CN108110752B - 一种自适应电网负荷变化的日前计划方式无功优化方法 - Google Patents
一种自适应电网负荷变化的日前计划方式无功优化方法 Download PDFInfo
- Publication number
- CN108110752B CN108110752B CN201711305654.5A CN201711305654A CN108110752B CN 108110752 B CN108110752 B CN 108110752B CN 201711305654 A CN201711305654 A CN 201711305654A CN 108110752 B CN108110752 B CN 108110752B
- Authority
- CN
- China
- Prior art keywords
- reactive power
- mode
- load change
- node
- day
- 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.)
- Active
Links
- 238000013439 planning Methods 0.000 title claims abstract description 47
- 230000008859 change Effects 0.000 title claims abstract description 46
- 238000005457 optimization Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 12
- 230000009471 action Effects 0.000 claims abstract description 19
- 238000005192 partition Methods 0.000 claims abstract description 18
- 239000000126 substance Substances 0.000 claims description 9
- 230000035945 sensitivity Effects 0.000 claims description 6
- 239000003990 capacitor Substances 0.000 claims description 2
- 230000003068 static effect Effects 0.000 abstract description 6
- 230000011218 segmentation Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了自适应电网负荷变化的日前计划方式无功优化方法,属于电力系统及其自动化技术领域。本发明通过最优潮流求解多个计划方式的独立静态无功优化模型,得到每个方式下各容抗器节点的最优补偿量;根据不同电压分区的负荷变化情况和负荷变化门槛值对日前计划方式进行时段划分,对同一分段内的不同运行方式基于线性规划求解该分段总网损最小的容抗器节点档位,不断减少分段数并循环迭代直至所有容抗器皆满足动作次数要求;固定容抗器节点的分段最优档位,通过最优潮流进一步校正多个日前计划方式的发电机无功等连续解,得到最终满足各类约束的优化方式。本发明可以给出自适应电网负荷变化情况且满足容抗器动作次数要求的日前优化无功计划。
Description
技术领域
本发明属于电力系统自动化技术领域,具体地说本发明涉及一种自适应电网负荷变化的日前计划方式无功优化方法。
背景技术
日前无功优化是指根据电网日前负荷预测、有功发电和检修计划等制定满足次日电网安全运行约束、无功调节设备动作限制等约束的优化无功电压调度计划,以实现次日电网有功总网损最小等目标,是保证电力系统安全、经济运行的重要手段。传统的静态无功优化只能计算获得某时刻的无功优化结果,而电力系统实际负荷往往处于不断变化中,跟踪静态无功优化结果将导致无功补偿装置等离散控制设备频繁的投切,实际电网中为了提高设备的使用寿命和避免误操作风险,其1天内的总调节次数有严格的限制。因此在综合考虑上述因素后,日前多计划方式的无功优化问题实际上是一个非线性混合整数动态优化问题,由于状态数量庞大,直接求解十分困难。
目前常见的间接求解思路主要有两种:一种是先求取多个日前计划方式的静态无功优化结果,在此基础上再求解以归整偏差最小或系统网损增量最小为目标并考虑无功补偿装置最大投切次数约束的整数规划模型,但其在求解过程中忽略了容抗器间的交互影响,而且无法保证容抗器容量曲线的连续性,操作频率可能较高,另外当计划方式较多时(如一般为96点)含动作次数绝对值不等式约束的整数规划模型求解也十分困难;另外一种是根据无功补偿装置最大投切次数确定时段数,根据全网负荷曲线对日前计划方式进行时段划分,通过静态无功优化计算各时段典型负荷点的投切档位,但其在分段时采用固定不变的时段数(不同时段的容抗器投切档位可能是一致的),同时忽略了大电网中不同分区的负荷特性,同分段内典型负荷点的选取也缺少理论依据。
在实际电网中,电力调度控制中心的自动电压控制系统已实现了电压分层分区控制,可通过各电压分区的预测负荷均方差来量化方式间的负荷变化情况,使负荷分段更加准确;针对同一分段内的多个计划方式,可通过线性规划求解分段总有功网损最小的容抗器节点统一档位;对于分段后仍不满足动作次数要求的容抗器,可通过“分段递减、循环迭代”,使得各容抗器逐渐满足动作次数要求。
发明内容
本发明的目的:针对现有技术中不足,提出一种自适应电网负荷变化的日前计划方式无功优化方法。该方法根据电网日前负荷预测、有功发电和检修计划等制定适应电网负荷变化趋势、满足容抗器动作次数要求的日前优化无功计划,以实现次日电网有功总网损最小的目标,保证电力系统安全、经济运行。
本发明的基本原理在于:首先通过最优潮流求解多个计划方式的独立静态无功优化模型,得到每个方式下各容抗器节点的最优补偿量;然后,根据不同电压分区的负荷变化情况和负荷变化门槛值对日前计划方式进行时段划分,对同一分段内的不同运行方式基于线性规划求解该分段总网损最小的容抗器节点档位,不断减少分段数并循环迭代直至所有容抗器皆满足动作次数要求;最后,固定容抗器节点的分段最优档位,通过最优潮流进一步校正多个日前计划方式的发电机无功等连续解,得到最终满足各类约束的优化方式。
具体地说,本发明是采用以下技术方案实现的,包括以下步骤:
1)以发电机无功和容抗器节点无功作为决策变量,通过最优潮流分别计算多个日前计划方式的无功优化模型,得到无功优化后的计划方式;
2)从自动电压控制系统获取电压分区,根据不同电压分区的负荷变化情况和设定的负荷变化门槛值ε0对日前计划方式进行时段划分,得到时段数N0,令循环变量k=0;
3)通过线性规划确定每个时段内多个运行方式总有功网损最小的容抗器节点最优档位;
4)统计各容抗器节点在所有时段中的动作次数,在各优化后计划方式中固定动作次数满足要求的容抗器节点的档位,若动作次数均满足要求,则执行步骤6);否则,执行步骤5);
5)采用二分法确定时段数为Nk+1的负荷变化门槛值εk+1及时段划分方法,其中Nk+1=Nk-1;令k=k+1,返回步骤3);
6)以发电机无功作为决策变量,通过最优潮流分别计算多个日前计划方式的无功优化模型,得到最终满足各类约束的优化解。
上述方法的进一步特征在于,步骤1)和6)中计算给定某计划方式的无功优化模型如下:
a)目标函数:
其中,N为节点个数;Ploss为有功网损;Vi和Vj为节点i和j的电压;Gij为节点i和j之间的电导;δij为节点节点i和j之间的相角差;
b)等式约束:
c)不等式约束:
Vi,min≤Vi≤Vi,max (6)
上述方法的进一步特征在于,所述步骤2)中根据不同电压分区的负荷变化情况和设定的负荷变化门槛值ε0对日前计划方式进行时段划分的步骤如下:
2-1)按公式(7)定义方式i,j间各电压分区负荷的总均方差为ξi,j,以量化两个方式的负荷变化情况:
2-2)分别计算相邻方式的均方差ξi,i+1,在所有满足ξi,i+1>ε0要求的间隙处分段,将得到的分段加入集合G;
2-6)负荷分段结束,时段数为GF中元素个数。
上述方法的进一步特征在于,所述步骤3)中通过线性规划确定每个时段内多个运行方式总有功网损最小的容抗器节点最优档位的步骤如下:
3-1)设时段的编号为T,T=1,…,Nk,将尚未固定档位的容抗器节点i加入集合CT,计算CT中各容抗器节点无功对时段T中各运行方式有功网损的灵敏度;
3-2)以时段T中各运行方式的总有功网损最小为目标函数,基于集合CT中容抗器节点无功对有功网损的灵敏度建立的线性规划模型,得到该时段下CT中各容抗器节点的最优档位。
上述方法的进一步特征在于,所述步骤3-2)中求解时段T中各运行方式下容抗器节点最优档位的线性规划模型如下:
a)目标函数:
其中,ΔPloss,sum为时段T中各运行方式的总有功网损;NT为时段T中运行方式个数,为集合CT中容抗器个数,Si,j为容抗器j对方式i网损的灵敏度,为容抗器j在方式i下无功优化后的补偿量,Qj为待求解的容抗器j在时段T内的综合最优补偿量;
b)不等式约束:
上述方法的进一步特征在于,所述步骤5)中采用二分法确定时段数为Nk+1的负荷变化门槛值εk+1及时段划分方法:
5-1)将迭代次数i初始化为1;
5-2)令负荷变化门槛值ε=(i+1)*εk;
5-3)基于ε对Njh个日前计划方式进行时段划分,得到时段数N;若N不小于Nk,则令i=i+1并返回5-2),否则进入5-4);
5-4)若N=Nk-1,转至5-7);否则,并将负荷变化门槛值的搜索范围设为[ε1,ε2],其中,ε1=i*εk,ε2=(i+1)*εk,进入步骤5-5);
5-5)令负荷变化门槛值ε=(ε1+ε2)/2,基于ε对Njh个运行方式进行时段划分,得到时段数N;
5-6)若N=Nk-1,转至5-7);否则,若N<Nk-1,则将ε2更新为ε,若N>Nk-1,则将ε1更新为ε,返回步骤5-5);
5-7)求得Nk+1=N、εk+1=ε及对应的时段划分方法,结束计算。
本发明的有益效果如下:本发明通过各电压分区的负荷均方差来量化方式间的负荷变化情况,使负荷分段更加准确;通过线性规划求解每个时段内多个运行方式总有功网损最小的容抗器节点统一档位,确保分段内统一档位最优;通过“分段递减、循环迭代”,使得所有容抗器逐渐满足动作次数要求,避免不同时段的容抗器投切档位一致。应用本发明方法可制定出适应电网负荷变化趋势、满足容抗器动作次数要求的无功计划,有效降低系统网损,实现电力系统安全、经济运行。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合实施例并参照附图对本发明作进一步详细描述。
本发明的一个实施例,其步骤如图1所示:
图1中步骤1)描述的是以发电机无功和容抗器节点无功作为决策变量,通过最优潮流分别计算多个日前计划方式的无功优化模型,得到无功优化后的计划方式;
其中,给定某计划方式的无功优化模型如下:
a)目标函数:
其中,N为节点个数;Ploss为有功网损;Vi和Vj为节点i和j的电压;Gij为节点i和j之间的电导;δij为节点i和j之间的相角差;
b)等式约束:
c)不等式约束:
Vi,min≤Vi≤Vi,max (6)
图1中步骤2)描述的是从自动电压控制系统获取电压分区,根据不同电压分区的负荷变化情况和设定的负荷变化门槛值ε0对日前计划方式进行时段划分,得到时段数N0,令循环变量k=0;
其中,根据不同电压分区的负荷变化情况和设定的负荷变化门槛值ε0对日前计划方式进行时段划分的步骤如下:
2-1)按公式(7)定义方式i,j间各电压分区负荷的总均方差为ξi,j,以量化两个方式的负荷变化情况:
2-2)分别计算相邻方式的均方差ξi,i+1,在所有满足ξi,i+1>ε0要求的间隙处分段,将得到的分段加入集合G;
2-6)负荷分段结束,时段数为GF中元素个数。
图1中步骤3)描述的是通过线性规划确定每个时段内多个运行方式总有功网损最小的容抗器节点最优档位,包括以下步骤:
3-1)设时段的编号为T,T=1,…,Nk,将尚未固定档位的容抗器节点i加入集合CT,计算CT中各容抗器节点无功对时段T中各运行方式有功网损的灵敏度;
3-2)以时段T中各运行方式的总有功网损最小为目标函数,基于集合CT中容抗器节点无功对有功网损的灵敏度建立的线性规划模型,得到该时段下CT中各容抗器节点的最优档位。
所述线性规划模型如下:
a)目标函数:
其中,ΔPloss,sum为时段T中各运行方式的总有功网损;NT为时段T中运行方式个数,为集合CT中容抗器个数,Si,j为容抗器j对方式i网损的灵敏度,为容抗器j在方式i下无功优化后的补偿量,Qj为待求解的容抗器j在时段T内的综合最优补偿量;
b)不等式约束:
图1中步骤4)描述的是统计各容抗器节点在所有时段中的动作次数,在各优化后计划方式中固定动作次数满足要求的容抗器节点的档位,若动作次数均满足要求,则执行步骤6);否则,执行步骤5);
图1中步骤5)描述的是采用二分法确定时段数为Nk+1(Nk+1=Nk-1)的负荷变化门槛值εk+1及时段划分方法;令k=k+1,返回步骤3);
其中,具体实现方法为:
5-1)将迭代次数i初始化为1;
5-2)令负荷变化门槛值ε=(i+1)*εk;
5-3)基于ε对Njh个日前计划方式进行时段划分,得到时段数N;若N不小于Nk,则令i=i+1并返回5-2),否则进入5-4);
5-4)若N=Nk-1,转至5-7);否则,并将负荷变化门槛值的搜索范围设为[ε1,ε2],其中,ε1=i*εk,ε2=(i+1)*εk,进入步骤5-5);
5-5)令负荷变化门槛值ε=(ε1+ε2)/2,基于ε对Njh个运行方式进行时段划分,得到时段数N;
5-6)若N=Nk-1,转至5-7);否则,若N<Nk-1,则将ε2更新为ε,若N>Nk-1,则将ε1更新为ε,返回步骤5-5);
5-7)求得Nk+1=N、εk+1=ε及对应的时段划分方法,结束计算。
图1中步骤6)描述的是以发电机无功作为决策变量,通过最优潮流分别计算多个日前计划方式的无功优化模型,得到最终满足各类约束的优化解。
其中,给定某计划方式的无功优化模型同步骤1)相同。
虽然本发明已以较佳实施例公开如上,但实施例并不是用来限定本发明的。在不脱离本发明之精神和范围内,所做的任何等效变化或润饰,同样属于本发明之保护范围。因此本发明的保护范围应当以本申请的权利要求所界定的内容为标准。
Claims (5)
1.一种自适应电网负荷变化的日前计划方式无功优化方法,其特征在于,包括以下步骤:
1)以发电机无功和容抗器节点无功作为决策变量,通过最优潮流分别计算多个日前计划方式的无功优化模型,得到无功优化后的计划方式;
2)从自动电压控制系统获取电压分区,根据不同电压分区的负荷变化情况和设定的负荷变化门槛值ε0对日前计划方式进行时段划分,得到时段数N0,令循环变量k=0;
其中根据不同电压分区的负荷变化情况和设定的负荷变化门槛值ε0对日前计划方式进行时段划分的步骤如下:
2-1)按公式(7)定义方式i,j间各电压分区负荷的总均方差为ξi,j,以量化两个方式的负荷变化情况:
2-2)分别计算相邻方式的均方差ξi,i+1,在所有满足ξi,i+1>ε0要求的间隙处分段,将得到的分段加入集合G;
2-6)负荷分段结束,时段数为GF中元素个数;
3)通过线性规划确定每个时段内多个运行方式总有功网损最小的容抗器节点最优档位;
4)统计各容抗器节点在所有时段中的动作次数,在各优化后计划方式中固定动作次数满足要求的容抗器节点的档位,若动作次数均满足要求,则执行步骤6);否则,执行步骤5);
5)采用二分法确定时段数为Nk+1的负荷变化门槛值εk+1及时段划分方法,其中Nk+1=Nk-1;令k=k+1,返回步骤3);
6)以发电机无功作为决策变量,通过最优潮流分别计算多个日前计划方式的无功优化模型,得到最终满足各类约束的优化解。
2.根据权利要求1所述的自适应电网负荷变化的日前计划方式无功优化方法,其特征在于,步骤1)和6)中计算给定某计划方式的无功优化模型如下:
a)目标函数:
其中,N为节点个数;Ploss为有功网损;Vi和Vj为节点i和j的电压;Gij为节点i和j之间的电导;δij为节点i和j之间的相角差;
b)等式约束:
c)不等式约束:
Vi,min≤Vi≤Vi,max (6)
3.根据权利要求1所述的自适应电网负荷变化的日前计划方式无功优化方法,其特征在于,所述步骤3)中通过线性规划确定每个时段内多个运行方式总有功网损最小的容抗器节点最优档位的步骤如下:
3-1)设时段的编号为T,T=1,…,Nk,将尚未固定档位的容抗器节点i加入集合CT,计算CT中各容抗器节点无功对时段T中各运行方式有功网损的灵敏度;
3-2)以时段T中各运行方式的总有功网损最小为目标函数,基于集合CT中容抗器节点无功对有功网损的灵敏度建立的线性规划模型,得到该时段下CT中各容抗器节点的最优档位。
5.根据权利要求1所述的自适应电网负荷变化的日前计划方式无功优化方法,其特征在于,所述步骤5)中采用二分法确定时段数为Nk+1的负荷变化门槛值εk+1及时段划分方法:
5-1)将迭代次数i初始化为1;
5-2)令负荷变化门槛值ε=(i+1)*εk;
5-3)基于ε对Njh个日前计划方式进行时段划分,得到时段数N;若N不小于Nk,则令i=i+1并返回5-2),否则进入5-4);
5-4)若N=Nk-1,转至5-7);否则,并将负荷变化门槛值的搜索范围设为[ε1,ε2],其中,ε1=i*εk,ε2=(i+1)*εk,进入步骤5-5);
5-5)令负荷变化门槛值ε=(ε1+ε2)/2,基于ε对Njh个运行方式进行时段划分,得到时段数N;
5-6)若N=Nk-1,转至5-7);否则,若N<Nk-1,则将ε2更新为ε,若N>Nk-1,则将ε1更新为ε,返回步骤5-5);
5-7)求得Nk+1=N、εk+1=ε及对应的时段划分方法,结束计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711305654.5A CN108110752B (zh) | 2017-12-06 | 2017-12-06 | 一种自适应电网负荷变化的日前计划方式无功优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711305654.5A CN108110752B (zh) | 2017-12-06 | 2017-12-06 | 一种自适应电网负荷变化的日前计划方式无功优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108110752A CN108110752A (zh) | 2018-06-01 |
CN108110752B true CN108110752B (zh) | 2021-03-12 |
Family
ID=62209483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711305654.5A Active CN108110752B (zh) | 2017-12-06 | 2017-12-06 | 一种自适应电网负荷变化的日前计划方式无功优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108110752B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111130150B (zh) * | 2019-12-17 | 2021-03-19 | 国网冀北电力有限公司 | 基于IPM-intPSO的两阶段动态无功优化方法 |
CN111478336B (zh) * | 2020-04-22 | 2022-11-04 | 国电南瑞科技股份有限公司 | 基于新能源预测的容抗器动作计划优化方法、装置及系统 |
CN113300380B (zh) * | 2021-06-17 | 2022-06-28 | 国家电网有限公司 | 一种基于负荷曲线分段的配电网无功优化补偿方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463365A (zh) * | 2014-12-04 | 2015-03-25 | 国家电网公司 | 基于配网自动化的无功电压优化分析评估方法 |
CN105790265A (zh) * | 2016-04-21 | 2016-07-20 | 三峡大学 | 一种考虑交流潮流约束的不确定性机组组合模型及求解方法 |
CN107104446A (zh) * | 2017-04-27 | 2017-08-29 | 国家电网公司 | 一种以全局最优为目标的电网自动电压控制方法及系统 |
-
2017
- 2017-12-06 CN CN201711305654.5A patent/CN108110752B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463365A (zh) * | 2014-12-04 | 2015-03-25 | 国家电网公司 | 基于配网自动化的无功电压优化分析评估方法 |
CN105790265A (zh) * | 2016-04-21 | 2016-07-20 | 三峡大学 | 一种考虑交流潮流约束的不确定性机组组合模型及求解方法 |
CN107104446A (zh) * | 2017-04-27 | 2017-08-29 | 国家电网公司 | 一种以全局最优为目标的电网自动电压控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108110752A (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108683179B (zh) | 基于混合整数线性规划的主动配电网优化调度方法及系统 | |
Cao et al. | Battery energy storage sizing based on a model predictive control strategy with operational constraints to smooth the wind power | |
Yu et al. | Multi-agent correlated equilibrium Q (λ) learning for coordinated smart generation control of interconnected power grids | |
CN108110752B (zh) | 一种自适应电网负荷变化的日前计划方式无功优化方法 | |
CN113285485B (zh) | 长、短及多时间尺度下配电网源网荷储多端协同调压方法 | |
CN110768262B (zh) | 一种基于节点聚类分区的有源配电网无功电源配置方法 | |
Krok et al. | A coordinated optimization approach to Volt/VAr control for large power distribution networks | |
CN111756050B (zh) | 一种风电场群分布式电压协调控制方法及系统 | |
CN112507614B (zh) | 一种分布式电源高渗透率地区电网综合优化方法 | |
CN103280810A (zh) | 一种提高配电网负载率的优化调度方法 | |
CN114722709B (zh) | 兼顾发电量和最小出力的梯级水库群优化调度方法及系统 | |
Xi et al. | A novel automatic generation control method based on the ecological population cooperative control for the islanded smart grid | |
CN115313403A (zh) | 一种基于深度强化学习算法的实时电压调控方法 | |
Aydin et al. | Comparative analysis of multi-criteria decision making methods for the assessment of optimal SVC location | |
Wang et al. | Quarter-hourly operation of large-scale hydropower reservoir systems with prioritized constraints | |
CN115149542A (zh) | 基于多智能体强化学习的分布式电源自适应电压控制方法 | |
Al-Bahrani et al. | Optimal power flow based on particle swarm optimization | |
Xu et al. | A two-level hierarchical discrete-device control method for power networks with integrated wind farms | |
CN104408531B (zh) | 一种多维多阶段复杂决策问题的均匀动态规划方法 | |
Liu et al. | An AGC dynamic optimization method based on proximal policy optimization | |
CN108011366B (zh) | 一种配电网可控资源协调优化控制方法和装置 | |
CN113013884B (zh) | 一种用于含高渗透率光伏配电系统的三段式无功电压控制方法 | |
Wang et al. | A multi-agent deep reinforcement learning based multi-timescale voltage control for distribution system | |
CN110289643B (zh) | 一种拒识深度微分动态规划实时发电调度与控制算法 | |
Hernandez et al. | Optimal allocation of a STATCOM in a 45 bus section of the Brazilian power system using particle swarm optimization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |