CN111064235A - 一种有源配电网日前动态无功优化方法 - Google Patents
一种有源配电网日前动态无功优化方法 Download PDFInfo
- Publication number
- CN111064235A CN111064235A CN201911302608.9A CN201911302608A CN111064235A CN 111064235 A CN111064235 A CN 111064235A CN 201911302608 A CN201911302608 A CN 201911302608A CN 111064235 A CN111064235 A CN 111064235A
- Authority
- CN
- China
- Prior art keywords
- reactive power
- day
- optimization
- distribution network
- power 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 13
- 230000003068 static effect Effects 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims abstract description 4
- 239000003990 capacitor Substances 0.000 claims description 37
- 230000004927 fusion Effects 0.000 claims description 21
- 239000000126 substance Substances 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 claims description 3
- 230000003416 augmentation Effects 0.000 claims description 3
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 claims description 3
- 238000007500 overflow downdraw method Methods 0.000 claims description 3
- 230000000452 restraining effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000008878 coupling Effects 0.000 abstract description 4
- 238000010168 coupling process Methods 0.000 abstract description 4
- 238000005859 coupling reaction Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010606 normalization 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/50—Controlling the sharing of the out-of-phase component
-
- 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
- H02J3/1821—Arrangements for adjusting, eliminating or compensating reactive power in networks using shunt compensators
-
- 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
Abstract
本发明提供一种有源配电网日前动态无功优化方法,该方法包括:获取配电网各支路阻抗与各节点负荷,次日各小时负荷变化率、分布式电源有功出力;确定有源配电网日前动态无功优化的目标函数与约束条件;将目标函数归一化并通过层次分析法建立无功优化满意度模型;在无功优化过程中通过基于松弛‑聚类‑调整的无功控制设备协调方法进行无功优化。本发明将日前动态无功优化问题的求解转换为两次全天静态无功优化问题的求解,将强时空耦合的混合整数规划问题转换为只含连续变量的非线性规划问题,极大降低了日前动态无功优化的求解难度,可获得满足工程实际要求的无功优化满意解。
Description
技术领域
本发明涉及电力系统技术领域,尤其涉及有源配电网日前动态无功优化方法。
背景技术
无功优化是保证电网安全、经济运行的必要调节手段之一,通过对各无功控制设备的无功出力进行合理调度,可达到提高电压质量和降低网络损耗的目的。近年来,随着新能源技术的不断发展,分布式电源大量接入配电网并参与无功优化。分布式电源参与无功优化使得电力系统的无功调节手段更加丰富,但是也为无功优化带来了新问题:一方面,分布式电源与传统无功补偿装置的无功出力特点并不相同,传统配电网的日前动态无功优化方法已无法适用于有源配电网;另一方面,电容器组等无功控制设备的无功出力具有离散性,且全天投切次数是有限的。因此,亟需制定一种无功优化方法,既可满足电容器组全天最大投切次数约束,还可充分发挥各无功控制设备的无功出力特点,从而获得相对较优的日前无功优化结果。有源配电网日前动态无功优化在数学上属于强时空耦合的混合整数规划问题,求解难度较高,现有的求解方法精准度较低且过程十分复杂,并没有一种高效实用的求解方法。
发明内容
本发明提供的一种有源配电网日前动态无功优化方法,该方法可满足电容器组全天最大投切次数约束,在此基础上,解决了无功优化过程中分布式电源与传统无功补偿装置的无功出力协调问题,可获得满足工程实际要求的无功优化满意解。
为了实现上述目的,本发明采用如下的技术方案,包括:
获取配电网各支路阻抗与各节点负荷,次日各小时负荷变化率、分布式电源有功出力;
确定有源配电网日前动态无功优化的目标函数与约束条件;
将目标函数归一化并通过层次分析法建立无功优化满意度模型;
在无功优化过程中通过基于松弛-聚类-调整的无功控制设备协调方法进行无功优化。
进一步地,所述目标函数为:
有功网损最小:
其中,Ploss为有功网损,Ui和Uj分别为节点i和节点j的电压幅值,Gk(i,j)和θij分别为节点i和节点j之间的电导和相位差,m为支路总数;
电压偏差最小:
其中,Ud为电压偏差,Uj为节点j的实际电压,UjN为节点j的额定电压,n为节点总数;
无功补偿装置投入容量最小:
其中,Qtotal为无功补偿装置投入的总容量,其大小可表征无功补偿装置的投资,QCi为第i个无功补偿装置的投入容量,NC为无功补偿装置的总数;
所述约束条件为:
潮流方程约束:
其中,PGi和QGi分别为发电机和DG注入的有功和无功功率;PLi和QLi分别为负荷消耗的有功和无功功率;QCi为无功补偿装置投入的无功功率;Gij和Bij分别为节点i和节点j之间的电导和电纳;
节点电压约束:
Uimin≤Ui≤Uimax (6)
其中,Ui为节点i的电压幅值;Uimax和Uimin分别为节点i的电压幅值的上限和下限;
DG的无功出力范围约束:
QDGmin≤QDG≤QDGmax (7)
其中,QDG为DG所提供的无功功率;QDGmax、QDGmin分别为DG所能提供的无功功率上限和下限;
SVC的无功出力范围约束:
QSVCmin≤QSVC≤QSVCmax (8)
其中,QSVC为SVC所投入的无功功率;QSVCmax、QSVCmin分别为SVC无功出力范围的上限和下限;
电容器组的无功出力范围约束:
QCmin≤QC≤QCmax (9)
其中,QC为电容器组所投入的无功功率;QCmax、QCmin分别为电容器组无功出力范围的上限和下限;
电容器组全天最大投切次数约束:
其中,Ck(n)和Ck(n-1)分别为第k个电容器组在第n小时和第n-1小时所投入的无功功率大小;nCmax为所规定的电容器组全天最大投切次数。
进一步地,所述建立无功优化满意度模型,包括:
通过式(11)和式(12)对目标函数归一化处理:
F=ω1f1+ω2f2+ω3f3 (12)
其中,fi为归一化后的目标函数,其中i=1,2,3,f为原目标函数,fmin为单目标优化结果,fmax为未优化的结果,ω1、ω2、ω3为权重系数,ω1+ω2+ω3=1,F为优化满意度函数;
以及,通过层次分析法确定ω1、ω2、ω3的大小。
进一步地,所述基于松弛-聚类-调整的无功控制设备协调方法,包括:
步骤1,求电容器组全天最优无功补偿序列;
步骤2,对序列K-Means聚类;
步骤3,基于聚类结果进行时序融合,并确定融合后的各时段电容器组补偿容量;
步骤4,调整DG与SVC的无功出力。
进一步地,所述步骤1的具体实施步骤如下:松弛电容器组全天最大投切次数约束,并将离散变量松弛为连续变量,进行24个独立时间断面的静态无功优化,计算各小时电容器组补偿容量的松弛解QT,将各小时的QT组成全天最优无功补偿序列:
Qbest=(Q1 Q2 … QT … Q24) (13)
其中,Qbest为全天最优无功补偿序列。
进一步地,所述步骤2还包括:
聚类完成后,为Qbest中每一个QT添加分类标签:
其中,KT为QT的所属类别,Q′best为Qbest添加分类标签后的增广序列。
进一步地,所述步骤3包括一阶段融合与二阶段融合;
其中,一阶段融合方法如下:对于任意KT,若存在连续N个小时满足KT=KT+1=…=KT+N-1,则将N个小时融合为一个时段,融合后该时段的补偿容量为:
一阶段融合完成后,原24小时被划分为n个时段,若分段数n已经满足全天最大投切次数约束,则时序分段结束,否则进行二阶段融合:对于一阶段融合获得的每个时段i,计算i时段与i-1时段的补偿容量差值:
进一步地,所述步骤4包括:固定离散变量大小,以DG、SVC的无功出力作为决策变量进行静态无功优化,求解结果为连续变量最终解。
通过本发明提供的一种有源配电网日前动态无功优化方法,将日前动态无功优化问题的求解转换为两次全天静态无功优化问题的求解,将求解强时空耦合的混合整数规划问题转换为求解只含连续变量的非线性规划问题,极大降低了日前动态无功优化的求解难度。该方法既可满足电容器组全天最大投切次数约束,在此基础上,解决了无功优化过程中分布式电源与传统无功补偿装置的无功出力协调问题,可获得满足工程实际要求的无功优化满意解。
附图说明
图1为有源配电网日前动态无功优化方法流程示意图;
具体实施方式
为使得本发明的特征和优点能够更加明显和易懂,下面结合附图对本发明进一步详细描述。
一种有源配电网日前动态无功优化方法如图1所示,包括:
步骤S101,获取配电网各支路阻抗与各节点负荷,次日各小时负荷变化率、分布式电源有功出力;
步骤S102,确定有源配电网日前动态无功优化的目标函数与约束条件;
步骤S103,将目标函数归一化并通过层次分析法建立无功优化满意度模型;
步骤S104,在无功优化过程中通过基于松弛-聚类-调整的无功控制设备协调方法进行无功优化。
步骤S102的具体实施方法为:以有功网损、电压偏差、无功补偿装置投入容量最小为目标函数,以潮流方程约束、节点电压约束、DG的无功出力范围约束、SVC的无功出力范围约束、电容器组的无功出力范围约束、电容器组全天最大投切次数约束为约束条件。
所述目标函数为:
有功网损最小:
其中,Ploss为有功网损,Ui和Uj分别为节点i和节点j的电压幅值,Gk(i,j)和θij分别为节点i和节点j之间的电导和相位差,m为支路总数。
电压偏差最小:
其中,Ud为电压偏差,Uj为节点j的实际电压,UjN为节点j的额定电压,n为节点总数。
无功补偿装置投入容量最小:
其中,Qtotal为无功补偿装置投入的总容量,其大小可表征无功补偿装置的投资,QCi为第i个无功补偿装置的投入容量,NC为无功补偿装置的总数。
所述约束条件为:
潮流方程约束:
其中,PGi和QGi分别为发电机和DG注入的有功和无功功率;PLi和QLi分别为负荷消耗的有功和无功功率;QCi为无功补偿装置投入的无功功率;Gij和Bij分别为节点i和节点j之间的电导和电纳。
节点电压约束:
Uimin≤Ui≤Uimax (6)
其中,Ui为节点i的电压幅值;Uimax和Uimin分别为节点i的电压幅值的上限和下限。
DG的无功出力范围约束:
QDGmin≤QDG≤QDGmax (7)
其中,QDG为DG所提供的无功功率;QDGmax、QDGmin分别为DG所能提供的无功功率上限和下限。
SVC的无功出力范围约束:
QSVCmin≤QSVC≤QSVCmax (8)
其中,QSVC为SVC所投入的无功功率;QSVCmax、QSVCmin分别为SVC无功出力范围的上限和下限。
电容器组的无功出力范围约束:
QCmin≤QC≤QCmax (9)
其中,QC为电容器组所投入的无功功率;QCmax、QCmin分别为电容器组无功出力范围的上限和下限。
电容器组全天最大投切次数约束:
其中,Ck(n)和Ck(n-1)分别为第k个电容器组在第n小时和第n-1小时所投入的无功功率大小;nCmax为所规定的电容器组全天最大投切次数。
步骤S103的具体实施方法为:
通过式(11)和式(12)对目标函数归一化处理:
F=ω1f1+ω2f2+ω3f3 (12)
其中,fi为归一化后的目标函数,其中i=1,2,3,f为原目标函数,fmin为单目标优化结果,fmax为未优化的结果,ω1、ω2、ω3为权重系数,ω1+ω2+ω3=1,F为优化满意度函数,其值越接近1,表征无功优化效果越好。
以及,通过层次分析法确定ω1、ω2、ω3的大小。
步骤S104的具体实施方法为:
步骤1,求电容器组全天最优无功补偿序列;
步骤2,对序列K-Means聚类;
步骤3,基于聚类结果进行时序融合,并确定融合后的各时段电容器组补偿容量;
步骤4,调整DG与SVC的无功出力。
步骤1的具体实施方法为:松弛电容器组全天最大投切次数约束,并将离散变量松弛为连续变量,进行24个独立时间断面的静态无功优化,计算各小时电容器组补偿容量的松弛解QT,将各小时的QT组成全天最优无功补偿序列:
Qbest=(Q1 Q2 … QT … Q24) (13)
其中,Qbest为全天最优无功补偿序列。
步骤1中的静态无功优化在数学上属于只含连续变量的非线性规划问题,求解方法多样,既可采用内点法、梯度下降法等数学优化方法,也可采用粒子群算法、遗传算法等人工智能算法,本实施例对具体的求解方法不做限定。
步骤2的具体实施方法为:对Qbest中的QT进行K-Means聚类,聚类完成后,为Qbest中每一个QT添加分类标签:
其中,KT为QT的所属类别,Q′best为Qbest添加分类标签后的增广序列。
步骤3的具体实施过程分为两个阶段:一阶段融合与二阶段融合。
其中,一阶段融合方法如下:对于任意KT,若存在连续N个小时满足KT=KT+1=…=KT+N-1,则将N个小时融合为一个时段,融合后该时段的补偿容量为:
一阶段融合完成后,原24小时被划分为n个时段,若分段数n已经满足全天最大投切次数约束,则时序分段结束,否则进行二阶段融合:对于一阶段融合获得的每个时段i,计算i时段与i-1时段的补偿容量差值:
步骤4的具体实施方法为:固定离散变量大小,以DG、SVC的无功出力作为决策变量进行静态无功优化,求解结果为连续变量最终解。
步骤4中的静态无功优化在数学上属于只含连续变量的非线性规划问题,求解方法多样,既可采用内点法、梯度下降法等数学优化方法,也可采用粒子群算法、遗传算法等人工智能算法,本实施例对具体的求解方法不做限定。
至此,无功优化中的决策变量最终解已全部确定。
通过本发明提供的一种有源配电网日前动态无功优化方法,将日前动态无功优化问题的求解转换为两次全天静态无功优化问题的求解,将求解强时空耦合的混合整数规划问题转换为求解只含连续变量的非线性规划问题,极大降低了日前动态无功优化的求解难度。该方法既可满足电容器组全天最大投切次数约束,在此基础上,解决了无功优化过程中分布式电源与传统无功补偿装置的无功出力协调问题,可获得满足工程实际要求的无功优化满意解。
最后,本申请的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含本发明的保护范围之内。
Claims (8)
1.一种有源配电网日前动态无功优化方法,其特征在于,包括:
获取配电网各支路阻抗与各节点负荷,次日各小时负荷变化率、分布式电源有功出力;
确定有源配电网日前动态无功优化的目标函数与约束条件;
将目标函数归一化并通过层次分析法建立无功优化满意度模型;
在无功优化过程中通过基于松弛-聚类-调整的无功控制设备协调方法进行无功优化。
2.如权利要求1所述的有源配电网日前动态无功优化方法,其特征在于,所述目标函数为:
有功网损最小:
其中,Ploss为有功网损,Ui和Uj分别为节点i和节点j的电压幅值,Gk(i,j)和θij分别为节点i和节点j之间的电导和相位差,m为支路总数;
电压偏差最小:
其中,Ud为电压偏差,Uj为节点j的实际电压,UjN为节点j的额定电压,n为节点总数;
无功补偿装置投入容量最小:
其中,Qtotal为无功补偿装置投入的总容量,其大小可表征无功补偿装置的投资,QCi为第i个无功补偿装置的投入容量,NC为无功补偿装置的总数;
所述的约束条件为:
潮流方程约束:
其中,PGi和QGi分别为发电机和DG注入的有功和无功功率,PLi和QLi分别为负荷消耗的有功和无功功率,QCi为无功补偿装置投入的无功功率,Gij和Bij分别为节点i和节点j之间的电导和电纳;
节点电压约束:
Uimin≤Ui≤Uimax (6)
其中,Ui为节点i的电压幅值,Uimax和Uimin分别为节点i的电压幅值的上限和下限;
DG的无功出力范围约束:
QDGmin≤QDG≤QDGmax (7)
其中,QDG为DG所提供的无功功率,QDGmax、QDGmin分别为DG所能提供的无功功率上限和下限;
SVC的无功出力范围约束:
QSVCmin≤QSVC≤QSVCmax (8)
其中,QSVC为SVC所投入的无功功率,QSVCmax、QSVCmin分别为SVC无功出力范围的上限和下限;
电容器组的无功出力范围约束:
QCmin≤QC≤QCmax (9)
其中,QC为电容器组所投入的无功功率,QCmax、QCmin分别为电容器组无功出力范围的上限和下限;
电容器组全天最大投切次数约束:
其中,Ck(n)和Ck(n-1)分别为第k个电容器组在第n小时和第n-1小时所投入的无功功率大小,nCmax为所规定的电容器组全天最大投切次数。
4.如权利要求1所述的有源配电网日前动态无功优化方法,其特征在于,所述基于松弛-聚类-调整的无功控制设备协调方法,包括:
步骤1,求电容器组全天最优无功补偿序列;
步骤2,对序列K-Means聚类;
步骤3,基于聚类结果进行时序融合,并确定融合后的各时段电容器组补偿容量;
步骤4,调整DG与SVC的无功出力。
5.如权利要求4所述的有源配电网日前动态无功优化方法,其特征在于,所述步骤1的具体实施步骤如下:松弛电容器组全天最大投切次数约束,并将离散变量松弛为连续变量,进行24个独立时间断面的静态无功优化,计算各小时电容器组补偿容量的松弛解QT,将各小时的QT组成全天最优无功补偿序列:
Qbest=(Q1 Q2…QT…Q24) (13)
其中,Qbest为全天最优无功补偿序列。
7.如权利要求4所述的有源配电网日前动态无功优化方法,其特征在于,所述步骤3包括一阶段融合与二阶段融合;
其中,一阶段融合方法如下:对于任意KT,若存在连续N个小时满足KT=KT+1=…=KT+N-1,则将N个小时融合为一个时段,融合后该时段的补偿容量为:
一阶段融合完成后,原24小时被划分为n个时段,若分段数n已经满足全天最大投切次数约束,则时序分段结束,否则进行二阶段融合:对于一阶段融合获得的每个时段i,计算i时段与i-1时段的补偿容量差值:
8.如权利要求4所述的有源配电网日前动态无功优化方法,其特征在于,所述步骤4包括:固定离散变量大小,以DG、SVC的无功出力作为决策变量进行静态无功优化,求解结果为连续变量最终解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911302608.9A CN111064235A (zh) | 2019-12-17 | 2019-12-17 | 一种有源配电网日前动态无功优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911302608.9A CN111064235A (zh) | 2019-12-17 | 2019-12-17 | 一种有源配电网日前动态无功优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111064235A true CN111064235A (zh) | 2020-04-24 |
Family
ID=70301959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911302608.9A Pending CN111064235A (zh) | 2019-12-17 | 2019-12-17 | 一种有源配电网日前动态无功优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111064235A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111585288A (zh) * | 2020-06-10 | 2020-08-25 | 湘潭大学 | 一种基于层次分析法的配电网多目标动态无功优化方法 |
CN112529253A (zh) * | 2020-11-18 | 2021-03-19 | 国网青海省电力公司 | 基于内点解耦法与线性混合整数规划法的区域电网动态无功优化方法 |
CN112561136A (zh) * | 2020-11-30 | 2021-03-26 | 郑州轻工业大学 | 一种基于模糊时间聚类的配电网动态无功优化方法 |
CN112803434A (zh) * | 2021-02-25 | 2021-05-14 | 国网河北省电力有限公司经济技术研究院 | 有源配电网的无功优化方法、装置、设备和存储介质 |
CN113489019A (zh) * | 2021-07-08 | 2021-10-08 | 湘潭大学 | 一种基于自适应粒子群算法的配电网无功优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102709923A (zh) * | 2012-06-14 | 2012-10-03 | 济南大学 | 基于负荷波动规律的时变限值区域电网无功优化控制方法 |
CN104600713A (zh) * | 2014-12-25 | 2015-05-06 | 国家电网公司 | 含风力/光伏发电配电网日前无功调度的生成装置及方法 |
CN109119985A (zh) * | 2017-06-23 | 2019-01-01 | 南京理工大学 | 一种主动配电网能源优化配置方法 |
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 |
-
2019
- 2019-12-17 CN CN201911302608.9A patent/CN111064235A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102709923A (zh) * | 2012-06-14 | 2012-10-03 | 济南大学 | 基于负荷波动规律的时变限值区域电网无功优化控制方法 |
CN104600713A (zh) * | 2014-12-25 | 2015-05-06 | 国家电网公司 | 含风力/光伏发电配电网日前无功调度的生成装置及方法 |
CN109119985A (zh) * | 2017-06-23 | 2019-01-01 | 南京理工大学 | 一种主动配电网能源优化配置方法 |
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 |
Non-Patent Citations (2)
Title |
---|
PEI LUO: "Multi-objective Reactive Power Optimization for Distribution System with Distributed Generators" * |
季玉琦;耿光飞;温渤婴;李秀磊;陆凌芝;魏子睿;: "基于最优分割法的含DG配电网动态无功优化" * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111585288A (zh) * | 2020-06-10 | 2020-08-25 | 湘潭大学 | 一种基于层次分析法的配电网多目标动态无功优化方法 |
CN112529253A (zh) * | 2020-11-18 | 2021-03-19 | 国网青海省电力公司 | 基于内点解耦法与线性混合整数规划法的区域电网动态无功优化方法 |
CN112529253B (zh) * | 2020-11-18 | 2024-04-12 | 国网青海省电力公司 | 基于内点解耦法与线性混合整数规划法的区域电网动态无功优化方法 |
CN112561136A (zh) * | 2020-11-30 | 2021-03-26 | 郑州轻工业大学 | 一种基于模糊时间聚类的配电网动态无功优化方法 |
CN112803434A (zh) * | 2021-02-25 | 2021-05-14 | 国网河北省电力有限公司经济技术研究院 | 有源配电网的无功优化方法、装置、设备和存储介质 |
CN113489019A (zh) * | 2021-07-08 | 2021-10-08 | 湘潭大学 | 一种基于自适应粒子群算法的配电网无功优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111064235A (zh) | 一种有源配电网日前动态无功优化方法 | |
Zhang et al. | Distributed finite-time multiagent control for DC microgrids with time delays | |
CN109492861B (zh) | 一种梯级水电站群中期电量交易计划分解方法 | |
CN105119280B (zh) | 基于锥优化的交直流混合结构有源配电网运行优化方法 | |
CN105226664B (zh) | 一种主动配电网无功电压分层分布协调控制方法 | |
CN106655177B (zh) | 基于扩展二阶锥规划的分布式电源最大接入能力计算方法 | |
CN105740973A (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 | |
CN106655226B (zh) | 基于智能软开关的有源配电网不对称运行优化方法 | |
CN108023364B (zh) | 基于凸差规划的配电网分布式电源最大接入能力计算方法 | |
Rosini et al. | A review of reactive power sharing control techniques for islanded microgrids | |
CN111049173B (zh) | 多端直流配网自组织下垂控制方法 | |
CN105226653A (zh) | 一种主动配电网最优潮流中变压器模型的精确线性化方法 | |
CN105914753A (zh) | 主动配电网电压实时模糊控制方法 | |
Zhao et al. | Distributed risk-limiting load restoration for wind power penetrated bulk system | |
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 | |
CN113224769B (zh) | 考虑光伏多状态调节的多时间尺度配电网电压优化方法 | |
Bhongade et al. | Artificial neural network based automatic generation control scheme for deregulated electricity market | |
Karkevandi et al. | ANFIS-based intelligent PI controller for secondary frequency and voltage control of microgrid | |
CN115481856A (zh) | 考虑综合需求响应的综合能源系统多尺度调度方法及系统 | |
CN107732920B (zh) | 光伏发电出力不确定性的主动配电网鲁棒电压控制方法 | |
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 | |
CN111541248B (zh) | 一种智能软开关与储能系统联合优化方法和装置 | |
Raza et al. | Robust nonlinear control of regenerative fuel cell, supercapacitor, battery and wind based direct current microgrid | |
CN107451743B (zh) | 一种考虑源荷运行特性的有源配电网孤岛运行方法 | |
Dall'Anese et al. | Regulation of dynamical systems to optimal solutions of semidefinite programs: Algorithms and applications to AC optimal power flow |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200424 |
|
WD01 | Invention patent application deemed withdrawn after publication |