CN110957735A - 一种基于双时间尺度的主动配电网鲁棒无功优化方法 - Google Patents
一种基于双时间尺度的主动配电网鲁棒无功优化方法 Download PDFInfo
- Publication number
- CN110957735A CN110957735A CN201911143739.7A CN201911143739A CN110957735A CN 110957735 A CN110957735 A CN 110957735A CN 201911143739 A CN201911143739 A CN 201911143739A CN 110957735 A CN110957735 A CN 110957735A
- Authority
- CN
- China
- Prior art keywords
- reactive power
- bus
- voltage
- reactive
- robust
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 7
- 239000003990 capacitor Substances 0.000 claims description 24
- 230000003068 static effect Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 6
- 239000003381 stabilizer Substances 0.000 claims description 6
- 230000009977 dual effect Effects 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000004705 quadratic configuration interaction calculation Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 8
- 238000010248 power generation Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013519 translation 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
-
- 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
本发明公开了一种基于双时间尺度的主动配电网鲁棒无功优化方法,其所述方法包括:获取负荷的有功功率数据和无功功率数据,确定电压波动百分比;基于分秒级别的时间尺度,建立无功电压优化模型;对所述无功电压优化模型进行凸化处理,基于所述电压波动百分比建立鲁棒无功优化模型;基于约束生成算法对所述鲁棒无功优化模型进行求解。在本发明实施例中,所述方法具备灵活性、可操作性和广泛适用性,减少主动配电网的网络损耗,防止电压越限,保障主动配电网的安全稳定运行。
Description
技术领域
本发明涉及电力技术领域,尤其涉及一种基于双时间尺度的主动配电网鲁棒无功优化方法。
背景技术
随着光伏发电、风力发电等可再生分布式发电的数量显著增加,主动配电网由此形成。但是由于逆潮流的存在,分布式电源的输出可能会导致过电压,而无功优化可以显著降低网络功率损耗,使得电压不会越限。虽然分布式发电的动态输出波动大、负荷需求很难精准预测等不确定因素对主动配网运行会造成影响,但是大部分涉及无功优化的研究并没有考虑任何不确定因素。为了解决这些不确定因素,Saric提出了一种鲁棒无功电压控制算法,但是理论不能保证最优性;Wang,Y.提出的鲁棒模型中,使用了场景生成和简化方法,但是没有考虑小时级别尺度内的电压控制设备;Daratha提出的鲁棒电压控制方法中,采用经验法来处理由小时级别尺度内的电压控制设备所引入的离散变量,但是这种方法可靠性不高。因此,针对分布式电源接入的主动配电网,利用协调大、小时间跨度内调节电压的控制装置来解决不确定性问题将成为技术难点。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种基于双时间尺度的主动配电网鲁棒无功优化方法,减少主动配电网的网络损耗,防止电压越限,为主动配电网的安全稳定运行提供保障。
为了解决上述技术问题,本发明实施例提供了一种基于双时间尺度的主动配电网鲁棒无功优化方法,所述方法包括:
获取负荷的有功功率数据和无功功率数据,确定电压波动百分比;
基于分秒级别的时间尺度,建立无功电压优化模型;
对所述无功电压优化模型进行凸化处理,基于所述电压波动百分比建立鲁棒无功优化模型;
基于约束生成算法对所述鲁棒无功优化模型进行求解。
可选的,所述基于分秒级别的时间尺度,建立无功电压优化模型包括:
确定配电网功率损耗的目标函数;
基于所述目标函数和分秒级别的时间尺度,对各支路电流进行约束;
基于所述各支路电流的约束条件,对分布式电源和静止无功补偿装置的运行进行约束。
可选的,所述确定配电网功率损耗的目标函数为:
其中,i,j(1,2,...,N)代表总线,lij为支路ij发送端的电流平方幅值,rij为支路ij的电阻,为对应变量的相位,Φ为整个系统中的一组分支,β为电容器组的开关决策变量,κ为分接开关的匝数比变量,QC为补偿器上的总无功功率,QG为发电机的无功功率。
可选的,所述基于所述目标函数和分秒级别的时间尺度,对各支路电流进行约束包括:
确定母线电压的约束条件为:
其中,Vref为共耦点电压。
确定支路的电流安全约束条件为:
确定防止电压越限的安全约束条件为:
基于分秒级别的时间尺度,采用DistFlow分支流模型,确定各支路电流的约束条件为:
其中,Pij为支路ij发送端的有功功率,Qij为支路ij发送端的无功功率,Pj为在总线j处注入的有功功率,Qj为在总线j处注入的无功功率,N为整个系统的总线集,βj为在总线j处电容器组的开关决策变量,为电容器组在总线j处的导纳元件,νj为在总线j处的电压平方,κij为支路ij的分接开关匝数比变量,xij为支路ij的电抗,PGj为在总线j处注入发电机的有功功率,QGj为在总线j处注入发电机的无功功率,PDj为在总线j处的有功负荷需求,QDj为在总线j处的无功负荷需求,QCj为总线j上补偿器的总无功功率,Γij为支路ij的允许抽头数集,Γij由{Kij,1,Kij,2,...,Kij,R}组成,ΛΨ为带有稳压器的支路集,Δj为在总线j处的电容器组的允许开关决策集,Υ为一组带有机械开关电容器/电容器组的总线集。
可选的,所述基于所述各支路电流的约束条件,对分布式电源和静止无功补偿装置的运行进行约束为:
可选的,所述对所述无功电压优化模型进行凸化处理包括:
针对机械开关电容器的松弛度的约束条件为:
针对稳压器模型的分段线性化处理的约束条件为:
其中,k(1,2,...,R)为稳压器分接头设置的索引,δik为主变量,gij,k和hij,k为辅助变量。
确定凸化后的无功电压优化模型的目标函数为:
定义所述机械开关电容器和所述稳压器的决策变量为:
x=(β,κ,g,h,δ,ω)
定义潮流变量和对分布式电源、静止无功补偿器的快速控制的变量为:
y=(QC,QG,ν,lij,Pij,Qij)T
定义负荷和分布电源主动输出的预测向量为:
d0=(PD,QD,QG)T
确定凸化后的无功电压优化模型的简化形式为:
可选的,所述基于所述电压波动百分比建立鲁棒无功优化模型包括:
在小时级别的时间尺度下,基于所述电压波动百分比建立一个不确定集为:
建立所述鲁棒无功优化模型为:
其中,d为分布电源的实际负荷和主动输出。
可选的,所述基于约束生成算法对所述鲁棒无功优化模型进行求解包括:
确定所述鲁棒无功优化模型的网络损耗下界模型和网络损耗上界模型;
对各参数进行初始化,包括网络损耗下界、网络损耗上界、情景迭代、裕度等级;
基于所述网络损耗下界模型获取网络损耗,对所述网络损耗下界进行更新;
基于所述网络损耗上界模型获取网络损耗,对所述网络损耗上界进行更新;
判断更新后的网络损耗上界与更新后的网络损耗下界的差值是否小于所述裕度等级;
若是,迭代结束,获取最坏情况下的网络损耗的最小值。
可选的,所述确定所述鲁棒无功优化模型的网络损耗下界模型和网络损耗上界模型包括:
确定所述鲁棒无功优化模型的网络损耗下界模型为:
确定所述鲁棒无功优化模型的网络损耗上界模型为:
在本发明实施例中,针对分布式电源接入主动配电网后所产生的不确定性问题,以防止电压越限为目标,通过逐级建立鲁棒无功优化模型进行电压控制,基于双时间尺度的协调,不断更新网络损耗的上下界,从而减少主动配电网的网络损耗,极大地保障主动配电网的安全稳定运行。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例公开的一种基于双时间尺度的主动配电网鲁棒无功优化方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,图1示出了本发明实施例中的一种基于双时间尺度的主动配电网鲁棒无功优化方法的流程示意图,具体步骤如下:
S101、获取负荷的有功功率数据和无功功率数据,确定电压波动百分比;
S102、基于分秒级别的时间尺度,建立无功电压优化模型;
在本发明实施过程中,建立所述无功电压优化模型具体包括如下步骤:
(1)以减少配电网的功率损耗为目标,确定配电网功率损耗的目标函数为:
其中,i,j(1,2,...,N)代表总线,lij为支路ij发送端的电流平方幅值,rij为支路ij的电阻,为对应变量的相位,Φ为整个系统中的一组分支,β为电容器组的开关决策变量,κ为分接开关的匝数比变量,QC为补偿器上的总无功功率,QG为发电机的无功功率。
(2)基于所述目标函数和分秒级别的时间尺度,对各支路电流进行约束;
具体的,将母线电压设为参考电压,确定该参考电压的约束条件为:
其中,Vref为共耦点电压。
确定支路的电流安全约束条件为:
确定防止电压越限的安全约束条件为:
基于分秒级别的时间尺度,采用DistFlow分支流模型,确定各支路电流的约束条件为:
其中,Pij为支路ij发送端的有功功率,Qij为支路ij发送端的无功功率,Pj为在总线j处注入的有功功率,Qj为在总线j处注入的无功功率,N为整个系统的总线集,βj为在总线j处电容器组的开关决策变量,为电容器组在总线j处的导纳元件,νj为在总线j处的电压平方,κij为支路ij的分接开关匝数比变量,xij为支路ij的电抗,PGj为在总线j处注入发电机的有功功率,QGj为在总线j处注入发电机的无功功率,PDj为在总线j处的有功负荷需求,QDj为在总线j处的无功负荷需求,QCj为总线j上补偿器的总无功功率,Γij为支路ij的允许抽头数集,Γij由{Kij,1,Kij,2,...,Kij,R}组成,ΛΨ为带有稳压器的支路集,Δj为在总线j处的电容器组的允许开关决策集,Υ为一组带有机械开关电容器/电容器组的总线集。
(3)基于所述各支路电流的约束条件,对分布式电源和静止无功补偿装置的运行进行约束为:
S103、对所述无功电压优化模型进行凸化处理;
具体的,针对机械开关电容器的松弛度的约束条件为:
针对稳压器模型的分段线性化处理的约束条件为:
其中,k(1,2,...,R)为稳压器分接头设置的索引,δik为主变量,gij,k和hij,k是辅助变量。
确定凸化后的无功电压优化模型的目标函数为:
定义所述机械开关电容器和所述稳压器的决策变量为:
x=(β,κ,g,h,δ,ω)
定义潮流变量和对分布式电源、静止无功补偿器的快速控制的变量为:
y=(QC,QG,ν,lij,Pij,Qij)T
定义负荷和分布电源主动输出的预测向量为:
d0=(PD,QD,QG)T
确定凸化后的无功电压优化模型的简化形式为:
需要说明的是,对所述无功电压优化模型进行凸化处理,将确保高效地求解出全局最优解。
S104、基于所述电压波动百分比建立鲁棒无功优化模型;
具体的,在小时级别的时间尺度下,基于所述电压波动百分比建立一个不确定集为:
其中,d为分布电源的实际负荷和主动输出。
S105、基于约束生成算法对所述鲁棒无功优化模型进行求解。
在本发明实施过程中,对所述鲁棒无功优化模型的求解过程具体包括:
(1)确定所述鲁棒无功优化模型的网络损耗下界模型和网络损耗上界模型;
具体的,将步骤S104中所建立的鲁棒无功优化模型进行展开:
其中,η表示配电网损失。
寻找最坏情况集,确定所述鲁棒无功优化模型的网络损耗上界模型为:
(2)对各参数进行初始化,包括网络损耗下界、网络损耗上界、情景迭代、裕度等级;
具体的,设置网络损耗下界初始值为LB=0,网络损耗上界初始值为UB=0,情景迭代初始值为t=0,裕度等级初始值为ε>0。
(3)基于所述网络损耗下界模型获取网络损耗,对所述网络损耗下界进行更新;
具体的,基于步骤(1)中的所述鲁棒无功优化模型的网络损耗下界模型,获取网络损耗为η*,将所述网络损耗下界更新为LB=max{LB,η*}。
(4)基于所述网络损耗上界模型获取网络损耗,对所述网络损耗上界进行更新;
具体的,基于步骤(1)中的所述鲁棒无功优化模型的网络损耗下界模型,获取最优快速控制方案集x*,再利用所述鲁棒无功优化模型的网络损耗上界模型,获取网络损耗η(x*),将所述网络损耗上界更新为UB=min{UB,η(x*)}。
(5)判断更新后的网络损耗上界与更新后的网络损耗下界的差值是否小于所述裕度等级;
具体的,基于步骤(3)所更新的网络损耗下界LB与步骤(4)所更新的网络损耗上界UB,判断是否满足UB-LB<ε;若满足,执行步骤(6);若不满足,迭代继续,基于步骤(1)中的所述鲁棒无功优化模型的网络损耗上界模型,获取使网络损耗最大化的最坏情况集d*,再利用所述鲁棒无功优化模型的网络损耗下界模型,更新最坏情况集为d(t+1)=d*,通过所述鲁棒无功优化模型在变量y(t+1)中对情景t+1进行约束后,更新迭代t=t+1并返回执行步骤(3)。
(6)若是,迭代结束,获取最坏情况下的网络损耗的最小值,确保电压不越限。
在本发明实施例中,针对分布式电源接入主动配电网后所产生的不确定性问题,以防止电压越限为目标,通过逐级建立鲁棒无功优化模型进行电压控制,基于双时间尺度的协调,不断更新网络损耗的上下界,从而减少主动配电网的网络损耗,极大地保障主动配电网的安全稳定运行。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,ReadOnly Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
另外,以上对本发明实施例所提供的一种基于双时间尺度的主动配电网鲁棒无功优化方法进行了详细介绍,本文中应采用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种基于双时间尺度的主动配电网鲁棒无功优化方法,其特征在于,所述方法包括:
获取负荷的有功功率数据和无功功率数据,确定电压波动百分比;
基于分秒级别的时间尺度,建立无功电压优化模型;
对所述无功电压优化模型进行凸化处理,基于所述电压波动百分比建立鲁棒无功优化模型;
基于约束生成算法对所述鲁棒无功优化模型进行求解。
2.根据权利要求1所述的基于双时间尺度的主动配电网鲁棒无功优化方法,其特征在于,所述基于分秒级别的时间尺度,建立无功电压优化模型包括:
确定配电网功率损耗的目标函数;
基于所述目标函数和分秒级别的时间尺度,对各支路电流进行约束;
基于所述各支路电流的约束条件,对分布式电源和静止无功补偿装置的运行进行约束。
4.根据权利要求3所述的基于双时间尺度的主动配电网鲁棒无功优化方法,其特征在于,所述基于所述目标函数和分秒级别的时间尺度,对各支路电流进行约束包括:
确定母线电压的约束条件为:
其中,Vref为共耦点电压。
确定支路的电流安全约束条件为:
确定防止电压越限的安全约束条件为:
基于分秒级别的时间尺度,采用DistFlow分支流模型,确定各支路电流的约束条件为:
其中,Pij为支路ij发送端的有功功率,Qij为支路ij发送端的无功功率,Pj为在总线j处注入的有功功率,Qj为在总线j处注入的无功功率,N为整个系统的总线集,βj为在总线j处电容器组的开关决策变量,为电容器组在总线j处的导纳元件,νj为在总线j处的电压平方,κij为支路ij的分接开关匝数比变量,xij为支路ij的电抗,PGj为在总线j处注入发电机的有功功率,QGj为在总线j处注入发电机的无功功率,PDj为在总线j处的有功负荷需求,QDj为在总线j处的无功负荷需求,QCj为总线j上补偿器的总无功功率,Γij为支路ij的允许抽头数集,Γij由{Kij,1,Kij,2,...,Kij,R}组成,ΛΨ为带有稳压器的支路集,Δj为在总线j处的电容器组的允许开关决策集,Υ为一组带有机械开关电容器/电容器组的总线集。
6.根据权利要求4所述的基于双时间尺度的主动配电网鲁棒无功优化方法,其特征在于,所述对所述无功电压优化模型进行凸化处理包括:
针对机械开关电容器的松弛度的约束条件为:
针对稳压器模型的分段线性化处理的约束条件为:
其中,k(1,2,...,R)为稳压器分接头设置的索引,δik为主变量,gij,k和hij,k为辅助变量。
确定凸化后的无功电压优化模型的目标函数为:
定义所述机械开关电容器和所述稳压器的决策变量为:
x=(β,κ,g,h,δ,ω)
定义潮流变量和对分布式电源、静止无功补偿器的快速控制的变量为:
y=(QC,QG,ν,lij,Pij,Qij)T
定义负荷和分布电源主动输出的预测向量为:
d0=(PD,QD,QG)T
确定凸化后的无功电压优化模型的简化形式为:
s.t.Ax+By+d0=0
8.根据权利要求7所述的基于双时间尺度的主动配电网鲁棒无功优化方法,其特征在于,所述基于约束生成算法对所述鲁棒无功优化模型进行求解包括:
确定所述鲁棒无功优化模型的网络损耗下界模型和网络损耗上界模型;
对各参数进行初始化,包括网络损耗下界、网络损耗上界、情景迭代、裕度等级;
基于所述网络损耗下界模型获取网络损耗,对所述网络损耗下界进行更新;
基于所述网络损耗上界模型获取网络损耗,对所述网络损耗上界进行更新;
判断更新后的网络损耗上界与更新后的网络损耗下界的差值是否小于所述裕度等级;
若是,迭代结束,获取最坏情况下的网络损耗的最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911143739.7A CN110957735B (zh) | 2019-11-20 | 2019-11-20 | 一种基于双时间尺度的主动配电网鲁棒无功优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911143739.7A CN110957735B (zh) | 2019-11-20 | 2019-11-20 | 一种基于双时间尺度的主动配电网鲁棒无功优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110957735A true CN110957735A (zh) | 2020-04-03 |
CN110957735B CN110957735B (zh) | 2023-05-16 |
Family
ID=69978144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911143739.7A Active CN110957735B (zh) | 2019-11-20 | 2019-11-20 | 一种基于双时间尺度的主动配电网鲁棒无功优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110957735B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113517698A (zh) * | 2021-07-21 | 2021-10-19 | 华北电力科学研究院有限责任公司 | 主动配电网最优潮流凸化控制方法及装置 |
CN113765151A (zh) * | 2020-06-04 | 2021-12-07 | 株洲变流技术国家工程研究中心有限公司 | 一种能量优化调度方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160336753A1 (en) * | 2015-05-14 | 2016-11-17 | Gridco, Inc. | System and method for regulating the reactive power flow of one or more inverters coupled to an electrical grid |
CN108631328A (zh) * | 2018-07-04 | 2018-10-09 | 四川大学 | 一种考虑dg无功支撑和开关重构的主动配电网分布鲁棒无功优化方法 |
CN108711866A (zh) * | 2018-04-10 | 2018-10-26 | 国网安徽省电力有限公司芜湖供电公司 | 一种用于新能源电站无功电压的控制系统 |
CN109274134A (zh) * | 2018-11-08 | 2019-01-25 | 东南大学 | 一种基于时间序列场景分析的主动配电网鲁棒有功无功协调优化方法 |
CN110277789A (zh) * | 2019-07-16 | 2019-09-24 | 华北电力大学 | 电网多时段无功优化方法及装置 |
-
2019
- 2019-11-20 CN CN201911143739.7A patent/CN110957735B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160336753A1 (en) * | 2015-05-14 | 2016-11-17 | Gridco, Inc. | System and method for regulating the reactive power flow of one or more inverters coupled to an electrical grid |
CN108711866A (zh) * | 2018-04-10 | 2018-10-26 | 国网安徽省电力有限公司芜湖供电公司 | 一种用于新能源电站无功电压的控制系统 |
CN108631328A (zh) * | 2018-07-04 | 2018-10-09 | 四川大学 | 一种考虑dg无功支撑和开关重构的主动配电网分布鲁棒无功优化方法 |
CN109274134A (zh) * | 2018-11-08 | 2019-01-25 | 东南大学 | 一种基于时间序列场景分析的主动配电网鲁棒有功无功协调优化方法 |
CN110277789A (zh) * | 2019-07-16 | 2019-09-24 | 华北电力大学 | 电网多时段无功优化方法及装置 |
Non-Patent Citations (1)
Title |
---|
黄伟等: "基于光伏并网点电压优化的配电网多时间尺度趋优控制", 《电力系统自动化》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113765151A (zh) * | 2020-06-04 | 2021-12-07 | 株洲变流技术国家工程研究中心有限公司 | 一种能量优化调度方法及装置 |
CN113765151B (zh) * | 2020-06-04 | 2023-09-22 | 株洲变流技术国家工程研究中心有限公司 | 一种能量优化调度方法及装置 |
CN113517698A (zh) * | 2021-07-21 | 2021-10-19 | 华北电力科学研究院有限责任公司 | 主动配电网最优潮流凸化控制方法及装置 |
CN113517698B (zh) * | 2021-07-21 | 2024-04-19 | 华北电力科学研究院有限责任公司 | 主动配电网最优潮流凸化控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110957735B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110277789B (zh) | 电网多时段无功优化方法及装置 | |
Javanmardi et al. | BMI-based load frequency control in microgrids under false data injection attacks | |
CN110957735A (zh) | 一种基于双时间尺度的主动配电网鲁棒无功优化方法 | |
CN107565576B (zh) | 一种多主动管理手段相协调的主动配电网无功电压优化方法 | |
Sadiq et al. | A review of STATCOM control for stability enhancement of power systems with wind/PV penetration: Existing research and future scope | |
Lu et al. | Incremental-oriented ADMM for distributed optimal power flow with discrete variables in distribution networks | |
Morshed et al. | A coordinated control for voltage and transient stability of multi-machine power grids relying on wind energy | |
Dutta et al. | Model predictive control‐based optimal voltage regulation of active distribution networks with OLTC and reactive power capability of PV inverters | |
Gafar et al. | A novel hybrid fuzzy-JAYA optimization algorithm for efficient ORPD solution | |
Xiang et al. | Deep reinforcement learning based topology-aware voltage regulation of distribution networks with distributed energy storage | |
JP2021168598A (ja) | 自然エネルギー発電システム、無効電力コントローラまたは自然エネルギー発電システムの制御方法 | |
Mahdad et al. | Multi objective large power system planning under sever loading condition using learning DE-APSO-PS strategy | |
Nour et al. | A new two-stage controller design for frequency regulation of low-inertia power system with virtual synchronous generator | |
CN108899940A (zh) | 一种avc的二级电厂控制方法 | |
CN110957731A (zh) | 基于模型预测控制的分布式电源就地集群电压控制方法 | |
CN112688334B (zh) | 配电网电压控制方法、装置、设备和存储介质 | |
CN112994014B (zh) | 一种考虑风电影响的电网最优运行点控制方法及系统 | |
Seelig et al. | Voltage control in heavily loaded networks | |
CN116599166A (zh) | 一种配电网无功优化方法、装置、设备和存储介质 | |
Abolmasoumi et al. | Nonlinear T‐S fuzzy stabilizer design for power systems including random loads and static synchronous compensator | |
Sun et al. | Optimal volt/var control for unbalanced distribution networks with human-in-the-loop deep reinforcement learning | |
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 | |
Sahu et al. | Whale optimization algorithm for fuzzy lead-lag structure SSSC damping controller design | |
Rani et al. | Adaptive Grasshopper Optimization Algorithm for Multi-Objective Dynamic Optimal Power Flow in Renewable Energy Integrated Microgrid. | |
Jiang et al. | Day‐ahead voltage scheduling method based on a two‐stage robust optimisation for VSC‐HVDC connected wind farms |
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 |