用于表示得到最小的有功网损和最低的电压越限风险的平衡程度；
调节模块，用于获取优化目标模型，根据所述优化目标模型对应的所述控制变量，调节所述配电网的控制变量，所述优化目标模型为所述标准化满意度最大的解对应的所述有功网损模型和所述电压越限风险模型。
9.根据权利要求8所述的配电网优化装置，其特征在于，所述有功网损模型为所述电压越限风险模型为其中，Vi为第i个线路节点的电压幅值，Gij、Bij、δij分别为第i个线路节点与第j个线路节点之间的电导、电纳和相角差，n为所述配电网中线路节点的总数，Г为和第j个线路节点相连的线路节点的集合，VLIM为所述电压越限风险，PLoss为有功网损，Vei为第i个线路节点的期望电压幅值，i、j和n均为正整数。
10.根据权利要求9所述的配电网优化装置，其特征在于，各个所述线路节点的有功功率和无功功率分别满足和其中，Pi为第i个线路节点的有功功率，Qi为第i个线路节点的无功功率，Vj为第j个线路节点的电压幅值，i和j均为正整数。
11.根据权利要求8所述的配电网优化装置，其特征在于，所述计算模块包括：
生成单元，用于生成多个控制变量组，每个所述控制变量组中至少有一个控制变量的取值与其他所述控制变量组中对应的控制变量的取值不同；
第一计算单元，用于根据所述有功网损模型和所述电压越限风险模型，得到每个控制变量组的支配水平；
第二计算单元，用于计算同一支配水平下的各个控制变量组的拥挤距离，所述拥挤距离用于表示控制变量组周围的其他控制变量组的密度；
选取单元，用于按支配水平由高至低的顺序选取预设个数的控制变量组，作为父代控制变量组，其中，在同一支配水平下的控制变量组中按照拥挤距离由大至小选取所述父代控制变量组；
第三计算单元，用于对所述父代控制变量组进行交叉和变异计算，得到子代控制变量组，将所述子代控制变量组和所述父代控制变量组合并，组成新的多个控制变量组；
第一计算单元、第二计算单元、选取单元和第三计算单元还用于分别依次重复各自执行的流程，直至重复的次数满足预设的收敛次数，将最新得到的子代控制变量组中支配水平最高的控制变量组作为所述帕雷托最优解集合。
12.根据权利要求11所述的配电网优化装置，其特征在于，QC.min≤QCi≤QC.max，Tk.min≤Tki≤Tk.max，PES.min≤PESi≤PES.max，λPV.min≤λPVi≤λPV.max，其中，QCi为第i个无功补偿设备的无功出力，QC.min为无功补偿设备的容性无功容量，QC.max为无功补偿设备的感性无功容量；PESi为第i个储能装置的有功出力，PES.min为储能装置有功出力的下限值，PES.max为储能装置有功出力的上限值；λPVi为第i个光伏发电设备的功率因数，λPV.min为光伏发电设备的功率因数下限值，λPV.max为光伏发电设备的功率因数上限值；TKi为第i个有载调压变压器的档位，TK.min为有载调压变压器的最小档位，TK.max为有载调压变压器的最大档位。
13.根据权利要求8或11所述的配电网优化装置，其特征在于，QPV.min≤QPVi≤QPV.max，Vi.min≤Vi≤Vi.max，|Ii|≤|Ii.max，QS≥0，其中，QPVi为第i个光伏发电设备的无功出力，QPV.min、QPVmax分别为光伏发电设备的无功出力的最小值和最大值；Vi.min、Vi.max分别为线路节点的电压幅值的最小值和最大值；Ii为所述配电网中第i条支路的电流，Ii.max表示第i条支路的电流的最大值；QS为变电站母线注入所述配电网的无功功率。
14.根据权利要求8所述的配电网优化装置，其特征在于，所述计算模块包括：
第四计算单元，用于利用公式计算得到所述帕累托最优解集合中每个解对应的满意度，其中，为所述帕累托最优解集合中第k个解对应的目标模型的满意度，fi k为所述帕累托最优解集合中第k个解对应的目标值，所述目标值包括有功网损或电压越限风险，fimax，fimin分别表示所述帕累托最优解集合中所有解对应的目标值中的最大值和最小值；
第五计算单元，用于利用公式计算得到所述帕累托最优解集合中每个解对应的标准化满意度，NPF为所述帕累托最优解集合中解的数目，μk为所述帕累托最优解集合中第k个解的标准化满意度，k和i均为正整数，M＝2。
CN201610514295.3A 2016-06-30 2016-06-30 一种配电网优化方法与装置 Active CN106058858B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610514295.3A CN106058858B (zh) 2016-06-30 2016-06-30 一种配电网优化方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610514295.3A CN106058858B (zh) 2016-06-30 2016-06-30 一种配电网优化方法与装置

Publications (2)

Publication Number Publication Date
CN106058858A true CN106058858A (zh) 2016-10-26
CN106058858B CN106058858B (zh) 2018-06-19

Family

ID=57200737

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610514295.3A Active CN106058858B (zh) 2016-06-30 2016-06-30 一种配电网优化方法与装置

Country Status (1)

Country Link
CN (1) CN106058858B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107196315A (zh) * 2017-06-09 2017-09-22 华南理工大学 含光储系统配电网的动态拓展无功优化控制方法
CN107959310A (zh) * 2018-01-10 2018-04-24 云南电网有限责任公司电力科学研究院 一种含分布式电源配电网遗传算法优化方法
CN109599873A (zh) * 2018-11-21 2019-04-09 国网江西省电力有限公司电力科学研究院 一种单线路单台低电压台区档位优化方法
CN111259315A (zh) * 2020-01-17 2020-06-09 福州大学 一种多主体协调定价模式的去中心化调度方法
TWI697166B (zh) * 2019-01-14 2020-06-21 義守大學 能源調控系統
CN113363988A (zh) * 2021-06-08 2021-09-07 南方电网科学研究院有限责任公司 基于有载调压变压器的电网运行优化方法、装置及介质
CN113890116A (zh) * 2021-09-30 2022-01-04 国网北京市电力公司 多配电台区互联互济功率控制方法、装置及存储介质
CN117639024A (zh) * 2024-01-26 2024-03-01 招商楼宇科技(深圳)有限公司 一种基于分布式储能的能耗优化控制方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102522756A (zh) * 2011-12-14 2012-06-27 华南理工大学 一种避免电压越限风险的电网感性无功补偿方法
CN103501008A (zh) * 2013-09-04 2014-01-08 河海大学 基于偏好决策理论的智能avc系统在线控制方法
CN105071433A (zh) * 2015-07-31 2015-11-18 贵州大学 一种分布式电源的优化配置方案

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102522756A (zh) * 2011-12-14 2012-06-27 华南理工大学 一种避免电压越限风险的电网感性无功补偿方法
CN103501008A (zh) * 2013-09-04 2014-01-08 河海大学 基于偏好决策理论的智能avc系统在线控制方法
CN105071433A (zh) * 2015-07-31 2015-11-18 贵州大学 一种分布式电源的优化配置方案

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
盛四清: "基于帕累托最优的配电网多目标规划", 《电力系统自动化》 *
钱峰: "基于智能帕雷托解的FACTS装置多目标优化配置", 《中国电机工程学报》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107196315A (zh) * 2017-06-09 2017-09-22 华南理工大学 含光储系统配电网的动态拓展无功优化控制方法
CN107959310A (zh) * 2018-01-10 2018-04-24 云南电网有限责任公司电力科学研究院 一种含分布式电源配电网遗传算法优化方法
CN109599873A (zh) * 2018-11-21 2019-04-09 国网江西省电力有限公司电力科学研究院 一种单线路单台低电压台区档位优化方法
CN109599873B (zh) * 2018-11-21 2022-04-12 国网江西省电力有限公司电力科学研究院 一种单线路单台低电压台区档位优化方法
TWI697166B (zh) * 2019-01-14 2020-06-21 義守大學 能源調控系統
CN111259315A (zh) * 2020-01-17 2020-06-09 福州大学 一种多主体协调定价模式的去中心化调度方法
CN113363988A (zh) * 2021-06-08 2021-09-07 南方电网科学研究院有限责任公司 基于有载调压变压器的电网运行优化方法、装置及介质
CN113363988B (zh) * 2021-06-08 2022-12-06 南方电网科学研究院有限责任公司 基于有载调压变压器的电网运行优化方法、装置及介质
CN113890116A (zh) * 2021-09-30 2022-01-04 国网北京市电力公司 多配电台区互联互济功率控制方法、装置及存储介质
CN113890116B (zh) * 2021-09-30 2024-05-07 国网北京市电力公司 多配电台区互联互济功率控制方法、装置及存储介质
CN117639024A (zh) * 2024-01-26 2024-03-01 招商楼宇科技(深圳)有限公司 一种基于分布式储能的能耗优化控制方法及系统
CN117639024B (zh) * 2024-01-26 2024-04-09 招商楼宇科技(深圳)有限公司 一种基于分布式储能的能耗优化控制方法及系统

Also Published As

Publication number Publication date
CN106058858B (zh) 2018-06-19

Similar Documents

Publication Publication Date Title
CN106058858B (zh) 一种配电网优化方法与装置
CN105740973B (zh) 基于混合整数锥规划的智能配电网综合电压无功优化方法
CN109687510B (zh) 一种计及不确定性的配电网多时间尺度优化运行方法
KR101132107B1 (ko) 분산전원이 연계된 전력계통의 전압/무효전력 제어 시스템 및 이를 위한 방법
Radu et al. A multi-objective genetic algorithm approach to optimal allocation of multi-type FACTS devices for power systems security
CN109409705B (zh) 一种区域综合能源系统的多目标优化调度方法
CN109842123B (zh) 调相机与分层结构特高压直流受端换流站的协调动态无功优化方法
CN108933448B (zh) 一种含光伏电源的中低压配电网协调控制方法和系统
Goel et al. Genetically tuned STATCOM for voltage control and reactive power compensation
CN104810840A (zh) 一种全网电压无功优化控制系统及其控制方法
Ngamroo Application of electrolyzer to alleviate power fluctuation in a stand alone microgrid based on an optimal fuzzy PID control
Sindi et al. Robust control of adaptive power quality compensator in Multi-Microgrids for power quality enhancement using puzzle optimization algorithm
Pinthurat et al. Techniques for compensation of unbalanced conditions in LV distribution networks with integrated renewable generation: An overview
CN102810871A (zh) 基于改进遗传算法的分层分区下无功优化方法
CN109494750B (zh) 一种高中压配电网的分层分布式电压优化控制方法
Huang et al. Improving photovoltaic and electric vehicle penetration in distribution grids with smart transformer
CN110323979A (zh) 一种考虑电压稳定的发电机励磁调差系数优化整定方法
Tshivhase et al. A fault level-based system to control voltage and enhance power factor through an on-load tap changer and distributed generators
CN108471109A (zh) 直流多微网系统的统一分布式控制方法及系统
CN109193634B (zh) 基于多端柔性直流的海岛电网运行优化方法及系统
CN115313504A (zh) 含可控光伏的配电网多时间尺度无功功率调度方法及系统
CN105591390B (zh) 一种改善含小水电配电网电压质量的方法
CN117318063A (zh) 一种基于mogwo的换流器主动支撑型潮流优化控制方法
CN104836242A (zh) 地区电网无功优化方法
CN113162060B (zh) 一种基于机会约束优化的主动配电网两阶段无功调节方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20210727

Address after: 510700 3rd, 4th and 5th floors of building J1 and 3rd floor of building J3, No.11 Kexiang Road, Science City, Luogang District, Guangzhou City, Guangdong Province

Patentee after: China South Power Grid International Co.,Ltd.

Patentee after: SOUTH CHINA University OF TECHNOLOGY

Address before: Room 505-508, 4th and 5th floor, No.6 Huasui Road, Zhujiang New Town, Tianhe District, Guangzhou, Guangdong 510623

Patentee before: POWER GRID TECHNOLOGY RESEARCH CENTER. CHINA SOUTHERN POWER GRID

Patentee before: SOUTH CHINA University OF TECHNOLOGY

Patentee before: China South Power Grid International Co.,Ltd.

TR01 Transfer of patent right